オープンエネルギーシステムモデル

ここに挙げたオープンなエネルギーモデリングプロジェクトはすべて、ボトムアップ型のパラダイムに属しており、モデルは基礎となるシステムを比較的忠実に表現したものである。

オープンモデルとオープンデータの開発を促進する要因の一つとして、公共政策モデルの透明性に対する関心の高まり、政策立案者や一般市民によるそれらの受容の向上などが挙げられます。^{[ 2 ]}また、オープンデータとオープンソフトウェア開発の利点を活用したいという要望もあります。それは、作業の重複の削減、アイデアや情報のより良い共有、品質の向上、より幅広い参加です。^{[ 3 ]}そのため、モデル開発は通常チームで行われ、学術プロジェクト、商業ベンチャー、または真に包括的なコミュニティイニシアチブのいずれかとして構成されます。

本稿では、ソースコードやスプレッドシートを公開するだけで、公認のフリーかつオープンソースのソフトウェアライセンスを付記していないプロジェクトは対象としない。ライセンス契約がないと、潜在的な利用者は所有者が将来どのような制限を設ける可能性があるのか​​を知ることができないという法的不確実性が生じる。^{[ 4 ]： 1}

2017年の論文では、オープンデータとオープンモデルの利点を列挙し、多くのプロジェクトが依然として非公開のままである理由について論じている。^{[ 5 ]： 211-213}この論文では、よりオープンなアプローチへの移行を希望するプロジェクトに対して、いくつかの推奨事項を提示している。^{[ 5 ]： 214}著者らは、オープン性という点において、エネルギー研究は物理学、バイオテクノロジー、医学に比べて遅れていると結論付けている。^{[ 5 ]： 213-214}

オープンエネルギーシステムモデリングは2010年代に成熟期を迎えた。このテーマに関する2011年の論文では、OSeMOSYSとTEMOAの2つのプロジェクトのみが引用されている。^{[ 6 ]： 5861} Balmorelも当時活発に活動しており、2001年に公開された。^{[ b ]} 2022年7月現在 31件 のそのような取り組みがここにリストされています（ほぼ同数の取り組みが追加待ちです）。Chang et  al  (2021) はモデリングのトレンドを調査し、54のフレームワークをレビューした後、オープンとクローズドの区分がほぼ均等であることを発見しました。ただし、この解釈はプロジェクトの数に基づいており、採用と使用に基づいているわけではありません。^{[ 7 ]}  2022年にドイツで行われたモデル比較演習では、40のモデリングプロジェクトのうち8つ（20%）がオープンソースであると報告されました。 [ ^{8 ]これら}のプロジェクトには、背後に活発なコミュニティもありました。^{[ 9 ]}

オープンエネルギーシステムモデルとオープンエネルギーデータの使用は、特に公共政策の策定を支援するために使用されるエネルギーシステムモデルの透明性、理解しやすさ、再現性を向上させるための試みの1つである。^{[ 2 ]}

2010年のエネルギー効率モデリングに関する論文では、「オープンなピアレビュープロセスは、モデル開発に不可欠なモデルの検証と妥当性確認を大きく支援できる」と主張している。^{[ 10 ]： 17 [ 11 ]}ピアレビュープロセスをさらに尊重するため、研究者らは2012年の論文で、第三者が特定のモデルを実行、検証、精査できるように、ソースコードとデータセットの両方を公開可能なバージョン管理下に置くことが不可欠であると主張している。 ^{[ 12 ]} 2016年の論文では、政府や産業界の意思決定者に影響を与えることを目的としたモデルベースのエネルギーシナリオ研究は、より理解しやすく、より透明性の高いものにならなければならないと主張している。この目的のために、同論文では、モデラーが満たすべき透明性基準のチェックリストを提供している。しかし、著者らは「オープンソースのアプローチは、政策提言のための研究の理解しやすさを自動的に促進するものではない、透明性の極端な例であると考えている」と述べている。^{[ 13 ]： 4}

2017年の1ページの意見記事では、政策分析に対する国民の信頼を築くためにオープンなエネルギーデータとモデリングを使用することの意義が主張されている。また、科学雑誌には査読のためにテキストとともにデータとコードを提出することを要求する責任があると主張している。^{[ 14 ]}また、2020年の学術的な解説では、分散開発はより多様な貢献者基盤を促進し、それによってモデルの品質を向上させると主張している。これはオンラインプラットフォームによってサポートされ、オープンデータとコードによって可能になるプロセスである。^{[ 15 ]} 

あらゆる分野における国家主導のオープンソースプロジェクトは、比較的新しい現象である。

2017年現在欧州委員会は現在、欧州の低炭素エネルギーシステムへの移行を支援するため、いくつかのオープンソースのエネルギーシステムモデリングプロジェクトを支援している。Dispa-SETプロジェクト（下記参照）は欧州の電力システムをモデル化しており、そのコードベースはGitHubで公開されている。欧州向けの新しいオープンソースのエネルギー経済モデルを設計・実装するMEDEASプロジェクトは、2016年2月にキックオフミーティングを開催した。^{[ 16 ]： 6 [ 17 ]} 2017年2月現在 このプロジェクトはまだソースコードを公開していません。確立された OSeMOSYS プロジェクト (下記) は、利害関係者への働きかけを支援するために欧州委員会の資金提供を受けて、ヨーロッパ向けのマルチセクターエネルギーモデルを開発しています。^{[ 18 ]}ただし、主力のJRC-EU-TIMESモデルはクローズドソースのままです。^{[ 19 ]}

米国NEMS国家モデルは利用可能だが、それでも使用が難しい。NEMSは、一般的に認められている意味でのオープンソースプロジェクトには分類されない。^{[ 14 ]}

欧州連合の科学研究資金プログラムであるHorizo​​n Europeの2021年の研究公募では、オープンソースのエネルギーシステムモデルが明確に求められていました。^{[ 20 ]}

2021年に実施された調査では、オープンなエネルギーシステムモデリングフレームワークが、供給、需要、貯蔵、セクター結合、ネットワーク応答に分類された柔軟性オプションをどの程度サポートしているかを調査した。調査対象となったフレームワークのうち、すべてのタイプをサポートしているものはなかったため、補完的なフレームワークをソフトに結合すれば、柔軟性のより包括的な評価が可能になることが示唆された。それでも、ほとんどの候補は完全な予測を選択し、確率的な行動や明示的な行動応答をネイティブに認めていない。^{[ 21 ]}

AMIRISは、再生可能エネルギーおよび統合エネルギーシステムの調査のためのオープンなエージェントベースの市場モデルです。 ^{[ 22 ]} AMIRISシミュレーションフレームワークは、 2008年にドイツ航空宇宙センター（DLR）によって最初に開発され、その後2021年にオープンソースプロジェクトとして公開されました。

AMIRISは、研究者が将来のエネルギー市場、その市場設計、およびエネルギー関連の政策手段に関する疑問に取り組むことを可能にします。 ^{[ 23 ]}特に、AMIRISは、存在するさまざまなエネルギー市場アクターの戦略と行動を考慮することにより、再生可能エネルギー源と柔軟性オプション の統合から生じる可能性のある市場効果を捉えることができます。たとえば、これらの行動は、支配的な政治的枠組みと外部の不確実性によって影響を受ける可能性があります。^{[ 24 ]} AMIRISはまた、エネルギー市場参加者の相互依存関係から生じる可能性のある複雑な効果を明らかにすることもできます。^{[ 25 ]}

組み込み型の市場清算アルゴリズムは、プロトタイプ化された市場参加者の入札に基づいて電力価格を算出します。これらの入札は、電力生産の限界費用だけでなく、参加者が利用できる限られた情報や関連する不確実性も反映している可能性があります。しかし、入札は、公的支援制度を悪用したり、市場支配力の機会を利用したりするための戦略的な試みである場合もあります。

AMIRISのアクターは、発電所オペレーター、トレーダー、市場オペレーター、政策提供者、需要エージェント、蓄電施設オペレーターの6つのクラスに大まかに分類できるエージェントとして表現されます。このモデルでは、発電所オペレーターはトレーダーに発電容量を提供しますが、市場に直接参加することはありません。代わりに、オペレーターに代わってマーケティングを行い、入札戦略を展開するトレーダーに供給します。マーケットプレイスは取引プラットフォームとして機能し、市場清算を計算します。政策提供者は規制の枠組みを定義し、それが他のエージェントの意思決定に影響を与える可能性があります。需要エージェントは電力市場で直接エネルギーを要求します。最後に、蓄電オペレーターなどの柔軟性提供者は、予測を使用して、予測利益の最大化などの特定の目標に一致する入札パターンを決定します。^{[ 26 ]}

AMIRISは、エネルギーシステムの分散型エージェントベースモデリングのためのオープンフレームワークFAMEに基づいています。^{[ 27 ] [ 28 ]}

AMIRISは、大規模なエージェントシステムを許容可能な時間枠でシミュレーションできます。例えば、1年間のシミュレーションを1時間単位の解像度で行う場合、最新のデスクトップコンピュータであればわずか1分で完了します。

ブレークスルー・エネルギー・モデルは、発電容量拡張アルゴリズムとヒューリスティックを備えた生産コストモデルであり、元々は米国の各州のクリーンエネルギー目標達成に必要な発電・送電容量拡張の必要性を検討するために設計されました。データ管理はPythonで行われ、DCOPF最適化問題はJuliaで作成されます。ブレークスルー・エネルギー・モデルは、ブレークスルー・エネルギー・サイエンス・チームによって開発されています。

このモデルの基盤となるオープンデータは、テキサスA&M大学の研究者によって開発された合成テストケースに基づいています。^{[ 29 ] [ 30 ] [ 31 ]}

ブレークスルー・エネルギー・モデルは当初、マクログリッドの構築を通じて2030年のクリーンエネルギー目標を達成するために必要な発電と送電の拡張を検討しました。^{[ 32 ]}現在進行中の作業では、多数のシナリオの組み合わせをテストするためのフレームワークを提供するために、モデルにモジュール（建物や輸送の電化など）を追加および拡張しています。米国以外の国や地域をモデル化するために、他のオープンソースデータセットの開発と統合が進められています。

このモデルはその後、 2021年のテキサス州電力危機に適用された。この危機では、冬の停電により数百人の死者と数十億ドルの経済損失が発生した。^{[ 33 ]： 1}

DIETERは、内生的再生可能エネルギーを含むディスパッチおよび投資評価ツールの略です。DIETERはディスパッチおよび投資モデルです。これは、再生可能エネルギー発電の割合が高い将来のグリーンフィールド環境における電力貯蔵およびその他の柔軟性オプションの役割を研究するために最初に使用されました。DIETERは、ドイツのベルリンにあるドイツ経済研究所（DIW）で開発されています。ドイツのコードベースとデータセットは、プロジェクトのWebサイトからダウンロードできます。基本モデルは、DIWワーキングペーパーとジャーナル記事で完全に説明されています。^{[ 34 ] [ 35 ]} DIETERはGAMSで記述されており、商用ソルバーCPLEXを使用して開発されました。

DIETERは、純粋な線形（整数変数なし）コスト最小化問題として定式化されています。初期定式化では、決定変数には、ドイツの卸売電力市場およびバランス調整電力市場における発電、蓄電、およびDSM容量への投資と運用が含まれます。後のモデル拡張では、車両と電力網の相互作用と太陽光発電のプロシューマー化が含まれます。^{[ 36 ] [ 37 ]}

DIETERを用いた最初の研究では、再生可能エネルギーの導入率が60%から100%までの場合の電力貯蔵要件を検証しています。ベースラインシナリオである80%（2050年のドイツ政府の目標の下限）では、グリッド貯蔵要件は中程度にとどまり、供給側と需要側の両方で他の選択肢が低コストで柔軟性を提供します。とはいえ、貯蔵は予備力の供給において重要な役割を果たします。再生可能エネルギーの割合が高くなるにつれて貯蔵の重要性は増しますが、他の柔軟性オプション、特にバイオマスの利用可能性のコストと利用可能性に大きく依存します。^{[ 38 ]}

オランダのペッテンにある欧州委員会の共同研究センター（JRC）で開発中のDispa-SETは、主にヨーロッパ向けのユニットコミットメントおよびディスパッチモデルです。Python （Pyomoを使用）とGAMSで記述されており、データ処理にはPythonを使用しています。有効なGAMSライセンスが必要です。このモデルは混合整数問題として定式化されており、JRCは独自のCPLEXソルバーを使用していますが、オープンソースライブラリも展開できます。バージョン2.0 ^{[ 39 ]}と2.1 ^{[ 40 ]}の技術説明が利用可能です。Dispa -SETは、試用データセットとともにGitHubでホストされており、サードパーティの貢献が奨励されています。コードベースはWindows、macOS、Linuxでテストされています。オンラインドキュメントが利用可能です。^{[ 41 ]}  

プロジェクト名のSETは、欧州戦略エネルギー技術計画（SETプラン）を指し、欧州を将来（2020年と2050年）のエネルギーと気候の目標を達成できるエネルギー技術のリーダーにすることを目指しています。さまざまな形態のエネルギーシステムモデリングは、この欧州委員会のイニシアチブの中心となっています。^{[ 42 ]}

モデル電力システムは、発電ユニットの経済的および技術的特性、各ノードの負荷、および大幅に簡略化された送電網を完全に把握している単一のオペレーターによって管理されます。需要は完全に非弾力的であるとみなされます。システムは、期間内および期間間のユニットコミットメント制約（後者は主に原子力発電と火力発電を対象とする）の対象となり、経済負荷配分に基づいて運用されます。^{[ 40 ]： 4} 1時間ごとのデータが使用され、シミュレーション期間は通常1年間です。しかし、モデルの扱いやすさを維持するために、2日間のローリングホライズン最適化が採用されています。モデルは1日ずつ進み、次の48 時間先を最適化しますが、最初の24時間の結果のみを保持します 。^{[ 40 ]： 14-15}

関連する 2 つの出版物では、変動型再生可能エネルギー(VRE)の割合がますます高まる電力システムにおける柔軟性対策の役割と表現について説明しています。 ^{[ 43 ] [ 44 ]}これらの柔軟性対策には、ディスパッチ可能な発電 (効率、ランプ速度、部分負荷、および起動時間と停止時間に制約あり)、従来の蓄電 (主に揚水発電)、国境を越えた連系線、需要側管理、再生可能エネルギー抑制、最終手段の負荷遮断、および新興のPower-to-Xソリューション (X はガス、熱、またはモビリティ) が含まれます。モデラーは、再生可能エネルギーの目標を設定し、CO2やその他の汚染物質に上限を設けることができます。^{[ 40 ]}ソフトウェアの計画されている拡張には、簡略化された交流電力潮流のサポート₍^送電は現在輸送問題として扱われています⁾、新しい制約 (冷却水供給など)、確率的シナリオ、および補助サービスの市場の組み込みが含まれます。^{[ 41 ]} 

Dispa-SETは、ベルギー、ボリビア、ギリシャ、アイルランド、オランダのケーススタディに適用されてきたか、現在適用されている。2014年のベルギーの研究では、原子力発電、複合サイクルガスタービン（CCGT）発電所、VREのさまざまな組み合わせのシナリオを調査し、再生可能エネルギー発電が普及するにつれてCCGT発電所がより積極的なサイクル運転を受けることを発見した。^{[ 46 ]}

2020年の研究では、ヨーロッパ大陸のさまざまな気象シナリオの下での太陽光、風力、水力発電の出力と電力需要の潜在的な変動を含め、将来の気候条件が34のヨーロッパの電力システムに及ぼす複合的な影響を調査した。^{[ 47 ]}

Dispa-SETは、気候変動の状況下での水とエネルギーの関連性の問題を調査するために、 LISFLOODモデルとソフトリンクしてアフリカで適用されている。 ^{[ 48 ]}

e4st.orgまたはwww.rff.org/topics/data-and-decision-tools/e4st/を参照してください。​​​

EMLab-Generation は、相互接続された 2 つの電力市場 (隣接する 2 つの国、または 2 つの国のグループ) を対象としたエージェントベースのモデルです。このソフトウェアは、オランダのデルフトにあるデルフト工科大学のエネルギーモデリングラボで開発されています。ファクトシートが利用可能です。^{[ 49 ]}また、ソフトウェアのドキュメントも利用可能です。^{[ 50 ]} EMLab-Generation はJavaで記述されています。

EMLab-Generation は、発電容量に投資する電力会社の行動をシミュレートし、これを利用してさまざまなエネルギーおよび気候保護政策の長期的な影響を調査する。これらの政策は、再生可能エネルギー発電、 CO ₂排出量、供給の安定性、および/またはエネルギーの手頃な価格を対象とする可能性がある。電力会社が主要な主体であり、電力市場に入札し、将来の発電所プロジェクトの正味現在価値(NPV) に基づいて投資する。2011 年のIEA世界エネルギー見通しのシナリオを使用して、さまざまな技術を採用することができる。^{[ 51 ]}エージェントベースの方法論により、アクターの異質性、不完全な期待の結果、理想的な条件外の投資家の行動など、さまざまな仮定のセットをテストすることができる。

EMLab-Generationは、公共政策が電力市場に与える影響をモデル化する新しい手法を提供します。投資サイクル、削減サイクル、対応の遅延、不確実性やリスクが投資決定に与える影響など、時間経過に伴う関係者やシステムの挙動に関する洞察を得ることができます。

2014年のEMLab-Generationを用いた研究では、EU ETSの下でCO2_の下限価格と上限価格を導入した場合の影響を調査している。特に、相互に連結された2つの電力市場（大まかに言えば英国と中央西ヨーロッパ）の動的な投資経路への影響を調べている。この研究では、共通の適度なCO2オークション_の最低価格を設定すると、より継続的な脱炭素化経路が実現し、CO2価格の変動が減少することがわかった。上限価格を追加することで、消費者を極端な価格ショックから守ることができる。このような価格制限は_、長期的には排出目標の超過につながるべきではない。^{[ 52 ]}

EMMAは欧州電力市場モデルです。これは、統合された北西ヨーロッパの電力システムを対象とした技術経済モデルです。EMMAは、ドイツのベルリンにあるエネルギー経済コンサルタント会社Neon Neue Energieökonomikによって開発されています。ソースコードとデータセットは、プロジェクトのWebサイトからダウンロードできます。マニュアルも利用可能です。^{[ 53 ]} EMMAはGAMSで記述されており、商用ソルバーCPLEXを使用しています。

EMMAは、電力供給と投資をモデル化し、投資、発電、および市場エリア間の取引に関する総コストを最小化します。経済学的には、EMMAは供給側に焦点を当てた卸売電力市場の部分均衡モデルに分類されます。EMMAは、短期または長期の最適解（または均衡）を特定し、対応する容量構成、時間ごとの価格、供給、および国境を越えた取引を推定します。技術的には、EMMAは約200万個の非ゼロ変数を持つ純粋な線形計画問題（整数変数なし）です。2016年現在このモデルはベルギー、フランス、ドイツ、オランダ、ポーランドを対象としており、従来型発電、再生可能エネルギー発電、コジェネレーションをサポートしています。^{[ 53 ] [ 54 ]}

EMMAは、北西ヨーロッパの電力システムにおける変動型再生可能エネルギー（VRE）、特に太陽光発電と風力発電の普及拡大による経済的影響を研究するために使用されてきた。2013年の研究では、VREのシェアが増加すると価格が下落し、その結果、再生可能エネルギー発電の競争力のある大規模展開は多くの人が予想するよりも困難になることが判明した。^{[ 55 ]} 2015年の研究では、風力発電と太陽光発電の福祉最適市場シェアが推定されている。風力発電の場合、これは20%で、現在の3倍である。^{[ 56 ]}

2015年の独立調査ではEMMAモデルを検証し、再生可能エネルギー投資における想定される特定コストが高いことを指摘している。^{[ 34 ]： 6}

GENESYSは、欧州エネルギー供給システムの遺伝的最適化の略です。このソフトウェアは、ドイツのアーヘンにあるアーヘン工科大学の電力システム・電力経済研究所（IAEW）と電力電子工学・電気駆動研究所（ISEA）が共同で開発しています。このプロジェクトでは、潜在的なユーザーがコードベースと2050年の基本シナリオのデータセットへのアクセスをリクエストできるウェブサイトを維持しています。 ^{[ 57 ]}ソフトウェアの詳細な説明が利用可能です。^{[ 58 ] [ 59 ]} GENESYSはC++で記述されており、 Boostライブラリ、MySQLリレーショナルデータベース、Qt 4アプリケーションフレームワーク、およびオプションでCPLEXソルバーを使用しています。 

GENESYSシミュレーションツールは、将来のEUMENA（ヨーロッパ、中東、北アフリカ）電力システムを最適化するために設計されており、再生可能エネルギー発電の割合が高いことを前提としています。このツールは、 EUMENAの21地域内で、発電機、蓄電設備、送電設備の経済的に最適な配分を見つけることができます。また、進化的手法と組み合わせることで、このエネルギーシステムの最適化を可能にします。最適化は共分散行列適応進化戦略（CMA-ES）に基づいており、運用は、ネットワークシンプレックスアルゴリズムを使用して、さまざまな地域間の負荷を最小コストでバランスさせるシステム要素の階層的な構成としてシミュレートされます。GENESYSには、2050年の入力時系列データとパラメータが付属しており、ユーザーはこれらを変更できます。

再生可能エネルギー源（RES）の割合が高い将来のEUMENAエネルギー供給システムには、強力に相互接続されたエネルギー輸送網と相当なエネルギー貯蔵容量が必要となる。GENESYSは、21の 異なる地域間の貯蔵と送電の規模を決定するために使用された。100%自給自足の仮定の下では、約 合計2500GWの再生可能エネルギーと約 年間エネルギー需要の6％に相当する240,000 GWhが必要であり、HVDC送電網は375,000 GW ・km。発電、蓄電、送電の合計コスト見積もりは、配電を除いて6.87 セント/kWhです。^{[ 58 ]}

2016年の研究では、EUMENA電力システムにおける再生可能エネルギー源（RES）の割合が高い場合の蓄電容量と送電容量の関係を調査しました。その結果、送電容量と蓄電容量は、ある程度まで互いに代替可能であることがわかりました。2050年までに完全に再生可能エネルギーシステムに移行するには、大規模な構造変更が必要です。結果は、太陽光発電と風力発電の最適な配置、さまざまな技術（バッテリー、揚水発電、水素貯蔵）の蓄電容量に対する需要、および送電網の容量を示しています。^{[ 59 ]}

NEMO（National Electricity Market Optimiser）は、従来型および再生可能電力発電技術のさまざまなポートフォリオをテストおよび最適化するための時系列ディスパッチモデルです。これは、その名前にもかかわらず、オーストラリア東部と南部に限定されているオーストラリア全国電力市場（NEM）にのみ適用されます。NEMOは、 2011年からオーストラリア、シドニーのニューサウスウェールズ大学（UNSW）エネルギー環境市場センター（CEEM）で開発されています。^{[ 60 ]}このプロジェクトは、小規模なウェブサイトを維持し、メールリストを運営しています。NEMOはPythonで記述されています。NEMO自体は2つの出版物で説明されています。^{[ 61 ]： sec 2 [ 62 ]： sec 2}データソースも記載されています。^{[ 61 ]： sec 3}最適化は、ペナルティ付きの単一目的評価関数を使用して実行されます。発電機容量の解空間は、CMA-ES（共分散行列適応進化戦略）アルゴリズムを使用して探索されます。時間間隔は任意だが、通常は1時間が用いられる。

NEMO は、さまざまな再生可能エネルギー (RE) と化石燃料技術の削減シナリオの下で、2030 年の発電オプションを調査するために使用されてきました。2012 年の研究では、熱貯蔵を備えた集光型太陽熱発電(CSP)、風力発電所、太陽光発電、既存の水力発電、およびバイオ燃料ガスタービンを使用した完全再生可能エネルギーシステムの実現可能性を調査しています。NEM の信頼性基準も満たすいくつかの潜在的なシステムが特定されています。主な課題は、曇天の日と風の弱い期間の後の冬の夕方のピーク需要に対応することです。^{[ 61 ]} 2014 年の研究では、炭素回収と貯留(CCS)を備えた石炭火力発電と、回収ありとなしのガス火力発電ガスタービンを使用した 3 つのシナリオを調査しています。これらのシナリオは、完全再生可能エネルギー発電を使用した 2012 年の分析と比較されます。この研究では、「炭素排出量に制約のある世界では、化石燃料シナリオのいずれも、100%再生可能電力と経済的に競争できるのは、ごく少数で、一見ありそうもないコストの組み合わせに限られる」と結論付けている。^{[ 63 ]： 196} 2016年の研究では、さまざまな温室効果ガス排出量の上限と炭素価格の下で、再生可能エネルギーの割合を増やすことによる増分コストを評価している。この研究では、増分コストは0%から80%の再生可能エネルギーまでは直線的に増加し、その後は緩やかに上昇すると結論付けている。この研究は、このコスト上昇は100%の再生可能エネルギー目標を避ける十分な理由にはならないと結論付けている。^{[ 62 ]}

OnSSETは、OpeN Source Spatial Electrification Toolkitです。OnSSETは、スウェーデンのストックホルムにあるKTH王立工科大学のエネルギーシステム部門によって開発されています。このソフトウェアは、グリッドベースの電力が供給されていない地域を調査し、電力サービスへの最小コストアクセスを提供する技術オプションと投資要件を特定するために使用されます。OnSSETは、国連のSDG 7（すべての人に手頃な価格で信頼性が高く、持続可能で現代的なエネルギーを提供する）をサポートするように設計されています。このツールキットはOnSSETとして知られており、2016年11月26日にリリースされました。OnSSETにはデータは付属していませんが、適切なデータセットはenergydata.infoから入手できます。このプロジェクトはWebサイトを維持し、メーリングリストを運営しています。^{[ 64 ] [ 65 ] [ 66 ]} 

OnSSETは、従来の送電網、ミニグリッド、独立型など、最も費用対効果の高い電化アクセスオプションを推定、分析、視覚化できます。 ^{[ 67 ]}このツールキットは、太陽光発電、風力タービン、小水力発電など、さまざまな従来型および再生可能エネルギー技術をサポートしています。2017年現在バイオエネルギーや、風力・ディーゼルなどのハイブリッド技術も追加されている。

OnSSETはエネルギー情報と地理情報を活用しており、後者には集落の規模と位置、既存および計画中の送電および発電インフラ、経済活動、再生可能エネルギー資源、道路網、夜間照明のニーズなどが含まれる。GIS情報は、独自のArcGISパッケージまたはGRASSやQGISなどのオープンソースの同等品を使用してサポートできる。^{[ 68 ]} OnSSETは、集落の原型から始まる3段階の分析を使用してマイクログリッドに適用されている。 ^{[ 69 ]}

OnSSET は、アフガニスタン^{[ 70 ]} 、ボリビア^{[ 69 ] [ 71 ]} 、カメルーン^{[ 72 ]} 、エチオピア^{[ 67 ] [ 73 ]} 、マラウイ^{[ 74 ]} 、ナイジェリア[ ^{67 ] [ 75 ] [ 76 ]} 、タンザニア^{[ 68 ]}のケース スタディで使用されています。OnSSETは、インド、ケニア、ジンバブエでも適用されています。さらに、サハラ以南アフリカとラテンアメリカでは大陸規模の研究が行われています。^{[ 77 ]}ナイジェリアで^行われた 4 方向のGISベースの研究では^、 OnSSET が最高の機能セットを提供していると報告されています。^{[ 78 ]} 

^{OnSSETの結果は、2014年[ 79 ]}と2015年のIEA世界エネルギー見通しレポート^{[ 80 ]} 、 2015年の世界銀行グローバル追跡フレームワークレポート^{[ 81 ]}、および2019年のIEAアフリカエネルギー見通しレポート^{[ 82 ]}に貢献している。OnSSETはまた、新興のGEPプラットフォームの一部でもある^{[ 83 ] 。}

pandapower は、ドイツのカッセルにあるカッセル大学のエネルギー管理および電力システム運用研究グループとフラウンホーファーエネルギー経済・エネルギーシステム技術研究所 (IEE) の配電システム運用部門が共同で開発している電力システム解析および最適化プログラムです。コードベースはGitHubでホストされており、パッケージとしても利用可能です。プロジェクトは、ウェブサイト、メーリングリスト、オンラインドキュメントを維持しています。pandapower はPythonで記述されています。データ操作と分析にはpandasライブラリを、電力潮流の計算にはPYPOWER ライブラリ^{[ 84 ]}を使用しています。一部のオープンソース電力システムツールとは異なり、pandapower はMATLABなどのプロプライエタリなプラットフォームに依存していません。

pandapowerは、配電網と送電網の自動解析と最適化をサポートします。これにより、将来のさまざまなグリッド構成や技術に基づいた多数のシナリオを検討できます。pandapowerは、送電線、2巻線変圧器、3巻線変圧器、等価回路など、電力系統要素のコレクションを提供します。また、理想的な母線間スイッチや母線間/母線間変圧器スイッチのモデリングを可能にするスイッチモデルも含まれています。このソフトウェアはトポロジー検索をサポートしています。ネットワーク自体は、matplotlibおよびplotlyライブラリを使用して、地理情報の有無にかかわらずプロットできます。

2016年の出版物では、主要な配電系統運用者（DSO）とのいくつかのケーススタディを実施することで、ソフトウェアの有用性を評価しています。これらの研究では、既存の配電網への太陽光発電の導入レベルの上昇を検証しています。この研究では、多数の詳細なシナリオをテストできることが、堅牢なグリッド計画に不可欠であると結論付けています。とはいえ、データの入手可能性と問題の次元性の問題が引き続き課題となるでしょう。^{[ 85 ]}

2018年の論文では、このパッケージとその設計について説明し、事例研究の例を示しています。この記事では、ユーザーが要素ベースモデル（EBM）をどのように操作するかを説明しています。EBMは内部的にバス分岐モデル（BBM）に変換され、計算に使用されます。このパッケージは、電力系統シミュレーション、最適潮流計算（コスト情報が必要）、状態推定（システム特性の精度が低い場合）、およびグラフベースのネットワーク分析をサポートしています。事例研究では、数十行のスクリプトでpandapowerと連携して、多様な運用要件を満たすシステムの設計を進める方法を示しています。関連コードは、GitHubでjupyter notebookとして公開されています。^{[ 86 ]}

2018年現在ドイツの電力系統規制機関であるBNetzAは、自動グリッド解析にpandapowerを使用している。^{[ 87 ]}ドイツのエネルギー研究機関もpandapowerの開発を注視している。^{[ 88 ] : 90}

PowerMatcherソフトウェアは、分散型エネルギー資源（DER）と柔軟な負荷を自律的な入札によってバランスさせるスマートグリッド調整メカニズムを実装しています。このプロジェクトは、オランダのアムステルダムにあるFlexiblepower Alliance Network（FAN）によって管理されています。プロジェクトはウェブサイトを運営しており、ソースコードはGitHubで公開されています。2016年6月現在 既存のデータセットは利用できません。PowerMatcherはJavaで記述されています。

スマートグリッドシステム内の各デバイス（洗濯機、風力発電機、産業用タービンなど）は、入札という形で電力の消費または生産の意思を表明します。これらの入札は収集され、均衡価格を決定するために使用されます。PowerMatcherソフトウェアは、既存の電力システムに再生可能エネルギーを高い割合で統合することを可能にし、老朽化し​​ている可能性のある配電網における局所的な過負荷も回避します。^{[ 89 ]}

Power TACは、Power Trading Agent Competition（電力取引エージェント競争）の略です。Power TACは、プロシューマー（生産者兼消費者）や再生可能エネルギーの影響がますます強まる電力市場において、小売市場のパフォーマンスをシミュレートするエージェントベースのモデルです。Power TACプロジェクトの最初のバージョンは2009年に開始され、スマートグリッドシナリオにおける電力小売市場のパフォーマンスをシミュレートするためのオープンソースのマルチエージェント競争ゲームプラットフォームとして公開されました。第1回年次トーナメントは2012年にスペインのバレンシアで開催されました。

自律型機械学習取引エージェント、すなわち「ブローカー」は、卸売市場と小売顧客の間で利益最大化を目指すアグリゲーターとして、互いに直接競合します。顧客モデルは、一般家庭、中小企業、大企業、集合住宅、風力発電所、太陽光パネル所有者、電気自動車所有者、冷蔵倉庫などを表します。ブローカーは、顧客に電力料金プランを提供し、卸売市場で電力取引を行うことで利益を上げることを目指し、同時に需給バランスを慎重に調整します。

このコンペティションは、ヴォルフガング・ケッター教授とジョン・コリンズ教授によって創設・運営されており、プラットフォームソフトウェアは、ロッテルダム経営大学院、エラスムス大学未来エネルギービジネスセンター、ケルン大学エネルギー経済研究所、ミネソタ大学コンピュータサイエンス学部の研究者らが共同で開発しています。プラットフォームは、気象、市場価格、総需要、顧客行動に関するさまざまな実世界データを使用します。ブローカーエージェントは世界中の研究チームによって開発され、毎年開催されるトーナメントに参加します。これらのトーナメントのデータは公開されており、エージェントのパフォーマンスと相互作用を評価するために使用できます。このプラットフォームは、競争ベンチマークを活用して、小売電力市場における料金設計、卸売電力市場における入札戦略、持続可能なエネルギー資源や電気自動車の普及が増減した場合の市場のパフォーマンス、機械学習アプローチの有効性、市場規制に対する代替政策アプローチなど、さまざまなトピックに関する研究を促進します。このソフトウェアは、電気自動車フリートを仮想発電所として利用することから、電力顧客意思決定支援システム（DSS）を用いて動的価格設定などの手法で効果的なデマンドレスポンスプログラムを設計する方法まで、幅広い研究テーマに貢献してきた。

renpassは、Renewable Energy Pathways Simulation Systemの略称です。renpassは、地域的および時間的に高解像度の電力シミュレーションモデルであり、既存のシステムと、最大100%の再生可能エネルギー発電を含む将来のシステムを捉えるように設計されています。このソフトウェアは、ドイツのフレンスブルク大学持続可能エネルギーシステムセンター（CSESまたはZNES）によって開発されています。プロジェクトはウェブサイトを運営しており、そこからコードベースをダウンロードできます。renpassはRで記述されており、 MySQLデータベースにリンクしています。PDFマニュアルが利用可能です。^{[ 90 ]} renpassは博士論文でも説明されています。^{[ 91 ]} 2015年現在、renpass はoemofに基づいて renpassG!S として拡張されています。

renpassは、与えられたインフラストラクチャ（シミュレーション）の範囲内で、各時間ステップ（最適化）におけるシステムコストを最小化する電力配分モデルです。時間ステップは、15分または1時間から選択できます。この手法は、完全な将来予測を前提としています。renpassは、オーストリア、ベルギー、チェコ共和国、デンマーク、エストニア、フランス、フィンランド、ドイツ、ラトビア、リトアニア、ルクセンブルク、オランダ、ノルウェー、ポーランド、スウェーデン、スイスの電力システムに対応しています。

各時間ステップにおける最適化問題は、既存の発電所群を用いて全地域の電力供給コストを最小化することです。この地域別配電の後、地域間の電力交換が行われ、送電網の容量によって制約されます。この後者の問題は、決定論的に計算するのではなく、ヒューリスティックな手順で解決されます。入力は、各地域のメリットオーダー、限界発電所、余剰エネルギー（抑制可能な再生可能エネルギー）、および余剰需要（供給できない需要）です。交換アルゴリズムは全地域で最小コストを求め、したがって、目的関数は、既存の送電網インフラ、蓄電、および発電容量を前提として、全地域の総コストを最小化することです。総コストは、各地域の残余負荷に価格を乗じたものを全地域で合計したものとして定義されます。

2012年の研究では、renpassを使用して、 2050年にバルト海地域（デンマーク、エストニア、フィンランド、ドイツ、ラトビア、リトアニア、ポーランド、スウェーデン）で100%再生可能電力システムの実現可能性を検証しています。基本シナリオでは、保守的な再生可能エネルギーの可能性と送電網の強化、需要の20%減少、適度な蓄電オプションの導入、柔軟な発電のためのバイオマスの導入を想定しています。この研究では、隣接国からの時折の輸入はあるものの、100%再生可能電力システムは可能であり、バイオマスがシステムの安定性に重要な役割を果たしていることがわかりました。この移行のコストは50 ユーロ/MWhと推定されています。^{[ 92 ]} 2014年の研究では、renpassを使用してドイツとその近隣諸国をモデル化しています。^{[ 93 ]} 2014年の論文では、両国で100%再生可能電力システムを前提として、ドイツとノルウェーを結ぶ新しい海底ケーブルとノルウェーの新しい揚水発電容量の両方の利点をrenpassで検証している。 ^{[ 94 ]} 2014年の別の研究では、ドイツの持続可能なエネルギーシステムへの移行であるドイツのEnergiewendeをrenpassで検証している。この研究では、そのような移行を支えるために必要な国民の信頼は、透明性の高いオープンソースのエネルギーモデルを使用することによってのみ構築できるとも主張している。^{[ 95 ]}

sci2gridは、オープンソースのグリッドモデルを構築するために、データの抽出、フィルタリング、処理を行うソフトウェアツールです。sci2gridの主な目的は、科学、産業、社会におけるさらなる応用を支援する、アクセスしやすく透明性の高いモデルを提供することです。

sci2gridのデータモデルは、主に供給ライン、変電所、コンプレッサーステーションなどのオブジェクトの地理参照情報を処理するように設計されています。この情報はオープンデータソースから自動的に抽出され、地理座標、ラインの長さと直径、設置容量などが含まれる場合があります。さらに、補足情報は、報道記事などの個々のオンラインソースから手動で収集、検証され、モデルに統合されます。欠落データはヒューリスティック手法を使用して推定され、後続の分析のために一貫性のある包括的なデータモデルが提供されます。現在、sci2gridは、グリッド関連の課題を調査するために使用できる、ヨーロッパ向けのガス輸送および電力送電グリッドモデルを提供しています。

このような公開され透明性の高いグリッドモデルは、幅広い用途に利用できます。エネルギーシステムシナリオの評価、グリッド運用のシミュレーション、エネルギー供給におけるボトルネックの特定、グリッド開発計画の評価、将来のグリッド拡張ニーズの決定などに活用できます。

sci2gridは現在、ヨーロッパの電力送電およびガス輸送インフラに焦点を当てていますが、開発された手法は世界中の個々の国やその他の地域にも適用可能です。

SIRENはSEN Integrated Renewable Energy Network Toolkitの略です。このプロジェクトは、オーストラリアのパースに拠点を置くNGOであるSustainable Energy Nowによって運営されています。このプロジェクトはウェブサイトを維持しています。SIRENはWindows上で動作し、ソースコードはSourceForgeでホストされています。このソフトウェアはPythonで記述されており、エネルギー計算を実行するために米国国立再生可能エネルギー研究所のSAMモデル（System Advisor Model）を使用しています。SIRENは、特定の地理的領域をモデル化するために1時間ごとのデータセットを使用します。ユーザーは、このソフトウェアを使用して、指定された電力需要を満たすための再生可能エネルギー源の場所と規模を調べることができます。SIRENは、オープンまたは公開されている多数のデータソースを利用します。地図はOpenStreetMapタイルから作成でき、気象データセットはNASA MERRA-2衛星データを使用して作成できます。^{[ d ] [ 96 ]}

2016年にSIRENを使用して西オーストラリア州の南西相互接続システム（SWIS）を分析した研究では、新規の石炭とガスと同じコストで85%の再生可能エネルギー（RE）に移行できることがわかった。さらに、1110 万トンのCO2_換算排出量が回避される。このモデルでは、炭素価格をAUD$30/t CO2と想定している_。さらに 、100 %再生可能エネルギー発電の目標を検証するシナリオもある。^{[ 97 ]}

SWITCHは、太陽光発電、風力発電、従来型発電、水力発電、送電の頭文字をとった略語です。SWITCHは、再生可能エネルギーの割合が高い電力システム向けの最適計画モデルです。SWITCHは、米国ハワイ州マノアにあるハワイ大学電気工学科によって開発されています。このプロジェクトは小規模なウェブサイトを運営し、コードベースとデータセットをGitHubで公開しています。SWITCHは、 Pythonでプログラミングされた最適化コンポーネントライブラリであるPyomoで記述されています。オープンソースのGLPKソルバー、または商用のCPLEXソルバーのどちらでも使用できます。

SWITCHは、再生可能エネルギーの統合に焦点を当てた電力システムモデルです。数年間にわたって最低コストで電力需要を満たしつつ、CO2排出量を削減するために、どの発電および送電プロジェクトを建設すべきかを特定できます。SWITCHは、複数年にわたる投資期間にわたって、発電所、送電容量、燃料使用量、および任意の1トン当たりCO2料金（炭素税または証明書価格を表す）のコストの現在価値を最小化することを_{目的として、多段階確率線形最適化を利用します。SWITCHには、 2つの主要な決定変数セットがあります。まず、各投資期間の開始時に、SWITCHは、複数の地理的負荷}ゾーンのそれぞれにどれだけの発電容量を建設するか、これらのゾーン間にどれだけの電力送電容量を追加するか、および投資期間中に既存の発電容量を稼働させるか、固定の運転および保守コストを回避するために一時的に休止させるかを選択します。第二に、各投資期間内のサンプル日数について、SWITCHは、各調整可能な発電所からどれだけの電力を発電するか、各揚水発電所にどれだけの電力を蓄えるか、各送電線路を通じてどれだけの電力を送電するかを1時間ごとに決定します。また、システムは、負荷予測値より15%高い計画予備マージンを確保するために、十分な発電容量と送電容量を確保する必要があります。SWITCHは、各サンプル時間について、実際の測定値に基づく電力需要と再生可能エネルギー発電量を使用するため、これらの要素間の気象要因による相関関係は維持されます。

最適化フェーズに続き、第2フェーズではSWITCHを用いて、より包括的な気象条件で提案された投資計画を検証し、計画予備マージンが常に満たされるようにバックアップ発電容量を追加します。最後に、第3フェーズでは、投資計画を確定し、提案された電力システムをあらゆる気象条件で運用することでコストを算出します。

2012年の論文では、 SWITCHの事例研究として2012年から2027年までのカリフォルニア州が取り上げられています。この研究では、風力発電と太陽光発電の利用量に上限はなく、これらの資源は信頼性を低下させたりコストを大幅に上昇させたりすることなく、排出量を（1990年比で）90%以上削減できる可能性があると結論付けています。さらに、電力消費者が再生可能エネルギーが最も豊富な時間帯に需要をシフトするよう促す政策（例えば、電気自動車の適切なタイミングでの充電など）は、中程度のコストで大幅な排出量削減を実現できる可能性があります。^{[ 98 ]}

SWITCHは最近ではハワイにおける合意に基づく電力系統計画の基盤として使用されている。^{[ 99 ]}このモデルはチリ、メキシコ、その他の地域でも適用されている。^{[ 100 ]}

メジャーバージョン2.0は2018年 後半にリリースされました。[ ^{100 ]同年}に行われた調査では、ハワイを事例研究として、 SWITCHとゼネラル・エレクトリック独自のMAPSモデルを比較し、好成績を示しました。 ^{[ 101 ]}

URBS （ラテン語で「都市」を意味する）は、容量拡張問題やユニットコミットメント問題を分析するための線形計画モデルであり、特に分散型エネルギーシステム（DES）に適しています。ドイツのミュンヘン工科大学再生可能エネルギー・持続可能エネルギーシステム研究所によって開発されています。コードベースはGitHubで公開されています。URBSはPythonで記述されており、Pyomo最適化パッケージを使用しています。

URBSはエネルギーモデリングフレームワークとして分類され、システムの総割引コストを最小化しようと試みます。特定のモデルは、所定の電力需要を満たすために一連の技術から選択します。時間分解能は1時間で、空間分解能はモデルによって定義されます。決定変数は、電力の生産、貯蔵、輸送の能力と、それらの運用スケジュールです。^{[ 102 ]： 11-14}

このソフトウェアは、2020年の風力発電と太陽光発電の予測容量を使用して、欧州送電網の費用最適化拡張を検討するために使用されてきました。2012年の研究では、高い空間解像度と技術解像度を使用して、変動型再生可能エネルギー（VRE）の追加により従来の発電所の収益が低下し、送電網の拡張によってこの影響が再分配され緩和されることが分かりました。^{[ 103 ]}このソフトウェアは、欧州、中東、北アフリカ（EUMENA）^{[ 102 ]}、インドネシア、マレーシア、シンガポール[104]にまたがる^{エネルギーシステムの検討にも使用されています。}

AnyMOD.jlは、空間的・時間的な詳細度の高いレベルでマクロエネルギーシステムを計画するためのフレームワークです。このフレームワークは、短期および季節的な蓄電設備の拡張と運用、化石燃料および再生可能エネルギー発電、送電インフラ、セクターカップリング技術を網羅しています。完全な将来予測に基づいて長期的な計画を策定するために使用できます。

AnyMOD.jlはJuliaで実装されており、最適化にはJuMPライブラリ、データ管理にはDataFrames.jlを使用しています。モデルは線形最適化問題として定式化され、 HiGHSのようなオープンソースライブラリやCPLEXのような商用ソルバーで解くことができます。アクセシビリティを高め、バージョン管理された開発を可能にするため、特定のモデルはCSVファイルを使用して完全に定義されています。

類似のツールと比較して、AnyMOD.jl は、地域やセクターに関して包括的な範囲を維持しながら、詳細な情報を実現し、断続的な再生可能エネルギーを捉えるための革新的な手法に重点を置いています。これらの手法には、同じモデル内でエネルギーキャリアごとに時空間解像度を変更することや、基礎となる最適化問題の特性を改善するためのスケーリング アルゴリズムが含まれます。 ^{[ 107 ] [ 106 ]}再生可能エネルギー発電に伴う不確実性に適切に対処するために、確率的プログラミングの手法が現在実装されています。^{[ 108 ]}

2022年現在、このツールを用いた研究のほとんどは、例えば集中型と分散型の設計のトレードオフ、グリッド計画の役割、十分性対策の可能性などを調査するなど、ヨーロッパの文脈におけるドイツのエネルギーシステムに焦点を当てています。^{[ 109 ] [ 110 ] [ 111 ]}さらに、AnyMOD.jl は、ドイツ経済研究所(DIW)による欧州グリーンディールとドイツのエネルギー転換の調整に関する政策レポートを支援するために使用されています。^{[ 105 ] [ 112 ]}

Backboneは、高い詳細度と適応性を備えたエネルギーシステムモデリングフレームワークです。都市レベルのエネルギーシステムだけでなく、複数国にまたがるエネルギーシステムの研究にも使用されています。元々は、フィンランド科学アカデミーの資金提供を受けたプロジェクト「VaGe」において、VTTのエネルギーシステム設計・運用チームによって2015年から2018年にかけて開発されました。その後、 VTT、UCD、RUBを含む共同研究によってさらに発展を遂げています。

このフレームワークは、モデル化対象については特に指定しませんが、発電と送電、予備力、ユニットコミットメント、建物内の熱拡散、貯蔵、複数の排出とP2Xなど、エネルギーシステムの幅広い特性を表現する機能を備えています。ユニットの起動や投資決定などを捉えるための線形および混合整数制約を提供します。モデル作成者は、タイムステップ間でモデルの時間分解能を変更できます。これにより、たとえば、モデルの時間範囲のさらに先の段階で、より粗い時間分解能を使用できるようになります。このモデルは、投資モデル（単一期間または複数期間、近視眼的または完全な予測）として、または運用をシミュレートするためのローリング生産コストユニットコミットメントモデルとして解くことができます。^{[ 113 ]}

Backboneの公式Wikiページには、新規ユーザー向けのチュートリアル、サンプルモデル、ユーザーが作成したモジュールが掲載されています。公開データセットには、電力、熱、水素に関する北欧モデル^{[ 114 ]}や、フィンランド首都圏の地域暖房・冷房モデル^{[ 115 ]などがあります。}

Balmorel はデンマーク発の市場ベースのエネルギーシステムモデルです。開発は当初、2001 年にデンマークエネルギー研究プログラムによって資金提供されました。^{[ 91 ] : 23}コードベースは 2001 年 3 月に公開されました。^{[ 116 ]} Balmorel プロジェクトは広範な Web サイトを維持しており、そこからコードベースとデータセットをzip ファイルとしてダウンロードできます。ユーザーは登録することが推奨されています。ドキュメントは同じサイトから入手できます。^{[ 117 ] [ 118 ] [ 119 ]} Balmorel はGAMSで記述されています。

Balmorel プロジェクトの当初の目的は、政策分析のためにバルト海地域の電力およびCHP部門の部分均衡モデルを構築することでした。 ^{[ 120 ]}これらの野心と制約ははるか昔に克服され、Balmorel はもはや当初の地理的範囲や政策上の問題に縛られていません。^{[ 118 ]} Balmorel は、ディスパッチおよび投資モデルに分類され、1 時間の時間分解能を使用します。電力と熱の供給と需要をモデル化し、両方の時間的貯蔵をサポートします。Balmorel は、純粋な線形計画問題(整数変数なし) として構成されています。

2016年現在Balmorel は、これまでに約 22 の出版物の対象となっています 。2008 年の研究では、Balmorel を使用して 2050 年の北欧のエネルギー システムを調査しています。焦点は、再生可能エネルギーの供給と、主要な輸送燃料としての水素の展開です。石油と炭素の将来の価格と水素の普及に関する特定の仮定に基づくと、このモデルは、電力と地域熱の一次エネルギー消費の 95% 以上と輸送の 65% を再生可能エネルギーで賄うことが経済的に最適であることを示しています。^{[ 121 ]} 2010 年の研究では、Balmorel を使用して、風力発電が 4 分の 1、火力発電が 4 分の 3 で構成されるシステムへのプラグイン ハイブリッド車(PHEV)の統合を調査しています。この研究は、PHEV を積極的に統合すれば、電力システムからのCO2排出量を削減できることを示していますが、ハンズオフ アプローチ (人々が自由に車を充電できるようにする) では、排出量が増加する可能性が高いことを示しています_。^{[ 122 ]} 2013年の研究では、Balmorelを使用して北欧・ドイツ地域におけるコスト最適化された風力発電投資を調査しています。この研究では、風況、負荷までの距離、既存の発電および送電インフラを考慮して、風力発電所の最適な配置を調査しています。^{[ 123 ]}

Calliope は、柔軟性、高い空間的および時間的解像度、および同じベースケースデータセットを使用して異なる実行を実行できる機能に重点を置いたエネルギーシステムモデリングフレームワークです。このプロジェクトは、スイスのチューリッヒにあるETHチューリッヒ環境システム科学科で開発されています。プロジェクトは、ウェブサイトを維持し、GitHub でコードベースをホストし、課題追跡システムを運用し、2 つのメーリングリストを運営しています。Calliope はPythonで記述されており、Pyomoライブラリを使用しています。オープンソースのGLPKソルバーと商用のCPLEXソルバーにリンクできます。PDF ドキュメントが利用可能です。^{[ 124 ]} また、2ページのソフトウェアレビューも利用可能です。^{[ 125 ]}

Calliopeモデルは、 YAMLおよびCSV形式の構造化テキストファイルの集合で構成され、技術、場所、および資源ポテンシャルを定義します。Calliopeはこれらのファイルを受け取り、純粋な線形最適化問題（整数変数なし）を構築して解き、分析用のpandasデータ構造の形式で結果を報告します。このフレームワークには、供給、需要、変換、保管、伝送という5つの抽象的な基本技術が含まれており、そこから新しい具体的な技術を導き出すことができます。Calliopeの設計は、フレームワーク（コード）とモデル（データ）の明確な分離を強制します。

2015年の研究では、Calliopeを使用して南アフリカにおける原子力発電とCSPの将来の役割を比較しています。この研究では、ベースロードに関しては2030年までにCSPが原子力と競争力を持ち、ベースロードを超える発電ではより競争力を持つ可能性があることがわかりました。CSPはまた、投資リスク、環境リスク、その他の副次的利益も提供します。^{[ 126 ]} 2015年の別の研究では、英国における多数のコスト最適化された将来の電力システムを比較しています。3つの発電技術、すなわち再生可能エネルギー、原子力発電、および炭素回収・貯留（CCS）の有無による化石燃料がテストされています。シナリオは、財務コスト、排出量削減、およびエネルギー安全保障に基づいて評価されます。変動する再生可能エネルギー容量の最大60%はコストの増加がほとんどなく可能ですが、それ以上の割合では、大規模な貯蔵、輸入、および/または潮力発電などの調整可能な再生可能エネルギーが必要になります。^{[ 127 ]}

Calliope の共同開発者である Stefan Pfenninger 氏は、 2021 年半ばに開催されたセミナーで、エネルギーシステムモデルが現実世界の意思決定を支援する上で果たす役割について議論しました。^{[ 128 ]}引用されているある研究では、ますます厳しい内部制約を適切に追加することによってエネルギー自給率を追求することの結果を調査しています。^{[ 129 ]}別の研究では、イタリアのほぼ最適なソリューションについて調査しています。^{[ 130 ]} 2023 年のビデオでは、最近の開発について説明しており、その多くはユーザーに利益をもたらすように設計されています。^{[ 131 ]} 

DESSTinEEは、Demand for Energy Services, Supply and Transmission in EuropE（欧州におけるエネルギーサービス、供給、送電の需要）の略です。DESSTinEEは、電力システムに焦点を当てた2050年の欧州エネルギーシステムのモデルです。DESSTinEEは主に、英国ロンドンのインペリアル・カレッジ・ロンドン（ICL）のインペリアル・カレッジ・ビジネススクールで開発されています。ソフトウェアはプロジェクトのウェブサイトからダウンロードできます。DESSTinEEはExcel / VBAで記述されており、一連の独立したスプレッドシートで構成されています。チラシが利用可能です。^{[ 132 ]}

DESSTinEEは、エネルギー輸送、特に電力輸送の技術的要件と、必要なインフラを開発するための経済的課題の規模に関する仮定を調査するように設計されています。ヨーロッパとその周辺の40か国が対象となり、10種類の一次および二次エネルギーがサポートされています。このモデルは、部分均衡または一般均衡を解くのではなく、予測シミュレーション技術を使用しています。このモデルは、各国の年間エネルギー需要を2050年まで予測し、2010年と2050年の電力需要の時間別プロファイルを合成し、地域全体の電力の最小コストでの発電と送電をシミュレートします。^{[ 133 ]}

DESSTinEE（および別のモデルeLOAD）を使用した2016年の研究では、現在から2050年までのドイツと英国の電力負荷曲線の変化を調べています。2050年には、ピーク負荷とランプ速度が20～60%上昇し、システム利用率が15～20%低下します。これは、ヒートポンプと電気自動車の大幅な普及が主な原因です。これらは大きな変化です。^{[ 134 ]}

エネルギー移行モデル（ETM）は、国のエネルギーシステムを包括的に記述したインタラクティブなウェブベースモデルです。オランダのアムステルダムにあるQuintel Intelligence社によって開発されています。プロジェクトでは、プロジェクトウェブサイト、インタラクティブウェブサイト、およびGitHubリポジトリを管理しています。ETMはRuby（Rails ）で記述されており、ウェブブラウザで表示されます。ETMは、ドキュメントに記載されているように、複数のソフトウェアコンポーネントで構成されています。

ETMは完全にインタラクティブです。地域（フランス、ドイツ、オランダ、ポーランド、スペイン、イギリス、EU27、ブラジル）と年（2020年、2030年、2040年、2050年）を選択した後、ユーザーは300個のスライダーを設定（または数値を入力）して、以下の項目を調べることができます。

• 目標：シナリオの目標を設定し、それが達成可能かどうかを確認する。目標には、CO2削減量、再生可能エネルギーの割合、総コスト、輸入上限などが含まれる_。
• 需要：将来のエネルギー需要を拡大または制限する
• コスト：エネルギー輸送手段およびエネルギー技術の将来コストを予測する。これらのコストには税金や補助金は含まれない。
• 供給：熱または電気を生成するために使用できる技術を選択します

ETMは、ノード（頂点）が損失を伴う可能性のあるある種類のエネルギーから別の種類のエネルギーに変換できるエネルギーグラフ（有向グラフ）に基づいています。接続（有向エッジ）はエネルギーの流れを表し、量（メガジュール）とキャリアの種類（石炭、電力、利用可能な熱など）によって特徴付けられます。需要とその他の選択肢が与えられると、ETMは一次エネルギーの使用量、総コスト、および結果として生じるCO2排出量_を計算します。このモデルは需要主導型であり、有向グラフは有用な需要（暖房、温水の使用、自動車の走行距離など）から一次需要（ガスの採掘、石炭の輸入など）へとたどられます。

EnergyPATHWAYSは、長期的な徹底的脱炭素化の短期的な影響を探るために使用されるボトムアップ型のエネルギーセクターモデルです。開発を主導したのは、米国サンフランシスコのエネルギーおよび気候保護コンサルタント会社であるEvolved Energy Researchです。コードはGitHubで公開されています。EnergyPATHWAYSはPythonで記述されており、オープンソースのCbcソルバーと連携しています。あるいは、GLPKまたはCPLEXソルバーを使用することもできます。EnergyPATHWAYSは、PostgreSQLオブジェクトリレーショナルデータベース管理システム（ORDBMS）を使用してデータを管理します。

EnergyPATHWAYSは、経済全体のエネルギーインフラシナリオを構築するために使用される包括的な会計フレームワークです。モデルの一部では、例えば電力供給のために線形計画法が用いられていますが、EnergyPATHWAYSモデルは根本的には最適化モデルではなく、意思決定のダイナミクスはほとんど組み込まれていません。EnergyPATHWAYSは、一次供給から最終需要までのエネルギーの流れについて、詳細なエネルギー、コスト、排出量の会計情報を提供します。エネルギーシステムの表現は柔軟で、詳細レベルの調整や、都市、州、国の階層構造に対応しています。このモデルは、時間単位の最小コスト電力供給方式を採用しており、パワー・トゥ・ガス、短時間エネルギー貯蔵、長時間エネルギー貯蔵、デマンドレスポンスをサポートしています。シナリオは通常2050年までを対象としています。

EnergyPATHWAYSソフトウェアの前身であるPATHWAYSは、政策モデルの構築に用いられてきた。カリフォルニアPATHWAYSモデルは、2030年のカリフォルニア州の気候目標策定に役立てられた。^{[ 135 ]}また、米国PATHWAYSモデルは、国連の米国向け深層脱炭素化経路プロジェクト（DDPP）の評価に貢献した。^{[ 136 ]} 2016年現在DDPPは、今後の分析にEnergyPATHWAYSを活用する予定です。

ETEMはEnergy Technology Environment Modelの略です。ETEMモデルはOSeMOSYSと同様の構造を持ちますが、都市計画を目的としています。このソフトウェアは、スイスのシェーヌ＝ブジェリーにあるORDECSYS社によって開発されており、欧州連合および国内の研究助成金によって支援されています。このプロジェクトには2つのウェブサイトがあります。ソフトウェアはこれらのウェブサイトのうち最初のものからダウンロードできます（ただし、2016年7月現在）。 （これは古い情報に見えます）。ソフトウェアにはマニュアルが付属しています。^{[ 137 ]} ETEM はMathProgで書かれています。^{[ e ]} ETEM を説明するプレゼンテーションが利用可能です。^{[ 138 ] [ 139 ]}

ETEMは、地域または都市にとって最適なエネルギーと技術オプションを特定するボトムアップモデルです。このモデルは、新しい設備（新技術）への投資、生産能力の開発（導入済み技術）、および/または実現可能な一次エネルギーの輸出入の提案を行いながら、コストを最小限に抑えたエネルギー政策を見つけ出します。ETEMは通常、 2年または5年ごとのステップで50年先まで予測し、4つの季節を通常1日またはそれより細かい時間で分割します。空間解像度は非常に詳細にすることができます。電力と熱の両方がサポートされており、地域暖房ネットワーク、家庭用エネルギーシステム、プラグインハイブリッド電気自動車（PHEV）の使用を含むグリッドストレージもサポートされています。開発中のETEM-SGは、スマートグリッドの開発によって可能になるオプションであるデマンドレスポンスをサポートしています。

ETEM モデルは、ルクセンブルク、スイスのジュネーブ州とバーゼル・ベルン・チューリッヒ州、フランスのグルノーブル都市圏とミディ＝ピレネー地域に適用されています。2005 年の研究では、スイスの住宅部門における気候保護を研究するために ETEM が使用されています。分析を完了するために、 ETEM モデルは GEMINI-E3 世界計算可能一般均衡モデル(CGEM) と結合されました。 ^{[ 140 ]} 2012 年の研究では、スマートグリッドの設計が検討されています。配電システムがよりインテリジェントになるにつれて、それらを分析するために必要なモデルもインテリジェントにならなければなりません。ETEM は、3 つのシナリオの下で、ジュネーブ州を大まかに較正したケース スタディを使用してスマートグリッド技術の可能性を評価するために使用されます。これらのシナリオでは、CO2排出量と電力輸入に異なる制約が適用されます。将来の_電力価格と電気自動車の普及の不確実性に対処するために、確率的アプローチが使用されます。^{[ 141 ]}

ficusは、地域エネルギーシステム向けの混合整数最適化モデルです。ドイツ、ミュンヘンのミュンヘン工科大学エネルギー経済・応用技術研究所で開発されています。プロジェクトはウェブサイトを運営しており、GitHubでホストされています。ficusはPythonで記述され、Pyomoライブラリを使用しています。ユーザーは、オープンソースのGLPKソルバーまたは商用のCPLEXソルバーを選択できます。

URBSをベースとしたficusは、当初は工場のエネルギーシステムを最適化するために開発されましたが、現在は地域エネルギーシステムにも対応できるよう拡張されています。ficusは、電気や熱など、輸入、輸出、生成、貯蔵、消費が可能な複数のエネルギー商品に対応しています。負荷依存型の効率を持つ、複数の入力と複数の出力のエネルギー変換技術をサポートしています。このモデルの目的は、与えられた需要を最小限のコストで供給することです。ficusは、輸入商品には外生的なコスト時系列データを使用し、使用中の各商品ごとに設定可能な時間軸を持つピーク需要料金も使用します。

グローバルエネルギーシステムモデル（GENeSYS - MOD）は、ドイツのベルリン工科大学で開発されている線形コス​​ト最小化最適化モデルです。^{[ f ]}このプロジェクトは当初OSeMOSYSフレームワーク に基づいており、最初のバージョンはGAMSを使用して2017年にリリースされました。^{[ 142 ]}コードベースは後にJulia に翻訳されました。両方のバージョンと代表的なデータセットはGitHubで入手できます。

GENeSYS - MODは、電力、建物、産業、輸送を網羅する需要セクターを結合し、従来型および再生可能エネルギーの発電、貯蔵、インフラストラクチャへの費用最適化投資を見つけます。研究の焦点は、長期的なシステム開発と経路分析にあります。^{[ 143 ]}

このモデルは当初、世界規模で脱炭素化シナリオを分析するために使用され、10の地域に分割して分析が行われました。しかし、このフレームワークは非常に柔軟性が高く、研究課題や入力データの入手可能性に応じて、個々の世帯から世界規模の集計まで、さまざまな詳細レベルでの計算が可能です。

2019年の研究では、さまざまなシナリオの下で、欧州のエネルギーシステムの 低炭素移行、特に座礁資産の問題を調査しました。短期的な計画バイアスに対処する強力な政策シグナルがなければ、2035年までに最大2,000億ユーロの化石燃料容量が座礁する可能性があることがわかりました。 ^{[ 144 ]} 2019年の別の研究では、中国のエネルギーシステムの変革を評価し、地球規模の気候目標を達成するために2050年までに石炭消費量を60%削減する必要性を強調しています。再生可能エネルギー、特に太陽光発電と陸上風力は費用対効果の高いソリューションとして浮上していますが、成功のためには、地域の抵抗を克服し、利害関係者の関与を増やすことが依然として重要です。^{[ 145 ]} 2021年の研究では、2050年までに温室効果ガスを100%削減するという欧州グリーンディールの目標を調査し 、技術開発、政策上の要請、社会の態度の相互作用を調べています。この研究では、急速な脱炭素化を達成するために必要な、電化率の高さと短期的な技術導入の重要な貢献を強調する4つの将来シナリオを提示している。^{[ 146 ]}   

GenX は、もともと米国の研究者によって開発された、複数商品セクターの生産能力拡張モデルです。[ ^{148 ] [ 149 ]この}フレームワークはJuliaで記述されており、基盤となる最適化問題を構築するためにJuMPライブラリを使用しています。^{[ 150 ] [ 151 ]} GenX はJuMPを介して、さまざまなオープンソース ( CBC / CLPを含む) および商用最適化ソルバー ( CPLEXを含む)を利用できます。2021 年 6 月に、このプロジェクトはアクティブなオープンソース プロジェクトとして開始され、オンボーディングを支援するためのテスト スイートが利用可能です。^{[ 152 ]}

並行して、PowerGenomeプロジェクトは、GenXに米国電力システムの包括的な現状データセットを提供するよう設計されています。^{[ 153 ]}このデータセットは、将来のシナリオを開発するための足がかりとして使用できます。

GenXは、再生可能エネルギーの割合が高いシステムにおける長期貯蔵オプションの検討^{[ 154 ] [ 155 ]} 、「確実な」低炭素発電オプションの価値の検討^{[ 156 ] 、およびその他さまざまな用途に使用されてきました。北米が引き続き主要な焦点となっていますが、このソフトウェアはインド[ 157 ]}、イタリア^{[ 158 ]}、スペイン^{[ 159 ]}の問題にも適用されています。

GenXは、2021年にルイビル・ガス・アンド・エレクトリック社とケンタッキー・ユーティリティーズ社とのケーススタディで導入され、オープンソースツールと公開データを利用したステークホルダー主導のモデリングが、公益事業主導の分析と計画に生産的に貢献できることが示されました。^{[ 160 ] [ 161 ]}

2022年半ばに行われた調査では、ヨーロッパ、特にドイツが直面している天然ガス危機 を検証し、 2022年10月までにロシアからの天然ガスの輸入を完全に排除するための実現可能な道筋（「ケース」と表記）がいくつかあると結論付けた。 ^{[ 147 ] [ 162 ]}現在進行中の研究では、ドイツに残る3基の原子炉の運転寿命を2022年以降に延長した場合の影響と、深刻な干ばつが水力 発電とシステム全般に及ぼす影響を検証しようとしている。

oemofはOpen Energy Modelling Frameworkの略です。このプロジェクトは、ドイツ・ベルリンのライナー・ルモワン研究所と、同じくドイツ・フレンスブルクにあるフレンスブルク大学およびフレンスブルク応用科学大学の持続可能エネルギーシステムセンター（CSESまたはZNES）によって管理されています。プロジェクトは2つのウェブサイトとGitHubリポジトリを運営しています。oemofはPythonで記述されており、最適化にはPyomoとCOIN-ORコンポーネントを使用しています。エネルギーシステムはスプレッドシート（ ​​CSV ）を使用して表現できるため、データ準備が簡素化されます。バージョン0.1.0は2016年12月1日にリリースされました。 

oemofはエネルギーモデリングフレームワークとして分類されます。線形または混合整数最適化問題定式化ライブラリ（solph）、入力データ生成ライブラリ（feedin-data）、およびその他の補助ライブラリで構成されています。solphライブラリは、複数地域および複数セクター（電力、熱、ガス、モビリティ）のシステムを表現するために使用され、財務コストやCO2排出量などのさまざまな目標に対して最適化を行うことができます。さらに、ディスパッチモードと投資モードを切り替えること_も可能です。適用範囲に関して言えば、oemofは欧州の電力システムを網羅することも、あるいは複雑な地域電力・熱セクターのスキームを記述することもできます。

oemofはサハラ以南のアフリカで適用されている。^{[ 163 ]} 2020年の修士プロジェクトでは、oemofとOSeMOSYSが比較された。^{[ 164 ]}

OSeMOSYSはOpen Source Energy Modelling Systemの略です。OSeMOSYSは国および地域の政策策定を目的としており、時間的最適化フレームワークを使用しています。このモデルは、完全な先見性を持つ単一の社会的動機を持つオペレーター/投資家を想定しています。OSeMOSYSプロジェクトは、スウェーデンのストックホルムにあるKTH王立工科大学のエネルギーシステム部門が支援するコミュニティの取り組みです。プロジェクトは背景情報を提供するウェブサイトを維持しています。また、Googleグループでいくつかの活発なインターネットフォーラムも提供しています。OSeMOSYSは当初、高水準の数理プログラミング言語であるMathProgで記述されました。その後、 GAMSとPythonで再実装され、現在では3つのコードベースすべてが維持されています。プロジェクトはUTOPIAと呼ばれるテストモデルも提供しています。マニュアルが利用可能です。^{[ 165 ]}

OSeMOSYSは、中期（10～15年）および長期（50～100年）のエネルギーシステムの分析のためのフレームワークを提供します。OSeMOSYSは純粋な線形最適化を使用し、例えば離散的な発電所容量拡張の処理には混合整数計画法のオプションがあります。熱、電力、輸送など、ほとんどのエネルギー部門をカバーしています。OSeMOSYSは、外部で定義されたエネルギーサービス需要によって駆動されます。これらの需要は、潜在力とコストの両方で特徴付けられる一連のリソースを利用する一連のテクノロジーによって満たされます。これらのリソースはエネルギー商品に限定されず、例えば水や土地利用なども含まれます。これにより、OSeMOSYSは、水システムなど、エネルギー以外の分野にも適用できます。政策上の考慮事項を反映するために、技術的制約、経済的制約、および/または環境目標を課すこともできます。OSeMOSYSは、拡張版とコンパクト版のMathProg形式で利用可能で、どちらも同じ結果が得られます。拡張版のOSeMOSYSは、400行強のコードで構成されています。 OSeMOSYSは、エネルギーシステムの縮小モデルを構築するための基盤として使用されてきました。^{[ 166 ]}

OSeMOSYS を説明する重要な論文が入手可能です。^{[ 6 ]} 2011 年の研究では、OSeMOSYS を使用して家計の投資決定の役割を調査しています。^{[ 168 ]} 2012 年の研究では、OSeMOSYS を拡張してスマートグリッドの顕著な特徴を捉えています。この論文では、発電、柔軟な需要、グリッドストレージの変動をモデル化する方法と、これらがグリッドの安定性にどのように影響するかを説明しています。^{[ 169 ]} OSeMOSYS は村落システムに適用されています。2015 年の論文では、東ティモールの農村地域における、さまざまなアクセスレベルの下での独立型、ミニグリッド、グリッド電化の利点を比較しています。 ^{[ 170 ]} 2016 年の研究では、OSeMOSYS が現実的な消費者の行動を考慮するように修正されています。^{[ 171 ]}別の 2016 年の研究では、OSeMOSYS を使用してイタリアのロンバルディア州のローカルマルチリージョンエネルギーシステムモデルを構築しています。この取り組みの目的の一つは、市民がエネルギー計画プロセスに参加するよう促すことでした。予備的な結果によると、これは成功しており、技術的ダイナミクスと非技術的問題の両方を適切に含めるにはオープンモデリングが必要であることが示されています。^{[ 172 ]}カナダのアルバータ州を対象とした2017年の論文では、技術的不確実性のために特定の排出目標を超えるリスクを考慮に入れています。この論文では、排出リスクを含めると、太陽光発電と風力発電の技術がそれぞれ7年と5年早く構築されることが他の結果の中で明らかになっています。^{[ 173 ]} 2017年の別の論文では、キプロスの電力システムを分析し、2020年以降に欧州連合の環境規制が適用されると、石油火力発電から天然ガス発電への転換が示唆されることがわかっています。^{[ 174 ]}

OSeMOSYSは、アフリカ（ 45か 国）^{[ 175 ] [ 176 ]}と南米（13か 国）^{[ 177 ] [ 178 ]}の広域電力モデルの構築に使用されてきました。また、中央ヨーロッパのサヴァ川流域[180]、東^{ヨーロッパのシルダリヤ}川流域[181] ^{: 29 、モーリシャス[ 182 ]}の国連の地域気候、土地、エネルギー、水戦略（CLEWS）^{[ 179 ]}のサポートにも使用されています。以前には^、バルト三国、ボリビア、ニカラグア、スウェーデン、タンザニアのモデルが構築されています。^{[ 183 ]}​​ 2021年の論文では、最近のアプリケーションの概要と、OSeMOSYSコードベースに関連するさまざまなバージョン、フォーク、ローカル拡張^機能の詳細がまとめられています。^{[ 184 ]} 2021 年に完了したバングラデシュの電力セクター分析では、調査したすべてのシナリオにおいて太陽光発電が経済的に競争力があると結論付けられました。 ^{[ 185 ]} 2022 年の研究では、気候変動がエチオピアの電力システムに与える影響を調べました。 ^{[ 186 ]} OSeMOSYS はジンバブエ^{[ 187 ]}とエクアドルでもさまざまな形で適用されています。^{[ 188 ]} 2022 年の別の研究では、アフリカのいくつかの低炭素エネルギー戦略について、取水と消費に分けて水の使用量を調査しました。^{[ 167 ]}同年の別の研究では、エジプトの再生可能エネルギーを調査しました。^{[ 189 ]}また、ドミニカ共和国の別の研究もありました。^{[ 190 ]}イタリアのパンテッレリア島は、バッテリーと水素貯蔵を比較するケーススタディとして使用され、ハイブリッドシステムが最もコストが低いことがわかりました。^{[ 191 ]}    

2016 年、モデル管理インフラストラクチャ (MoManI) として知られる OSeMOSYS のブラウザベースのインターフェースの開発が開始されました。国連経済社会局(DESA) が主導する MoManI は、一部の国で試験運用されています。このインターフェースは、モデルの構築、結果の視覚化、より良いシナリオの開発に使用できます。アトランティスは、トレーニング目的の架空の国のケース スタディの名前です。^{[ 192 ] [ 193 ] [ 194 ]} 2021 年3 月に、 Excel と Access を利用した clicSAND という簡略化されたGUIインターフェースがリリースされました。^{[ 195 ] [ 196 ]} otoole というCLIワークフロー ツールには、 OKI 摩擦のないデータとGNU MathProgデータ形式の間で変換できるものを含む、いくつかの専用ユーティリティがバンドルされています。^{[ 197 ] [ 184 ] : 3} 2022 年に、このプロジェクトは、アフリカ、東アジア、南米の一部の国をモデル化するためのスターター キットをリリースしました。 ^{[ 198 ]}  

西ヨーロッパと中央ヨーロッパを対象とした OSeMBE 参照モデルは、2018 年 4 月 27 日に発表されました。^{[ 200 ] [ 201 ]}このモデルは OSeMOSYS の MathProg 実装を使用していますが、最初に小さなパッチを適用する必要があります。Horizo ​​n 2020の一環として資金提供を受け、REEEM プロジェクトの作業パッケージ WP7 に含まれるこのモデルは、ヨーロッパのさまざまな持続可能なエネルギーの未来について利害関係者が関与するのを支援するために使用されます。^{[ 202 ]} REEEM プロジェクトは、2016 年初頭から 2020 年中頃まで実施されます。

2021年の論文では、OSeMOSYSコミュニティ、その構成、およびガバナンス活動について概説しています。また、開発途上国における教育や分析能力の構築におけるOSeMOSYSの利用についても説明しています。^{[ 184 ]}

PyPSA は Python for Power System Analysis の略です。PyPSA は、電力システムおよび関連セクターのシミュレーションと最適化のためのフリーソフトウェアツールボックスです。^{[ 203 ] [ 204 ]}従来型発電、変動型風力発電および太陽光発電、電力貯蔵、天然ガス、水素、熱、輸送セクターとの結合、ハイブリッド交流および直流ネットワークをサポートしています。さらに、PyPSA はスケーラビリティに優れているように設計されています。このプロジェクトは、ドイツ、カールスルーエのカールスルーエ工科大学 (KIT) の自動化および応用情報学研究所 (IAI) によって管理されていますが、プロジェクト自体は独自の名前とアカウントで独立して存在しています。プロジェクトは Web サイトを維持し、メーリングリストを運営しています。PyPSA自体はPythonで記述されており、linopyライブラリを使用しています。ソースコードはGitHubでホストされており、 PyPIパッケージとして定期的にリリースされています。

PyPSA の基本機能は 2018 年の論文で説明されています。PyPSA は、従来の定常状態電力潮流解析ソフトウェアと完全な複数期間エネルギーシステムモデルを橋渡しします。システムシミュレーションには非線形電力潮流方程式を、複数期間にわたる運用と投資の同時最適化を可能にするには線形近似のいずれかを使用して呼び出すことができます。発電機のランプアップと複数期間のアップタイムとダウンタイムを指定でき、DSMもサポートされていますが、需要は価格非弾力性のままです。^{[ 205 ]}

2018年の研究では、炭素排出量を95%削減するという制約のある将来の欧州エネルギーシステムにおけるセクターカップリングと送電網強化の間の潜在的な相乗効果を検証しています。PyPSA-Eur-Sec-30モデルは、バッテリー電気自動車（BEV）の需要側管理の可能性と、パワー・トゥ・ガス、長期熱エネルギー貯蔵、および関連技術が果たす役割を捉えています。結果によると、BEVは太陽光発電の日々の変動を平滑化できる一方、残りの技術は需要と再生可能エネルギー供給の両方の概観的および季節的変動を平滑化します。最小コスト構成には、電力網の大幅な拡張が必要です。より一般的には、このようなシステムは実現可能で手頃な価格です。基となるデータセットはZenodoから入手できます。^{[ 206 ]}

2018年1月現在 PyPSAは世界中の10以上の研究機関や企業で使用されています。^{[ 205 ]： 2}一部の研究グループは、例えば整数伝達拡張をモデル化するために、独自にソフトウェアを拡張しました。^{[ 207 ]}

2020年には、欧州向けのPyPSA-Eur-Secモデルが、エネルギーインフラに関するパリ協定に適合するいくつかのシナリオを分析するために使用され^{[ 208 ]}、早期の行動が報われるはずだと判断されました^{[ 209 ] 。}

2019年1月9日、プロジェクトはCbc ソルバーを使用したインタラクティブなウェブインターフェースの「おもちゃ」モデルを公開し、一般の人々がさまざまな将来のコストとテクノロジーを試せるようにした。^{[ 210 ] [ 211 ]} 2019年11月5日、サイトは内部的な改善、新しいURL、そしてより高速なソルバー（現在は約1時間で完了）を備えて再公開された。 12 秒。^{[ 212 ]}より新しいバージョンではHiGHSソルバーが使用されています。^{[ 213 ]}

2021年9月、PyPSA開発者は、 PyPSA - Eur - Secセクター結合型欧州モデルの簡略版へのWebインターフェースを提供するPyPSA - Serverプロジェクトを発表しました。 ^{[ 215 ] [ 216 ]}ユーザーはソフトウェアをインストールする必要がなく、フォームベースのWebページを使用して「差分」で新しいシナリオを定義できます。以前に実行されたシナリオは、将来の参照のために保存されます。 2021年10月時点での実装 これは基本的に概念実証である。

2021年後半、PyPSA - Eurの開発者は、欧州と英国向けの統合型高電圧電力および水素グリッド拡張オプションと、新しいインフラストラクチャに対する一般の受け入れが限られていることから生じる可能性のあるトレードオフの影響に関する調査を報告した。[ ^{217 ] [ 218 ]その後}の作業では、内生的学習効果が追加され、欧州委員会が予想していたよりも急激な技術コスト削減が特定された。^{[ 219 ]} 2024年に発表された作業では、PyPSA - Eurをグ​​ローバルエネルギーサプライチェーンモデルTRACEと 統合し、インフラストラクチャ政策と輸入戦略を調整する必要性を強調した。^{[ 220 ]}

 2021年12月の 研究と現在進行中の作業では、ポーランドの政策オプションを評価するためにPyPSA-PLモデルが展開されました。^{[ 221 ] [ 222 ] [ 223 ] [ 224 ]}エジンバラ大学の研究者は、2024年に英国向けの独立した電力システムモデルであるPyPSA - GBを、英国ナショナルグリッドの公式ネットゼロ将来エネルギーシナリオ（FES）の評価とともに発表しました。^{[ 225 ]}

PyPSAの複数のメンテナーが2023年6月に、PyPSAを使用したコンサルティングサービスを提供する新しい非営利スタートアップを発表した。 ^{[ 226 ]} 

REMixは「再生可能エネルギーミックス」の略です。これは、ドイツ航空宇宙センターが開発したオープンソースのフレームワークで、最適化にはGAMS、データ操作とインターフェースにはPythonを使用して、線形または混合整数最適化モデルを構築します。REMixは、エネルギーシステムモデリングのアプリケーション向けに開発されています。主な焦点は、特に国家規模で、時間とともに変化する再生可能エネルギー源によって供給されるシステムの最適化です。^{[ 233 ]}

REMix が取り組める問題の一例として、2050 年までの期間における中央ヨーロッパのゼロエミッションエネルギーシステムの開発におけるカルノー電池の可能性がモデル化されています。風力エネルギーシステムは、これらのタイプの電池と特に相性が良いことがわかりました。この研究では、エネルギーモデリングと経済モデリングを組み合わせて、このようなシステムの収益性を評価しました。^{[ 234 ]} 別の例として、ヨーロッパで複数年にわたって完全なグリーン経済に移行するための経路を比較しました。大陸にまたがるネットワークを通じたエネルギーと燃料の流れをモデル化することで、ブルー水素とグリーン水素の最適なトレードオフにより、太陽光発電と風力発電技術の完全な開発のための時間を確保できます。このフレームワークには経路最適化も組み込まれており、複数年にわたる分析と長期間にわたる戦略的計画が可能になります。^{[ 235 ]} REMix は、コスト上昇や政治的出来事による燃料供給へのさまざまな課題への対応をモデル化するためにも使用され、^{[ 236 ]}再生可能エネルギーの電力システムへの統合の分析にも使用されました。^{[ 237 ]}

REMixモデリングの計算時間は、問題で必要とされる容量計画決定の数に大きく依存します。非常に大規模なインスタンスの場合、並列ソルバーPIPS-IPM++を使用したパス最適化が採用されています。^{[ 238 ]}

REMixモデルの妥当性を検証するため、ドイツ航空宇宙センターは様々なモデル比較に参加した。^{[ 239 ] [ 240 ]}

TEMOAはTools for Energy Model Optimization and Analysisの略です。このソフトウェアは、米国ノースカロライナ州ローリーにあるノースカロライナ州立大学の土木・建設・環境工学科によって開発されています。このプロジェクトはWebサイトとフォーラムを運営しています。ソースコードはGitHubでホストされています。モデルは、 Pythonで書かれた最適化コンポーネントライブラリであるPyomoでプログラミングされています。TEMOAは、オープンソースのGLPKソルバーを含む、 Pyomoがサポートするあらゆるソルバーで使用できます。TEMOAはバージョン管理を使用してソースコードとデータセットを公開アーカイブし、それによって第三者が公開されたすべてのモデリング作業を検証できるようにします。^{[ 12 ]}

TEMOAはモデリングフレームワークとして分類され、ボトムアップ型の技術豊富なエネルギーシステムモデルを用いた分析に使用されます。このモデルの目的は、外部から指定された一連の最終需要を満たすために、エネルギー技術と資源を時間とともに展開・活用することで、システム全体のエネルギー供給コストを最小限に抑えることです。^{[ 241 ]} TEMOAは「十分に文書化されたMARKAL/TIMESモデルジェネレーターの影響を強く受けている」^{[ 242 ]： 4}

TEMOAは、2020年から2022年にかけて実施されるオープンエネルギー展望（OEO）研究プロジェクトの基盤を形成しています。OEOプロジェクトは、オープンソースツールとオープンデータを利用して、米国の脱炭素化政策オプションを深く探究します。^{[ 15 ] [ 243 ]}

2021年半ば から、メインウェブサイトにあるインタラクティブなインターフェースにより、登録ユーザーはシナリオデータをローカルで操作したり、構造化されたSQLiteファイルをアップロードしたり、TEMOAソフトウェアを使用してこれらのシナリオを実行したりできるようになりました。^{[ 244 ] [ 245 ]}また、このサービスでは、限定的なデータ視覚化機能とプロジェクト管理機能も提供されています。

RAMPは、少数のシンプルな入力に基づいて、ユーザー主導のエネルギー需要時系列を確率的にシミュレーションするためのオープンソースソフトウェアスイートです。例えば、ユーザータイプ（特定の世帯カテゴリーなど）の最小限の定義には、所有するエネルギー消費機器の種類、典型的な1日における使用時間帯、および合計使用時間に関する情報のみが必要です。このソフトウェアは、より詳細な情報が不足している部分を確率的手法で補い、人間の行動の予測不可能性を考慮に入れます。   

RAMPソフトウェアは、遠隔地でのシステム設計^{[ 246 ]}や将来の電気自動車フリートを見据える場合^{[ 247 ]}など、計測データが存在しない場所で合成データを生成できます。 また、データ要件が限られているため、同様の、しかしデータ集約的な特性評価よりも、シナリオの選択と開発において柔軟性が高まります^{[ 248 ] 。}

 RAMPは、遠隔地や住宅地における電力需要プロファイルの生成、家庭用温水使用量、調理方法、電気自動車など、さまざまな用途における科学研究に活用されてきました。関連する地理的規模は、近隣地域から大陸規模まで多岐にわたります。

RAMPは世界中に数十人のユーザーを抱えている。2020年代初頭、このソフトウェアはデルフト工科大学、VITO、ライナー・ルモワンヌ研究所、リエージュ大学、ハノーバー・ライプニッツ大学、サン・シモン大学 が支援する複数機関によるソフトウェア開発プロジェクトの一部となった。^{[ 248 ]}

RAMPはPython上で動作し、表形式の入力が必要です。グラフィカルユーザーインターフェース（GUI）が利用可能で、Webブラウザからソフトウェアを実行できます。^{[ 249 ]}

venco.py モデルフレームワークは、バッテリー電気自動車(BEV)の普及と電力システム全体との相互作用を調査するために使用できます。より具体的には、BEV は、変動の大きい再生可能エネルギーの割合が高い電力システムにおいて、短距離貯蔵に有効に貢献できます。しかし、専用のグリッド貯蔵とは異なり、BEV の貢献は、個々の車両所有者が行う接続と充電の選択に大きく依存します。^{[ 250 ]}

Venco.pyは、2030年のドイツにおけるさまざまなシナリオに適用され、予測される900 万台のBEVが稼働し、年間車両電力消費量が27  TWh。シミュレーションでは、所有者の決定が確かに重要であり、システム設計変数の中には他の変数よりも影響力が大きいものがあることが示されています。たとえば、総車両容量と急速充電設備の利用可能性は、システムの貢献度に大きな影響を与えるようです。より詳細な気象パターンと需要パターンの影響を評価するには、さらなる研究が必要です。 ^{[ 250 ]}数式は利用可能です。^{[ 251 ]} Venco.py は、以前のスプレッドシートのプロトタイプを基に構築されています。^{[ 252 ]}

現在、多くの技術コンポーネントモデルがオープンソースとして公開されています。これらのコンポーネントモデルは、公共政策策定を目的としたシステムモデル（本ページの主題）ではありませんが、言及する価値はあります。技術モジュールは、これらのより広範な取り組みにリンクさせたり、その他の方法で組み込んだりすることができます。

• サンディア太陽光発電アレイの性能モデル^{[ 254 ]}
• pvlib太陽光発電設備ライブラリ^{[ 255 ]}
• hplibヒートポンプ設備ライブラリ^{[ 256 ]}
• windpowerlib風力タービンライブラリ^{[ 257 ]}
• hydropowerlib水力発電ライブラリ^{[ 258 ]}

GAMS、AMPL、MathProg、その他の言語で多数の電力オークションモデルが記述されている。 ^{[ h ]}これらには以下が含まれる。

• EPOCノード価格設定モデル^{[ 259 ]}
• MathProgを使用したオーストラリア全国電力市場の例は、b:GLPK/Electricity marketsで見つけることができます。

多くのプロジェクトでは、古典的な最適化、制約充足、またはその両方の組み合わせを実行するために、純粋な線形または混合整数ソルバーに依存しています。オープンソースのソルバープロジェクトはいくつかありますが、最も一般的に使用されているソルバーはGLPKです。GLPK は、 Calliope、ETEM、ficus、OSeMOSYS、SWITCH、およびTEMOAに採用されています。別の選択肢として Clp ソルバーがあります。^{[ 260 ] [ 261 ]} 2022 年半ばからは、オープンソースのHiGHSソルバーが別のオプションを提供しています。HiGHS は、PyPSA欧州マルチセクターモデルのウェブベース版で使用されています。 ^{[ 262 ]}

独自開発のソルバーはオープンソースのソルバーをかなり上回る性能を発揮するため（おそらく10倍）、オープンソルバーを選択すると、速度、メモリ消費量、場合によっては扱いやすさの面でパフォーマンスが制限されることになる。^{[ 263 ]}

C++17で記述された柔軟なSMS++最適化ツールボックスは、エネルギーシステムモデリングのニーズを満たすために特別に開発されています。^{[ 264 ]}