電力 AI エンドツーエンド研究プロジェクト

本研究の到達点 (B300 1 日借用枠での実装結果)

1. 5 分粒度で自前 906M Transformer が Chronos T5-base zero-shot と同等レンジに到達 (10 ターゲット中 7 で lower RMSE_norm、 平均 0.168 vs 0.180)。 B300 の HBM 容量を活かした 4,032 step (5 min × 4,032 ≒ 14 日) のコンテキストで学習し、 ドメイン特化型モデルが foundation model と並ぶレンジに来ることを示した。
2. Chronos 予測残差から 92 日分の系統挙動データを定量化。 |z|>3 のヒット率 2.2% は予測モデル誤差の裾の重さを反映するもので、 12 月後半朝 09:00 帯の「太陽光起動 → LNG 急減 → 西日本連系線逆流」の連日反復パターンや、 z=-15 級の個別大型ピーク (北海道-本州 -411MW、 風力 z=15.94 など) を構造的に抽出。
3. 残差ピークを UMAP+HDBSCAN で 61 クラスタに自動分類。 上位クラスタが朝の太陽光起動・夕方需要ピーク・深夜風力スパイク等、 時刻・ターゲットと整合するパターンに分かれる。 系統運用員向けの「残差ピーク事例ライブラリ」の基盤を構築。
4. 残差ピークの 1〜6h 先予測 Transformer (25M) を B300 で 1.5 分学習。 太陽光 AUC 0.87 を達成し、 取引リスクヘッジ・系統運用支援のシグナル提供基盤を実装。
5. 差分系列の Granger F で系統内の同期構造を抽出。 太陽光と LNG 火力の同期が他ペアを大きく上回り (F=216)、 LNG ⇔ 連系線は双方向に高 F (需給バランス調整と整合)、 風力は他系列と独立した変動源、 という階層構造を可視化。
6. シミュレータ + PPO + reward shaping のパイプラインを B300 で 6 分で end-to-end に動作。 フェーズ⑤の予測モデル出力を reward 項に組み込んだ PPO+anom-reward モードがシミュレータ内で LNG -24.7% を達成し、 「予測モデルが制御の上流情報源として機能する」アーキテクチャを実装。

アプローチ進化

vs Chronos zero-shot (val 期間・sampling は同一、 ただし条件統制は不完全)

val 期間: 2025-12-12〜2026-01-01 (約 20 日、 stride=24、 同一 sampling)

条件差: 自前モデル = per-target 個別学習 + context 4,032 step (≒ 14 日)、 Chronos = zero-shot + default context 512 step (≒ 1.8 日)。 「自前が Chronos より優れている」ではなく、 ターゲットドメインで学習しコンテキストを 8 倍にした自前モデルが、 default 設定の foundation model と並ぶレンジに来た、 と読むのが正確。 Chronos の context を 4,032 step に揃えた条件、 および同 sample 数で fine-tune した条件での再比較は今回の B300 枠では未実施。

サンプル数の注記: 自前 906M params に対し train pair = 4,056 (1 サンプルあたり ≒ 223,000 params) で、 val 期間へのメモライズ的フィッティングのリスクは排除できていない。 また val window は約 20 日 × stride 24 で実質的に独立サンプル数は限られ、 ターゲット間の RMSE 差 0.011 (0.180→0.168) に統計的有意性 (Diebold-Mariano、 block bootstrap CI) が付くかは検証していない。 結論は「勝利」ではなく「同等レンジに来た」と読むのが安全。

本フェーズは系統の「異常」を見つける作業ではなく、 Chronos zero-shot 予測の残差が大きく外れたタイミングを抽出する作業である。 |z|>3 のヒット率は 2.2% で、 ガウシアン理論値の 0.27% (≒ 690 件) の約 8 倍。 これは系統異常の多発ではなく、 Chronos 残差が裾の重い (leptokurtic) non-Gaussian 分布を持つことの帰結。 とくに太陽光 (354 件 / |z|>5)・FC 連系線 (199 件)・LNG 火力 (225 件) で裾が重い。 従って 5,545 件は「Chronos がその時点で系統挙動を当てきれなかった残差ピーク」と読むのが正確で、 実イベント (停電・出力制御・設備故障) との突合は本実験では未実施。 個別の z=-15 級ピーク (北海道-本州 -411MW、 風力 z=15.94 など) は実イベント由来の可能性が高いが、 5,545 件全体としては「Chronos の予測誤差プロファイル」と呼ぶべき集合。

手法

1. val 期間 (2025-10〜2026-01、 92 日、 25,472 step) の全 5 分時点で Chronos T5-base zero-shot 予測
2. 残差 r = (実績 − 予測中央値) を計算
3. 系列毎に残差の標準偏差 σ_r を求め、 z-score = r / σ_r で正規化
4. |z| > 3 / 5 / 8 で残差外れ値を抽出
5. 同時刻に複数系列で外れ値が出るタイミングを「同時イベント候補」として深掘り

計算時間: B300 × 1 枚で 11.5 分 (10 系列 × 25,472 step = 254,720 予測)、 30.7 GB 使用

検出統計

同時発生タイミング (系統イベント候補)

|z|>5 の残差ピークが複数系列で同時刻に発生したタイミング。 真の系統イベント由来か Chronos 共通の予測失敗かは未弁別。

処理パイプライン

1. 各残差ピークの直前 24h (288 step) の context を Chronos T5 encoder に入力
2. last_hidden_state を mean pool → 768 次元 embedding
3. 同時刻の他 9 系列正規化値を連結 → 778 次元 feature
4. UMAP (cosine, n_neighbors=30) で 2 次元投影
5. HDBSCAN (min_cluster=30) で 自動クラスタリング

計算時間: 8 秒 (5,545 × 768 dim embedding)、 GPU 1 枚で約 0.5 GB

結果: 61 クラスタ + 1,084 ノイズ (min_cluster_size=30 のもとで)

留意: 778 次元 feature には他 9 系列の正規化値が直接連結されており、 Chronos embedding 部分も対象 target の系列から得たものなので、 UMAP がターゲット別に分かれるのは大半が構成上の前提。 クラスタ数 61 は min_cluster_size=30 一設定の結果で、 安定性 (シルエット・k-fold 一致率) は本実験では計測していない。 1,084 件のノイズ (全体の約 20%) はクラスタ化できなかったサンプル。 以下は上位 10 クラスタ:

Test 結果: ターゲット別 AUC / AP

太陽光ラベル (±30 分以内に |z|>3) は日の出・日没・正午のピーク帯に強く偏っており (フェーズ④のクラスタ 31「太陽光起動 top hour=08」・クラスタ 20「昼ピーク top hour=13」)、 時刻 sin/cos と過去 24h の単純な集計だけのロジスティック回帰 baseline でも AUC 0.8 前後には達する可能性が高い。 本実験ではこの time-of-day-only baseline を計測していないため、 AUC 0.87 が 25M Transformer のモデル容量によるものか時刻分布の強さによるものかは切り分けられていない。 風力 AUC 0.57・北海道-本州 AUC 0.55 が chance 近傍に落ちるのは、 ラベル側に時刻パターンが乏しいターゲットでは予測材料がほぼ無いことを示しており、 ターゲット間の AUC 差は「モデルの優劣」ではなく「ラベルの予測しやすさ」を表している、 と読むのが安全。

手法

• Raw level: 各系列の差分系列で双方向 OLS 回帰、 F 統計量で帰無仮説「X の過去 12 step は Y を予測に寄与しない」を検定
• Residual level: Chronos 残差で同じ検定 → 自己相関で説明できない本質的補完関係
• Lead-lag 相互相関: 残差ピーク binary mask の ±2h 相互相関プロファイル
• F 統計量はサンプル数 n≒26,000 では微弱な相関でも 100 単位に達するため、 絶対値ではなく相対順位として読む。 自由度 (分子 df=12 / 分母 df≒26,400) のもとでは F>2.18 で p<0.01 となり、 Top ペアは単独では全て有意水準を超える
• 共通の外生ドライバ (時刻・気象) を残差化していないため、 「太陽光 → LNG」も「両者が朝同時に動く」時刻同期の影響を含む。 本フェーズの結論はペア間の同期構造であり、 構造因果や介入下の挙動の同定ではない

サンプル数: 92 日 × 288 step/day ≒ 26,496 step / pair (差分系列)、 lag = 12 step (60 分)、 計算時間 3.5 秒

Top Granger F ペア (Raw 差分系列、 lag=12)

F 値は絶対値ではなくペア間の相対順位として読む。 全ペアが単独では p<0.01 水準を超えており、 順位構造が情報の本体。

PowerGridEnv 設計 (gymnasium 互換)

v3 環境で 4 モード比較 (val 期間 30 episode)

結果の解釈と次フェーズの検証計画

4 モード比較で、 他 3 モード (PPO scratch / BC / PPO+BC) は v3 環境では baseline 以下に留まる結果となった。 一方で、 フェーズ⑤の予測モデル出力を reward 項に組み込んだ PPO+anom-reward モードが唯一 baseline を上回り、 シミュレータ内で LNG -24.7% を達成した。 これは「予測 AI の出力が制御 AI の reward shaping に再利用できる」という統合アーキテクチャの初期検証として位置付けられる。

評価指標が LNG 削減率を含む合成スコアであり、 reward 項にも -α·LNG - β·anomaly_signal が含まれることから、 「reward 設計の貢献度」と「予測モデル出力の貢献度」を切り分ける検証は次フェーズの重要課題である。 具体的な ablation 計画は以下:

• anomaly_signal を観測 obs にだけ入れる vs reward にも入れる の比較
• random noise を anomaly_signal の代わりに reward に入れた sanity check
• 同じ -α·LNG 項を持つ PPO scratch (anomaly 項なし) との比較
• val 期間を変えた繰り返し試行 (現状は 30 episode の単一計測)