1. なぜAIか

系統用蓄電池の収益最大化は、kW価値・kWh価値の3つ以上の市場で同時最適化を行う高度な意思決定。30分コマ・48コマ/日 × 数日先の予測、需給バランス、電池SOC・劣化を同時考慮するため、ヒトの判断では限界がある。AI(機械学習・最適化ソルバ)が必須となる。

2. エナリス × Fluence

2025年6月、国内アグリゲーター第1号のエナリス(KDDI子会社)と、Siemens・AES合弁の蓄電池専業大手Fluence EnergyがMOU締結。Fluenceの最適化プラットフォーム「Mosaic」を、エナリスのDERMS(分散電源管理システム)に統合し、蓄電池運用を高度化する。Fluenceは2025年2月にハードウェア「SmartStack」とソフトウェア「Mosaic」を日本市場に投入していた。

3. 旭化成 × 中国電力

2026年4月23日、旭化成と中国電力が「蓄電池運用最適化システム」共同開発の覚書を締結。旭化成のリチウムイオン電池セパレータ事業の知見と、独自の電池劣化診断技術を活用。運転条件・電池状態・市場価格・需要予測の4要素を解析し、市場収入と電池劣化を両立する充放電計画を立案。下松蓄電所で2026〜2029年度に実証、商用化を目指す。

4. 三菱総研 × ENEOS

ENEOSは2024年6月に三菱総合研究所と蓄電池運用システムを開発。VPP(仮想発電所)事業の中核として、需給予測・市場取引・運用判断を統合する。

5. その他の取組

  • Tensor Energy(福岡): 蓄電池運用最適化SaaS。METIアグリ登録(2024/11)。
  • Sustech: GSユアサと共同で系統用蓄電所事業開発。AIシステム提供。
  • e-Flow(中部電力ミライズ系): AI最適化で需給調整市場運用
  • パワーエックス: 自社蓄電池+AI最適化で東証グロース上場

6. 共通する技術要素

  • 需給予測モデル(LSTM・Transformer等)
  • 強化学習・MILP(混合整数線形計画)による運用最適化
  • 電池劣化モデル(SOC範囲・サイクル深度・温度)を組込
  • 制約条件(契約kW・SOC上下限・応動義務)の取扱

7. 今後の競争領域

市場価格予測の精度、電池劣化考慮の精緻化、サイバーセキュリティ、運用責任分界(アグリゲーター vs 事業者)が競争領域。AIモデルそのものよりも「運用データの蓄積」と「市場洞察」が差別化要因になる。

※本稿は公開情報を編集部が整理した解説記事です。個別事業の意思決定にあたっては一次出典・専門家のレビューを必ずご参照ください。