電力の需給予測にAIを入れたい、という相談が増えている。ベンダーの提案書には「時系列基盤モデル」という言葉が並ぶ。学習不要、そのまま使える、汎用性が高い——そう書かれている。今回取り上げる論文は、その主張を米国最大級の電力市場の実データで検証し、そのままでは使えないと結論づけた。ただし話はそこで終わらない。同じ論文が、微調整すれば従来手法の5分の1のデータで上回ることも同時に示している。買い方を間違えなければ、効果は大きい。
1. なぜ今、この研究なのか
理由1：ベンダー提案の「ゼロショットで使えます」を、実データで検証している。 時系列基盤モデルの売り文句は「学習させずに使える」だ。本論文はそれを電力需要・太陽光・風力の3タスクで測り、運用に耐える精度ではないと明示した。提案書を評価する側の武器になる。
理由2：比較対象が10モデルと広い。 基盤モデル5種（TimesFM、Chronos-Bolt、Moirai-L、MOMENT、Tiny Time Mixer）、Transformer系3種、従来型のLSTM・CNNを同一条件で並べている。ベンダーが持ってきた1製品の良し悪しではなく、選択肢全体の地図が手に入る。
理由3：評価軸が8つあり、そのうち半分が「導入時に必ず揉める論点」である。 学習データ量、予測地点を変えたときの劣化、確率予測の信頼性、参照する過去データの長さ。いずれも稟議と要件定義でそのまま争点になる項目だ。
この記事で持ち帰れる3つのこと
- 「学習不要」の売り文句を、数字で検証し返すための具体的な反証材料
- 自社データが少なくても導入できるかどうかの判断基準
- 電力予測AIの調達仕様書に、そのまま書き写せる評価項目
2. 論文を読む：10モデル・8観点の総当たり評価
2-1. 何を測ったのか
対象は米国テキサス州の電力系統ERCOT。ARPA-E PERFORMという高解像度データセットを使い、太陽光発電量・風力発電量・電力需要の3つを予測させた。評価は8観点——ゼロショット性能、微調整の効率、多変量入出力の扱い、予測期間の長さへの耐性、未知地点への一般化、確率予測、参照窓の長さの影響。
2-2. 結果1：ゼロショットは運用水準に届かない
学習なしで使った場合の誤差（nMAE、値が小さいほど良い）は次の通り。
| タスク | 最良（TimesFM） | 最劣（Tiny Time Mixer） |
|---|---|---|
| 太陽光 | 9.25% | 14.03% |
| 風力 | 8.73% | 12.14% |
| 電力需要 | 7.77% | 12.25% |
論文の表現を借りれば、そのままの基盤モデルは、電力系統予測において専門的な学習を省略できる段階にはない。需要予測で誤差8%は、需給調整の実務では使えない水準だ。
2-3. 結果2：ただし微調整すると景色が変わる
対象地点のデータで微調整した後、翌日予測の誤差は次のように改善した。
| タスク | TimesFM（微調整後） | LSTM（従来手法） |
|---|---|---|
| 太陽光 | 3.71% | 6.71% |
| 風力 | 3.84% | 6.85% |
| 電力需要 | 2.82% | 3.76% |
さらに重要なのは学習データ量との関係だ。論文は、基盤モデルは学習データの20%だけでも、LSTMが100%使ったときより低い誤差に到達する場合があると報告している。データが貯まっていない事業者ほど、この差は効く。
2-4. 結果3：地点を変えたときの崩れ方が決定的に違う
学習に使っていない地点へ適用した場合の翌日予測誤差は、太陽光でTimesFM 4.73%に対しLSTM 12.35%、風力でTimesFM 4.55%に対しLSTM 11.42%だった。従来手法は未知地点で実質的に破綻している。拠点を増やすたびに作り直す前提だった運用が、変わる可能性がある。
確率予測（CRPS、値が小さいほど良い）ではChronos-Boltが最良で、電力需要1.72%、風力2.02%、太陽光2.25%。従来の1次元CNNは2.86〜3.51%だった。「何%の確率でこの範囲に収まる」という形の出力が要る現場では、この差が意思決定の質に直結する。
2-5. 誠実な限界
本論文は査読付き会議・論文誌への採択情報が示されていないプレプリントである。当社では「最新研究」として扱う。加えて次の制約がある。
- 対象は米国ERCOTの単一データセットであり、日本の系統・気候・需要パターンでの再現性は未検証
- 微調整は対象地点の実データを前提としており、データが無い新設拠点には適用できない
- 気象データを入れた改善幅は0.3〜0.7ポイントと限定的で、気象予報そのものの精度に依存する
- 著者自身が、現時点の基盤モデルは「そのまま使える実用解ではない」と明記している
2-6. シリーズの地図
第6号『Chronos-2』では、時系列基盤モデルが製造業の需要予測を変えうる可能性を扱った。本号はその反証と補正にあたる。同じ技術系統を、電力という桁違いに厳しい精度要求の現場で測ると、無条件の万能性は成立しない。第2号『TS-Reasoner』が扱った設備側の時系列と合わせて読むと、時系列AIの実力範囲がかなり具体的に見えてくるはずだ。
3. 日本のビジネスに置き換えると何が起きるか
本章以降の適用シナリオは、論文が直接検証した範囲（米国ERCOTの発電・需要予測）を超えた、当社の応用解釈である。日本の系統・自家消費設備での成立は、実測による確認が必要になる。
| 論点 | 論文が示したこと | 当社の解釈（日本の現場に置くと） |
|---|---|---|
| ゼロショット | 誤差8〜14%で運用水準に届かない | 「学習不要」を謳う提案は、その場で保留にしてよい |
| データ効率 | 20%のデータで従来手法の100%を上回る場合がある | 計測を始めて1年未満の工場でも導入検討に入れる |
| 未知地点 | 従来手法は破綻、基盤モデルは軽微な劣化 | 多拠点展開のたびにモデルを作り直す前提が崩れる |
| 確率予測 | 基盤モデルが明確に優位 | デマンド超過リスクを確率で語れる＝調達交渉の材料になる |
| 気象データ | 改善幅は0.3〜0.7ポイント | 気象APIへの追加投資は、効果を測ってから判断する |
日本の製造業にとって直接効くのは、受電デマンド管理と電力調達である。高圧受電の契約電力は年間最大デマンドで決まるため、翌日のピークを外さないことが固定費に直結する。太陽光の自家消費や蓄電池を持つ工場では、発電量予測の精度がそのまま充放電計画の質になる。論文が示した「微調整前提なら効く」という条件は、自社の実測データが手元にある工場にとって好条件だ。
4. 導入シナリオ：PoC → 拡大 → 展開
フェーズ1：PoC（3ヶ月）
既存のデマンド計測データ1年分を使い、基盤モデル2種と現行手法を同一条件で比較する。評価指標は誤差だけでなく「ピーク時刻を何分ずらしたか」を必ず入れる。この段階ではクラウドGPUの時間貸しで足りる。
フェーズ2：拡大（6ヶ月）
対象を複数拠点へ広げ、確率予測の出力を蓄電池制御・デマンド警報と接続する。ここで必要なのはモデルではなく、予測が外れたときの運用手順の整備である。外れる前提の設計を怠ると、現場は数ヶ月で予測を見なくなる。
フェーズ3：展開（以降）
全拠点適用と四半期ごとの再学習を定常運用に載せる。設備更新や生産品目の変更があった月は、必ず再学習の対象にする運用ルールを保全・生産管理の業務手順へ組み込む。
5. 残っている課題3点
課題1：ゼロショット前提の提案を受け入れてしまう。 論文の数字が示す通り、無学習では運用水準に届かない。提案書に「学習不要」とある場合、自社データでの微調整前後の誤差を必ず提示させること。
課題2：平均誤差だけで評価してしまう。 電力運用で効くのは平均ではなくピーク時の外れ方である。年に数回の最大需要日を外せば、契約電力が上がって1年分の効果が消える。評価指標をピーク時に限定した形でも取ること。
課題3：気象予報の精度に依存していることを見落とす。 気象データによる改善幅は0.3〜0.7ポイントに留まる一方、予報が外れれば予測も外れる。気象由来の誤差と、モデル由来の誤差を切り分けて記録する仕組みを最初に入れておく。
6. 稟議で使えるキーワードと自己診断
キーワード1：データ効率。 「自社データが少ないから時期尚早」という反対意見に対し、20%のデータで従来手法を上回った実測例がある、と返せる。
キーワード2：確率予測。 点で当てるのではなく、幅と確率で示す。リスク管理部門と会話が成立する唯一の形式である。
キーワード3：横展開コスト。 拠点ごとにモデルを作り直す従来前提が崩れれば、多拠点企業ほど効果が大きい。台数効果として説明できる。
自己診断チェックリスト
- デマンド計測データが、何年分・何分間隔で残っているか把握しているか
- 過去3年の最大需要が発生した日時と、その原因を説明できるか
- 現行の需給予測は誰が、何を根拠に作っているか
- 予測が外れたときに誰が何をするかが、手順として決まっているか
- 自家発電・蓄電池・自家消費太陽光のいずれかを持っているか
- 契約電力を1kW下げたときの年間効果額を即答できるか
上記の自己診断と稟議キーワードは、社内で最初の一歩を決めるための叩き台にしてほしい。
7. まとめ
キーメッセージ1：「学習不要」は現時点では成立しない。 誤差8〜14%という実測値が出ている以上、ゼロショット前提の提案は要件定義の段階で退けてよい。
キーメッセージ2：少ないデータで立ち上がることこそ、基盤モデルの本当の価値である。 万能性ではなくデータ効率。売り文句と実力がずれている典型例だ。
キーメッセージ3：電力予測の評価は、平均誤差ではなくピーク時の外れ方で行う。 契約電力という固定費に直結する以上、評価指標の設計が投資効果そのものを決める。
一次ソース
- Muhy Eddin Za’ter, Bri-Mathias Hodge. “Empirical Assessment of Time-Series Foundation Models For Power System Forecasting Applications.” arXiv:2604.22077v1, 2026年4月23日投稿
- 評価対象系統：ERCOT（米国テキサス州）／データセット：ARPA-E PERFORM
- 比較モデル：TimesFM、Chronos-Bolt、Moirai-L、MOMENT、Tiny Time Mixer、Temporal Fusion Transformer、PatchTST、TimeXer、LSTM、CNN
- 掲載状況：査読付き会議・論文誌への採択情報は公開されていない
次号予告
第14号は、鉄道を取り上げる。ポルトガルの地下鉄事業者の実運用データを使い、査読誌に採択された予知保全の研究を扱う。「AIがなぜそう判断したか」を現場に説明する仕組みが、実データでどこまで成立しているかを見る。
