系統混雑緩和技術（GETs）：既存の電力網の送電能力を引き出す次世代系統技術

著者：アスタミューゼ株式会社 田澤 俊介 博士（工学）

系統混雑緩和技術（GETs）とは

近年、生成AIの普及にともなうデータセンタや半導体工場の新増設により、長らく減少傾向にあった電力需要が増加へと転じています。IEA（国際エネルギー機関）は、世界のデータセンタの電力消費が2030年までに約945TWhへと倍増し、米国では2030年までの電力需要増加分のほぼ半分をデータセンタが占める見通しです。

日本も同様に、2026年度以降はデータセンタ・半導体工場の新増設にともない、2035年度まで年平均0.4%の増加が続くと想定されています。さらに第7次エネルギー基本計画では再生可能エネルギーの大幅拡大が提示され、既存の電力網に対して、天候や気象条件によって発電出力が大きく変化する変動性電源の増加と、大規模需要の局地的集中という、二つの圧力が同時にかかる構図となっています。

このように、電力需給バランスが不安定化する懸念から、電力供給の増強が不可欠となります。しかし現実には、発電所や蓄電池などの電力供給設備に対し、送電線や変電所などの系統設備が不足する「系統接続制約」がボトルネックになっています。実際、米国では2025年末時点で2,060GWを超える設備が接続待ちとなり、2025年に運転開始した案件では、接続申込から運転開始までの期間の中央値が5年を超えています。

日本でも、資源エネルギー庁は、データセンタが集積する千葉県印西・白井地域において、「系統設備」への接続に長期間を要する事例や、将来の接続に備えて、あらかじめ設備の利用枠である「接続枠」を押さえる事例の発生を指摘しています。特に、土地取得などの前に接続申込をおこない確保した容量が実際には使われない「空押さえ」も起きており、真に必要な事業者への供給が遅れることが懸念されています。

こうした課題に対し、需要側では、供給開始の延期や契約電力の減少があった場合に、使われなくなった容量を他の需要家が利用できるようにする「容量開放」や「費用精算」の導入が議論されています。また、発電側では、系統用蓄電池を対象として保証金の増額などが検討されています。

制度面での対策と並行して系統増設も進められており、電力広域的運営推進機関 （Organization for Cross-regional Coordination of Transmission Operators： OCCTO）は、再エネポテンシャルの高い北海道・東北と大消費地を結ぶ「広域連系系統のマスタープラン」を2023年3月に策定し、北海道～東北～東京間に高圧直流送電（High Voltage Direct Current： HVDC）2GWを新設する構想が検討されています。しかし、東地域の系統整備の概算工事費は1.5兆～1.8兆円程度と試算されており、巨額の投資と長い工期が課題となっています。

制度面での対策や系統増設が進められる一方、増設には巨額の投資と長い工期が必要です。そこで、既存設備を活用しながら比較的短期間で送電能力を高める選択肢として注目されているのが、傾向混雑緩和技術（Grid Enhanced Technologies：GETs）です。GETsは、送電線を新設せず、既存設備がもつ潜在的な送電能力を引き出す技術群を指します。一例である動的線路定格（Dynamic Line Rating： DLR）は、気象条件や送電線の温度をモニタリングし、送電容量をリアルタイムで評価・調整する技術です。固定的な定格をもちいる場合と比べ、条件に応じて送電容量を増やせる可能性があります。実証例として、米国エネルギー省（DOE）によると、米国テキサス州を中心に送配電網を運営する電力会社Oncorでは、DLRセンサの導入により送電線容量が6～14%増加し、Duquesne Lightの実証では25%増加させたことが報告されています。このためGETsは、「系統増強は必要だが、完成までに時間を要する」という時間軸のギャップを埋める現実的な選択肢として注目されています。

本レポートでは、系統接続制約の緩和とGETsに関する取り組みについて、アスタミューゼ独自のデータベースをもとに、特許と研究プロジェクト（グラント）の直近10年の動向を分析します。

アスタミューゼでは、世界各国のグラント（研究開発予算）や特許、論文、スタートアップなど、イノベーションに関わる膨大なデータベースを保有しています。ここでは、GETs関連技術について、グラントと出願特許のデータをもちいて、現在の立ち位置と今後の展望について考察ます。GETsは、大きく（1）動的線路定格（DLR）、（2）電力フロー制御、（3）トポロジー最適化の3つの技術で構成されます。以下、それぞれの動向を見ていきます。

1. 動的線路定格（DLR）：気象条件や送電線の温度などをセンサでモニタリングし、送電線の容量をリアルタイムで評価・調整する技術
2. 電力フロー制御：複数ある電力径路のインピーダンス（電流の流れにくさをあらわす量）などを随時制御し、送電線を流れる電力を調整する技術
3. トポロジー最適化：複雑に構成された送配電網の経路や接続構成を最適化し、電力の流れを効率化する技術

GETs関連技術の特許・研究プロジェクトの分析

はじめに、GETsに関する特許をデータベースから抽出しました。図1は、2016年以降に出願されたGETs関連特許の出願件数推移です。なお、特許のデータは公開からデータベースへの格納までにタイムラグがあるため、直近の2025年の集計値は参考値です。

GETs関連特許では、電力フロー制御に関する出願がもっとも多く、トポロジー最適化が続いています。電力フロー制御とトポロジー最適化は、この10年間で年間の出願件数がそれぞれ約200件増加しています。一方、DLRの出願件数は2025年に増加しているものの、それ以前はおおむね横ばいで推移しています。

次に、GETsに関する研究プロジェクト（グラント）をデータベースから抽出しました。図2は、2016年以降に採択されたGETs関連プロジェクトの年ごとの研究資金配賦額です。なお、中国は2021年以降のグラントデータが非公開のため、集計から除外しています。

年度にばらつきはあるものの、電力フロー制御およびトポロジー最適化には一定の研究資金が投資される一方、DLRに対する投資は限定的です。特許の推移とあわせると、DLRは他の2分野に比べて商用化が進み、技術成熟度が比較的高いと考えられます。一方、電力フロー制御とトポロジー最適化は、GETsの中でも新たな研究開発が継続している分野といえます。また、本領域はいずれも10年を通して数十～数百件とグラントが少ない一方、巨額のプロジェクトが見られる点も特徴です。

グラントの国別配賦額の推移が図3です。

国別の配賦額も年によってばらつきはあり、投資が集中する時期は国ごとに異なります。EUや英国では2016～2020年に配賦が集中し、2021年以降の投資はほとんど見られません。一方、日本では2019年に100万米ドル規模の投資がみられ、2021年以降に大きな投資が続いています。また、米国ではこの期間の投資はほとんど見られません。これは、2010年代前半にすでに投資がおこなわれているためです。これらの結果から、電力系統に関する投資時期は、欧米と比べて日本がやや遅い可能性が示唆されます。

GETs関連技術のキーワード分析

次に、データベース内のGETs領域の文献にふくまれる特徴的なキーワードの年次推移を抽出し、近年注目されている技術要素を特定するアスタミューゼ独自の「未来推定」分析をおこないました。この分析では、キーワードの変遷をたどることで、今後注目を集めると推測される要素技術の流れを可視化できます。ここでは特許、論文、グラントを対象に分析します。

図4は特許におけるGETs領域のキーワード分析結果です。成長率（growth）は2016年以降（過去10年分）の文献中での単語の出現回数と、2021年以降（直近5年分）の文献中での出現回数の比です。1に近いほど直近に多く出現しており、近年注目されているキーワードであると見なせます。

件数では「learning」「prediction」といったような学習・予測に関する用語や、「topological」「topology」のような電力トポロジーに関する用語が、件数、成長率ともに伸びています。他に、電力系統の電圧を安定させる装置であるSTATCOM（静止型無効電力補償装置）関連の「statcom-based」や「lcc-hvdc」「svg」といった高電圧コンバータや電力補償機器に関するキーワードが伸びている点が特徴です。

図5は、論文での分析結果です。

論文でも、特許と同様に「data-driven」のようなデータ駆動型の技術や「dnr」「topological」といった電力トポロジーに関する用語、「learning」「prediction」といった学習・予測関連の用語が多く見られます。一方、特許とは異なり「DDNR（Dynamic Distribution Network Reconfiguration：動的配電網再構成）」のようなトポロジー再構成に関する用語や、DLRや変換器に関する用語が特許よりも多く見られます。

図6は、グラントの分析結果です。

グラントは全体の件数が少ないため、現状では特徴的なキーワードが十分には現れていません。その中でも、動的線路定格に関するキーワードが増加していることがうかがえます。

以上の分析から、今後伸びていくことが予測されるGETs関連技術をまとめたものが図7です。

動的線路定格（DLR）では、AI活用予測技術、再エネ出力の受け入れ・統合技術、次世代センシング技術が伸びています。

電力フロー制御では、再生可能エネルギーや分散電源下での電圧制御、モジュール式の次世代変換器をもちいた高電圧送電やフレキシブル相互接続といった要素があげられます。

トポロジー最適化では、AIによる動的経路構成、データ駆動型のトポロジー構成識別、次世代電力制御装置を組み合わせたトポロジー再構成技術などがあげられます。

さらに、これらの技術を支える基盤として、系統監視や電力品質評価に関連する技術用語も伸びています。

とくに、近年のAIの急成長にともない、AIを活用した予測・制御技術が複数出現していることが特徴です。特許では再生可能エネルギー統合に関する技術が伸びている一方、論文ではAIによる予測・制御やトポロジー再構成に関する研究が活発化しています。こうした分析結果から、直近では再生可能エネルギー統合、中長期ではAIによる高度な予測・制御能力やモジュール式の次世代変換器の活用が、GETs関連技術の重要な開発テーマになると考えられます。

最後に、上記の3分類に対応する注目技術に関連する事例を紹介します。

• 事例1：動的線路定格（DLR）
  • AI/ML型予測技術
  • タイトル：Enhanced Dynamic Line Rating Forecasting Under Cyber-Attacks via Incremental Learning Frameworks（逐次学習フレームワークをもちいたサイバー攻撃下における高度化されたDLR予測）
  • 研究機関：Qatar University（カタール）、Texas Tech University（米国）、West Virginia University（米国）、Arizona State University（米国）、Tranfinity AI（米国）
  • 出版年：2025年
  • doi：10.1109/tpec63981.2025.10907165
  • 概要：送電線の動的容量をAIの逐次学習（インクリメンタルラーニング）でリアルタイム予測する技術。サイバー攻撃を受けた状況でも高精度な予測を維持でき、従来のLSTM（Long Short-Term Memory：長・短期記憶）等の手法より頑健性・実用性にすぐれる

• 事例2：動的線路定格（DLR）
  • 再エネ出力の受入・統合技術
  • タイトル：Dynamic line rating-based routing of overhead transmission lines for wind energy integration（風力エネルギー統合のための架空送電線の動的定格に基づくルーティング）
  • 研究機関：Universidad de Cantabria（スペイン）
  • 出版年：2025年
  • doi：10.1016/j.rineng.2025.107277
  • 概要：風力発電の集中地域における送電線の新規ルート設計に、微視的風況シミュレーションとDLRを組み込む手法。冷却効果の高いルートを選定し送電容量を高め、風力の大量導入と混雑緩和を両立

• 事例3：動的線路定格（DLR）
  • センシング技術
  • タイトル：Enhancing the Dependability of Dynamic Line Rating tools by AI Enabled Synchrophasor-based Virtual Sensors（AIを活用したシンクロフェーザベースの仮想センサによる動的送電線評価ツールの信頼性向上）
  • 研究機関：University of Sannio（イタリア）、Terna Rete Italia S.p.A（イタリア）
  • 出版年：2025年
  • doi：10.1109/isgteurope64741.2025.11305575
  • 概要：DLR算定に不可欠な導体温度センサが故障・通信断を起こした際、同期フェーザ測定とAIを組み合わせて温度を仮想的に推定する「デジタルツイン」技術。実センサを増設せずに測定の信頼性を補完し、系統運用の安定性を高める

• 事例4：電力フロー制御
  • 再エネ・DER（Distributed Energy Resources：分散型電源）統合下でのFACTS（Flexible AC Transmission System：フレキシブルAC伝送システム）活用
  • 公報番号：CN117648812A
  • 出願年：2023年
  • 出願人：Yunnan Electric Power Test and Research Institute Group Co Ltd（中国）
  • タイトル：New energy power station STATCOM electromechanical transient modeling method based on field measured data（現場測定データに基づく新エネルギー発電所向けSTATCOM電気機械過渡現象モデリング手法）
  • 特許概要：再エネ発電所に導入するSTATCOM（無効電力補償装置）の実測データに基づき電磁機械過渡モデルを構築し、電圧急変時の挙動を精密に再現する技術。潮流制御そのものではなく、系統連系前の検証・計画を支える周辺技術という位置づけ

• 事例5：電力フロー制御
  • MMC（Modular Multilevel Converter：モジュラー・マルチレベル変換器）ベースの多端子HVDC（High Voltage Direct Current：高圧直流送電）送電・柔軟相互接続技術
  • タイトル：Enabling Medium Voltage MTDC Systems Through Parallel HVDC Tapping Using MMC Converters with Medium-Frequency（中周波のMMCコンバータを用いた並列HVDCタップによる中電圧MTDCシステムの実現）
  • 研究機関：North Carolina State University（米国）、King Saud University（サウジアラビア）
  • 出版年：2025年
  • doi：10.1109/ecce58356.2025.11260262
  • 概要：長距離HVDC送電線とMVMTDC（medium-voltage multi-terminal DC：中電圧多端子直流）網を接続するMMCベースの並列タッピング方式。双方向潮流・絶縁・電圧変換を実現し、再エネ出力変動時も安定運用でき、直流グリッドの柔軟な相互接続に貢献

• 事例6：トポロジー最適化
  • AI（深層強化学習）によるリアルタイム動的再構成
  • タイトル：Scaling Machine Learning Methods for Topology Control Congestion Management（トポロジー制御および輻輳管理のための機械学習手法のスケーリング）
  • 機関・企業：NEW MEXICO STATE UNIVERSITY
  • 採択年：2023年
  • 資金調達額：20万米ドル
  • 概要：インバータベースの電源大量導入下の配電網運用課題に対し、深層強化学習とグラフニューラルネットワークを組み合わせ、任意のネットワークトポロジーに適応可能なリアルタイム動的再構成フレームワークを開発する研究

• 事例7：トポロジー最適化
  • データ駆動型トポロジー識別技術
  • 公報番号：CN117648812A
  • 出願年：2025年
  • 出願人：Hubei Fangyuan Dongli Electric Power Science Research Co.Ltd.（中国）、State Grid Hubei Electric Power Co.Ltd.（中国）、Electric Power Research Institute of State Grid Hubei Electric Power Co.Ltd.（中国）
  • タイトル：Power distribution network topology identification method considering intelligent ammeter and mu PMU measurement（インテリジェント電流計とμPMU測定を考慮した配電ネットワークトポロジー識別方法）
  • 特許概要：スマートメーターとμPMU（Phasor Measurement Unit：フェーザ計測ユニット）のデータから配電網の接続構成（トポロジー）をAIで自動推定する技術。センサ設置が少なくても、ノイズや欠測に強く高精度に系統構成を把握でき、監視・制御の高度化に活用できる

• 事例8：トポロジー最適化
  • SOP融合型動的再構成技術
  • タイトル：A novel dynamic reconfiguration approach for active distribution networks with soft open points and energy storage systems（ソフトオープンポイントおよびエネルギー貯蔵システムを備えたアクティブ配電網のための新たな動的再構成手法）
  • 研究機関：Fujian Chuanzheng Communications College（中国）、Fuzhou University（中国）
  • 出版年：2025年
  • doi：10.1016/j.egyr.2025.01.011
  • 概要：SOP（ソフトオープンポイント）と蓄電池を組み合わせた配電網の動的トポロジー再構成をAIで高速最適化する技術。再エネ変動下でも電力損失や電圧偏差を大幅削減し、従来手法比で計算時間も21倍以上短縮

GETs関連技術の動向分析まとめ

GETs関連技術では、電力フロー制御とトポロジー最適化に関する特許出願がこの10年間で増加する一方、DLRは他の2分野に比べて商用化が進み、技術成熟度が比較的高いと考えられます。グラント投資についても分野別では同様の傾向が見られますが、国別ではEUや英国が2016年から2020年にかけて集中投資した後、失速する一方、日本では2021年以降に大きな投資が続くなど、投資時期に差が見られます。

特許、論文、グラントのキーワード分析からは、AIによる学習・予測に関する技術用語、送配電網のトポロジー構成・再構成に関する用語、高電圧変換器や電力補償機器に関する用語が、件数・成長率ともに伸びていることが確認されました。

実際に企業での取り組みも進んでいます。動的線路定格（DLR）では、Heimdall Power社（ノルウェー）がAIセンサ「Neuron」による動的線路定格を米国・ドイツで実証し、25%の容量引き上げに成功しています。

電力フロー制御では、日立エナジーがSP Energy Networks（英国）向けに、STATCOMおよび独自の制御・保護システム（MACH）を組み合わせたソリューションを提供し、再生可能エネルギー発電所からの潮流を最大280MW追加で受け入れ可能にしました。

トポロジー最適化では、米国の電力会社グループSouthern Companyが460万台超のスマートメーター（AMI）データをAIで解析し、「顧客・メーター・変圧器・フィーダー間の接続関係」を維持・推定する基盤マッピング技術を運用しています。さらに、GIS（Geographic Information Systems：地理情報システム）データと組み合わせ、変電所・フィーダー単位まで系統構成をさかのぼって可視化する機能を展開しています。

また、トポロジー最適化に関わる系統運用制度では、米国の送電系統運用者MISO（中西部独立系統運用者）が2023年6月に業界初の正式な再構成プロセスを確立し、本格採用が進んでいます。SPP（南西地域電力プール）も2026年8月19日にFERC（米連邦エネルギー規制委員会）から同種制度の承認を得るなど、複数の主要送電系統運用者への採用が広がっています。

このように、動的線路定格（DLR）、電力フロー制御、トポロジー最適化の各分野で、具体的な商用化や実証が進みつつあります。GETsは、巨額の費用と長い時間を要する系統増強を待つことなく、既存の送電網を有効活用するための現実的な手段です。今後、AIを活用した高度な予測・制御や再生可能エネルギーとの統合が進み、実用化がさらに広がると見込まれることから、早期に動向を把握する価値が高い領域といえます。

著者：アスタミューゼ株式会社 田澤 俊介 博士（工学）

さらなる分析は……

アスタミューゼでは「系統混雑緩和技術（GETs）」に関する技術に限らず、様々な先端技術/先進領域における分析を日々おこない、さまざまな企業や投資家にご提供しております。

本レポートでは分析結果の一部を公表しました。分析にもちいるデータソースとしては、最新の政府動向から先端的な研究動向を掴むための各国の研究開発グラントデータをはじめ、最新のビジネスモデルを把握するためのスタートアップ/ベンチャーデータ、そういった最新トレンドを裏付けるための特許/論文データなどがあります。

それら分析結果にもとづき、さまざまな時間軸とプレイヤーの視点から俯瞰的・複合的に組合せて深掘った分析をすることで、R&D戦略、M&A戦略、事業戦略を構築するために必要な、精度の高い中長期の将来予測や、それが自社にもたらす機会と脅威をバックキャストで把握する事が可能です。

また、各領域/テーマ単位で、技術単位や課題/価値単位の分析だけではなく、企業レベルでのプレイヤー分析、さらに具体的かつ現場で活用しやすいアウトプットとしてイノベータとしてのキーパーソン/Key Opinion Leader（KOL）をグローバルで分析・探索することも可能です。ご興味、関心を持っていただいたかたは、お問い合わせ下さい。