米国の電力系統は最大の試練に失敗した——誰にも気づかれないまま

昨年の秋、バージニア州のあるエネルギー企業幹部と電話で話していたとき、彼が口にした一言に私は凍りついた。

「当社は、物理的に供給できる量を超える電力をデータセンターから要求されています。来る10年の話ではありません。今この瞬間の話です。そして遅れるひと月ごとに、また一つ石炭火力発電所が廃止を申請していくのです」

彼は取り乱していたわけではない——業界歴30年のベテランだ。しかし、その声には、あれほどの立場の人物から今まで聞いたことのない響きがあった。諦念である。何度も数字を計算し直した末に、もはや計算が成り立たないと悟った者の声だった。

あの会話をきっかけに、私はこの問いの深みにはまり込み、Veriprajnaのチームは何か月もそれに費やすことになった。判明した事実は、私の予想よりも悪かった。米国最大の系統運用者——13州にまたがる6,500万人に電力を供給するPJM Interconnection——が、その歴史上初めて、十分な電力を調達できなかったのだ。不足分は6,623メガワット。これは、存在すらしていない原子炉6基分の出力にほぼ相当する。一方テキサス州では、系統運用者ERCOTが233GWもの系統連系申請に溺れかけている——州全体のピーク需要のおよそ3倍にあたる量であり、その大半を接続する現実的な道筋はない。

これらは2050年という日付の入った気候レポートに書かれた仮想シナリオではない。PJMの供給不足は2027年6月に到来する。18か月後の話だ。

アメリカ最大の系統が供給不足に陥ったとき、何が起きるのか？

PJMの2025年12月の容量オークション結果を、平たく説明しよう。PJMは毎年、需要がピークを迎えたときに供給できることを保証するため、発電事業者が入札するオークションを実施している。いわば系統の保険契約だ。今年のオークションでは134,479MWの容量が約定した——だが、停電を防ぐために定められた信頼度基準を維持するのに必要な量には6,623MW足りなかった。

予備率は14.8%まで低下した。目標は20%である。そして容量価格は、地域全体で規制上限である1メガワット・日あたり333.44ドルに達した——本来は消費者を保護するために設計された価格上限が、いまや目隠しとして機能し、事態が実際にどれほど切迫しているかを覆い隠している。

13州にまたがる地域全体で価格上限に張り付いているとき、それはもはや市場のシグナルではない。市場の悲鳴だ。

この問題の報道について私が我慢ならないのは、単純なことだ。ほとんどの記事は「石炭火力が廃止され、再生可能エネルギーの導入がそれに追いついていない」という枠組みで語る。技術的には正しいが、著しく不完全である。本当の物語は、従来型の計画をいくら積み重ねても間に合わないほど深刻な、需給のミスマッチにある。

2011年から2023年にかけて、PJMは廃止によって54.2GWの火力容量を失った。さらに24〜58GW——設備容量の最大30%——が2030年までに廃止されるリスクを抱えている。そして、系統計画に携わるすべての人を夜も眠らせないはずの数字がこれだ。廃止される石炭火力またはガス火力の発電容量1MWを置き換えるには、およそ太陽光5.2MWまたは陸上風力14MWが必要になる——同等の信頼度を維持しようとすればだ。間欠性のギャップは脚注などではない。それこそが本質そのものである。

なぜERCOTの系統連系待ち行列は233GWにも膨れ上がったのか？

PJMの危機が供給の消失にあるとすれば、テキサスはその逆の問題を抱えている——誰もが想定していたよりはるかに速く需要が現れてしまったのだ。

ERCOTの大口需要向け系統連系待ち行列は、2025年後半までに233GWに達した。これは269%の増加——2024年末と比べての数字だ。規模感を示そう。ERCOTの総ピーク需要は約85GWである。待ち行列は系統全体のおよそ3倍にあたる。

これらの申請の77%をデータセンターが占めている。

その数字を初めて見たとき、私は投機的な申請で水増しされているのだろうと考えた——どの候補地が先に承認されるかを見るために、企業が複数の場所で申請を出しているのだと。その推測は正しかったが、部分的にしか当たっていなかった。業界ではこれを「ファントム負荷」と呼び、実際に問題となっている。ハイパースケーラーは数十か所のサイトにまたがって申請を提出し、着工されることのないかもしれない案件で系統連系検討のプロセスを詰まらせている。ERCOTは最近、信憑性のある申請と投機的な申請を仕分けるためにMcKinseyを起用した。それだけ内部チームが手一杯だということだ。

しかし、ファントムを除外したあとでも、その根底にある需要は圧倒的だ。では供給側はどうか。ERCOTは2025年に23GWの新規電源を系統に同期させた——その大半は太陽光と蓄電池である。発電側の待ち行列は太陽光158GWと蓄電池175GWが支配的で、天然ガスはわずか47GWにすぎない。テキサス州議会は上院法案6号（Senate Bill 6）を可決し、新規ガス火力を促進するために90億ドルの基金を創設したが、提案されたガス案件のおよそ35%はすでに撤回されており、その理由として世界的なタービン不足と許認可の遅延が挙げられている。

この需給の衝突については、私たちの研究のインタラクティブ版でより詳しく述べている。だが要点は身も蓋もない。系統は、AI革命が求める速度で物理的に拡大することはできないのだ。

「もっと造ればいい」を私が信じられなくなった夜

ある晩のことだ——私とチームはPJMの廃止クリフのモデリングに没頭していた——エンジニアの一人が画面にある予測を表示すると、部屋が静まり返った。

彼女はPJM内のすべての火力発電所の廃止リスクを、新規電源が運転を開始するタイムラインと重ね合わせていた。2本の線は2027年に交差していた。2030年ではない。2035年でもない。ギャップは18か月後に開き、その後は年を追うごとに広がっていった。

誰かがこう言った。「つまり、1年半で約7GWの調整可能電源を建設しなければならないということですね」

私は笑った。面白かったからではない。PJM管内でガス火力発電所の許認可を取得して建設するには、平均して4〜7年かかるからだ。新設の送電線となれば、平均はさらに長い。

あの瞬間、私の中でテーゼが結晶化した。私たちは、この事態から抜け出せるほど速くは建設できない。系統は、すでに持っているインフラで劇的に賢くならなければならない。そして、ほとんどのエネルギー企業が導入している類の「AI」——チャットボット、単純な回帰モデル、ダッシュボード分析——は、この問題に対して笑ってしまうほど力不足なのだ。

系統に必要なのは、もう一つのダッシュボードではない。考えることだ。

系統にとって「ディープAI」とは実際に何を意味するのか？

ここでは具体的に述べる必要がある。「エネルギー向けAI」という言葉は、あらゆる意味を持ちながら何の意味も持たない類のフレーズになってしまったからだ。私がディープAIと言うとき、それはSCADAシステム（監視制御・データ収集——系統運用を監視・管理する産業用制御システム）を大規模言語モデルで包んでイノベーションと呼ぶこととは、まったく別のものを指している。

電力系統は同期した力学系である。キルヒホッフの法則（回路における電流と電圧の振る舞いを支配する基本法則）に従う。発電機は動揺方程式を通じて結合している。電圧、周波数、潮流は、あなたの学習データなど意に介さない物理法則に支配されている。この物理を無視するAIシステムは、良く見積もってもおもちゃにすぎない。

Veriprajnaでは、系統の物理的現実を尊重する3つのクラスのモデルを扱っている。

第一のクラスは物理情報ニューラルネットワーク——PINN——だ。発電機の挙動を支配する実際の微分方程式を、モデルの損失関数に直接埋め込む。過去データからパターンを学習するだけでなく、物理法則に違反するとネットワークがペナルティを受ける仕組みである。その結果、過渡安定度解析は87倍高速に実行できる——従来の数値ソルバーと比べてだ。連鎖故障の可能性を前にした系統運用者にとって、これは停電を予測できるか、停電を身をもって経験するかの違いを意味する。

次にグラフニューラルネットワークがある。これは系統を、実際にそうであるもの——変電所をノード、送電線をエッジとするグラフ——として扱う。従来の機械学習はこの構造をデータテーブルへ平坦化してしまい、最も重要な空間的関係を失ってしまう。GNNは、ある変電所での電圧低下がネットワークのトポロジーをどのように伝播するかを、ミリ秒単位で予測できる。私たちの多層GNNアーキテクチャは、30日以内に故障するリスクのある変電所を特定する際に、F1スコア（適合率と再現率のバランスをとった予測精度の指標）0.89を達成している。

第三のクラス——そしてリアルタイム運用において私が最も有望だと考えているもの——は、系統制御を制約付き最適化問題として扱い、給電指令の意思決定を行う強化学習エージェントだ。電圧制限、熱容量定格、周波数の許容範囲といった厳格な物理的制約を満たしつつ、信頼度を最大化しコストを最小化する方策を学習する。

これはどれも理論上の話ではない。私たちは実際にこれらのシステムを構築してきた。そして、それらにできることと、大半の電力事業者が現在使っているものとの間の隔たりは、途方もなく大きい。

発電所を1基も建てずに6.6GWをどう見つけ出すのか？

これこそ、私たちが取り憑かれた問いだ。そしてその答えは、エネルギー分野で最も過小評価されている技術の一つから始まる。動的送電容量定格（Dynamic Line Rating、DLR）である。

米国のあらゆる送電線には「静的」定格がある——気温と風速について最悪のケースを想定した、送電を許される最大電力だ。これらの前提は意図的に保守的に設定されている。ほとんどの日において、送電線の実際の熱的容量は静的定格が許す値より20〜40%高い。

動的送電容量定格は、リアルタイムの気象データとIoTセンサーを用いて、今この瞬間に送電線が実際に扱える量を計算する——世紀に一度の最悪の日に扱える量ではない。私たちはコンピュータビジョンとLiDAR（光検出・測距——レーザーを用いたリモートセンシング技術）のデータを統合し、電線のたるみと温度を継続的に監視している。

結果は漸進的なものではない。インディアナ州とオハイオ州では、AESがこれらの技術を導入し、送電容量を345kV送電線で61%増加させた——そのコストは39万ドルで、従来の電線張り替え（リコンダクタリング）の163万ドルに対する数字だ。コストは76%削減、導入期間は80%短縮された。

これをPJMの13州にまたがる管内全体に掛け合わせてみてほしい。DLRだけで6.6GWのギャップ全体を埋められるわけではないが、基礎を一つも打たずにそのギャップを大きく削り取ることはできる。

最も安価なメガワットとは、すでに自社の電線を流れているのに、あることに気づいていなかったメガワットである。

誰も問うていない1,630億ドルの問い

ここから先、経済性は本気で憂慮すべき水準になる。天然資源防衛協議会（NRDC）の分析によれば、PJM地域におけるデータセンターの成長は、1,630億ドルの累積的な容量コストを2028年から2033年にかけて生み出す可能性がある。イリノイ州北部だけでも——ComEdの管内——予測される影響は214億ドルにのぼり、これは平均的な世帯にとって月あたり約70ドルの追加負担に相当する。

言い方を変えよう。経済を変革するはずのAIブームが、あなたの電気料金を年間840ドル引き上げる可能性がある。しかもそれは、たった一つの電力管内での話だ。

こうした数字をテクノロジー企業の幹部に示すと、彼らの表情が変わるのが分かる。サーバーのコスト、ネットワークのコスト、人材のコストなら理解している。だが彼らのほとんどは、自社のAIモデルを動かすための電力が劇的に高騰しようとしていること——そして手に入らなくなる可能性さえあること——を腹に落としていない。自社のデータセンターに電力を供給する系統が、構造的に容量不足だからである。

これは市場の力だけで解決する類の問題ではない。PJMのオークションが地域全体で価格上限に達したとき、市場は壊れていると告げているのだ。新規投資を呼び込むはずの価格シグナルが人為的に抑制されている。だから投資は来ない。だから供給不足は続く。

AIは本当に233GWの系統連系申請を選別できるのか？

私が最も心を躍らせているプロジェクトの一つが、この系統連系待ち行列の問題のために構築してきたものだ。FERC（連邦エネルギー規制委員会）のオーダー2023は、送電事業者に対して利用可能な容量の公開「ヒートマップ」の維持を義務づけているが、実際の評価プロセス——特定の案件が特定の地点で系統を不安定化させずに接続できるかどうかの判定——は、依然として恐ろしく手作業のままである。

私たちが導入しているのは、私ならエージェンティックAIによる系統連系スクリーニングと呼ぶものだ。これらはチャットボットではない。系統連系の申請を取り込み、NERC（北米電力信頼度協議会——系統の信頼度基準を定める機関）およびFERCの基準に照らして確認し、私たちのGNNモデルを用いてトポロジー上の実現可能性を分析し、案件の商業的・物理的な準備状況に基づいて完了可能性スコアを付与できる、自律的な推論システムである。

目標は、ERCOTを——そしてゆくゆくは他の系統運用者も——「先着順（first-come, first-served）」の待ち行列から「準備が整った順（first-ready, first-served）」のモデルへ移行させることだ。233GWの申請に対して実際の新規電源が23GWしかないとき、どの案件が本物でどれが投機的かを見極める能力は、あれば嬉しい機能ではない。存亡に関わるものだ。

私たちのアーキテクチャの完全な技術的解説——PINNの定式化、GNNのトポロジー、RL制御フレームワークを含む——については、私たちの研究論文をご覧いただきたい。

「だが、AIに系統を任せて大丈夫なのか？」

これは絶えず耳にする。たいていは、企業向けAIのデモを十分に見てきて懐疑的になった人たちからだ。そして正直なところ、彼らは懐疑的であるべきだ。電力系統は重要インフラである。チャットボットの誤った推奨は、誰かの午後を無駄にするだけだ。系統制御システムの誤った推奨は、病院を停電させる。

だからこそ私たちは、運用環境でブラックボックスのモデルを導入することを拒んでいる。私たちのGNNが下すすべての予測には、グラフに基づく説明が付随する——リスク評価に寄与している具体的な送電線と変電所を明示するので、人間のオペレーターは行動を起こす前にその推論を検証できる。私たちはこれを安定度を意識した推論（stability-aware inference）と呼んでいる。AIが提案し、物理が制約を課し、人間が決定する。

チームはこの点について何週間も議論した。エンジニアの何人かは、より自律的な制御を推し進めたがっていた——RLエージェントは、実際のところ、大半の手作業のプロセスよりもリアルタイムの給電指令が得意なのだ。しかし私は同じ原則に何度も立ち返った。安全性が決定的に重要なシステムにおいて、説明可能性は機能ではない。前提条件である。

私たちはIT/OTの境界（情報技術システムと、物理的な機器を制御する運用技術との間の区分）についても慎重に扱ってきた。私たちのアーキテクチャは、既存の分散制御システムに接続しつつ、実証済みの安全性が決定的に重要な制御構造には手を加えない。AIのレイヤーは制御レイヤーの上に載るのではなく、その隣に並ぶ。

廃止クリフは予測可能だ——正しいモデルを使えば

もう一つ、私が夜も眠れなくなることがある。PJMの6.6GWの供給不足は、適切な予測ツールがあれば驚くようなことではない。私たちは、積層LSTM（長短期記憶——系列データ向けのニューラルネットワークの一種）ネットワークと勾配ブースティングを用いた廃止予測モデルを構築し、発電所単位の経済性——CO2排出量、燃料価格、地域市場における再生可能エネルギーの浸透率、保守コスト、規制上のエクスポージャー——を分析している。

私たちのモデルは、発電所の廃止時期を平均絶対パーセント誤差1.07%で予測する。この水準の精度があれば、系統運用者は信頼度のギャップが開く前に、2〜3年の警告期間を得て介入できる——的を絞った容量インセンティブ、バックストップ調達、あるいは代替電源の系統連系の前倒しといった手段によって。

PJMが2025年に供給不足に陥ったのは、廃止クリフが予測不可能だったからではない。それを予測するために使われていたツールが不十分だったからだ。

こう反論されることがある。「それは単に予測精度が上がっただけではないのか？　どこが『ディープ』なのか？」——深さは、モデルが何を理解しているかにある。標準的な回帰モデルは、石炭火力発電所の運転年数と燃料コストを見る。私たちのモデルは、その発電所の送電トポロジー上の位置、価格ゾーンにおける再生可能エネルギーの飽和度、その州の政治環境、そして廃止が接続されたすべての変電所に及ぼす連鎖的な信頼度への影響を見る。それはスプレッドシートではない。系統の経済的物理法則のデジタルツインである。

ここから先はどこへ向かうのか

PJMの供給不足やERCOTの待ち行列危機が、この種の最後の事例になるとは思わない。むしろ最初の事例だと考えている。北米のあらゆる主要な系統運用者は、火力電源の廃止、AIが牽引する爆発的な需要、そしてインフラを建設できる速度の物理的限界——この三つの衝突の、何らかのかたちに直面することになる。

これを首尾よく乗り切る電力事業者は、最も多く建設した企業ではないだろう。最も巧みにオーケストレーションした企業だ——DLRによって既存の送電線から利用可能なメガワットを一滴残らず絞り出し、廃止が緊急事態を生む前に予測し、エンジニアの人海戦術ではなくAIで系統連系待ち行列を選別し、リアルタイムの安定度解析を何時間もかけずにミリ秒で実行する企業である。

PJMの6,623MWのギャップは、オークション報告書に載った単なる数字ではない。それは、私たちが持っている系統と、私たちが必要とする系統との間の距離だ。そしてその距離は、毎月広がり続けている。

電力系統は、人類がこれまでに造り上げた最も複雑な機械である。私たちはその機械に、人類がこれまでに造り上げた最も複雑なソフトウェアを動かせと求めている。どこかが折れるしかない——そしてそれは、明かりであってはならない。

私たちはそのギャップを埋められる。AIを魔法の杖だと思い込むことによってではなく、物理を尊重し、トポロジーを理解し、明かりを灯し続けるオペレーターたちの信頼を勝ち得るAIシステムを構築することによってだ。それが私たちの仕事である。そして系統には、誰かがゆっくり答えを見つけ出すのを待っている時間はない。