FIP制度における不確実性と定量評価の重要性：後編

確率論的に実績データから仮想個別設備プロファイルを生成するため、まずは過去のエリア平均プロファイルと個別設備プロファイルの関係を定量的に表現する。実際には個別設備はエリア全体の一部であり、両者の間には一定の相関関係が存在すると考えられることから、ここでは両プロファイルの時間帯別出力差の発生頻度を確認して確率分布に落とし込む。風力発電の発電出力は時間帯ごとに完全にランダムに決定される訳ではなく、直前の時間帯（直前時間）の出力に基づいて変化するだろう。エリア平均と個別設備の出力差についても、同様に直前時間の状況を踏まえた変化を想定することが妥当であると考えられる。従ってここでは両プロファイルの「直前時間の出力差に対する変化量」に着目する。

例えば、ある特定時間におけるエリア平均プロファイルの出力が50%（定格出力に対する当該時間の出力比率）、個別設備プロファイルの出力が55%であった場合、両者の出力差は5%p（パーセントポイント）である。次の時間においてエリア平均が49%、個別設備が56%になった場合両者の出力差は7%pに広がる。この時「直前時間の出力差に対する変化量」は7%pと5%pの差分で2%pとなる。

2020年度の北海道エリア平均プロファイルと東北エリア平均プロファイルを用いて、直前時間の出力差に対する変化量の頻度分布を描いた（図2）。例えば直前1時間の出力差が次の1時間に+0～1%pの範囲で変化する可能性は約12%、+1～2%pの範囲になる可能性は約10%であり、全体としては正規分布に近い形状が確認されるため、本分析では図2に示す平均0%、標準偏差3.2%の正規分布に従うと見なして分析を行う。

手順②で仮想的に生成した個別設備プロファイルに基づいて2020年度のFIP収入計算を行う。前回試算では、過去実績データとしての個別設備プロファイルで得られる収入はエリア平均プロファイルを前提にした収入よりも1.9%減となった。手順③では仮想個別設備プロファイルで得られる収入を用いて、これと同様の収入比較を行う。さらに手順④で仮想個別設備プロファイルの生成から収入比較までを1万回繰り返し、結果の分布を確認する。

図4には仮想個別設備プロファイルで得られる収入変化のモンテカルロシミュレーション結果を示す。横軸は合計収入・市場収入・プレミアム収入それぞれのエリア平均プロファイルに基づいた収入からの変化、縦軸は繰り返し計算での発生頻度を表している。1万回繰り返し計算における合計収入変化の平均値は1.1%増であり、平均値としては個別設備プロファイルで得られる収入の方が多い結果となった。

また、一般的に保守的な確率評価の基準値として参照されることが多いP90（90%の確率でそれ以上となる値）は5.2%減である。つまり、今回想定したエリア平均プロファイルと個別設備プロファイルの関係に基づくと、時系列的な不確実性によって発生し得る年間のダウンサイド（下振れ）のリスクは90%の確率で5.2%減少の範囲に収まると解釈できる。

また、合計収入は卸市場収入とプレミアム収入の和として計算される。両者の確率分布を比較すると、卸市場収入の方がプレミアム収入よりも横長に分布が広がっている。これは、プレミアム単価は月別に決定されるため収入が月単位での発電量に依存する一方、卸市場価格は時間別に価格が変化することから不確実性の幅が大きい結果になったと考えられる。卸市場収入の不確実性の幅が大きく、またプレミアム収入の分布がマイナス方向に寄っているため、合計収入の平均値1.1%増に対してP90の結果は5.2%減とダウンサイド側にでている。なお、プレミアムは卸市場価格が0.01円／kWhコマでは付与されない制度設計になっているため、将来的に0当該コマが多く発生する市場環境になった場合にはプレミアムの不確実性の幅も大きくなる可能性がある点には注意が必要である。