臺灣博碩士論文加值系統

本論文旨在提出考量二氧化碳排放效應之最佳發電調度規劃。首先，建立火力機組於不同類型燃料下之二氧化碳排放當量模型。其次，引進二項指標，即發電成本對二氧化碳排放當量抵換曲線(Tradeoff curve)及二氧化碳減量之增量發電成本曲線(Incremental Cost for CO2 Reduction curve, ICCR curve)，以評估二氧化碳排放對於發電成本之影響程度。結合前述指標，本文進而提出單目標及雙目標規劃方法，建構基於碳排放影響下之電力調度規劃策略。此規劃策略之特點在於使得決策者能夠兼顧環保與經濟的因素。基於發電調度問題屬於大型非線性規劃問題，本文運用粒子群演算法搭配新型的編碼方式，能夠快速求得高機率之最佳電力調度規劃解。最後，以台電公司的27部機組系統為例，進行模擬測試。研究結果顯示本論文所提出的方法在離峰、半尖峰、尖峰情形下，其調度結果確實能夠有效地考量二氧化碳排放減量對發電成本的影響，達到兼顧環保與經濟之目的。

In this thesis, the optimal power dispatch planning considering the emission of carbon dioxide (CO2) is presented. First, different CO2 equivalent models for fossil fuel generating units are derived. Secondly, two index, the Cost-CO2 emission Tradeoff Curve (CCTC) and Incremental Cost for CO2 Reduction (ICCR) curve, are introduced to assess the impact of the carbon dioxide emission on the generation cost. Incorporating with the aforementioned index, the single-objective and bi-objective programming methods are employed to establish the power dispatching strategy. The salient feature of the dispatching strategy lies that the decision-maker can consider the environmental and economic factors at the same time. Since the power dispatching belongs to large-scale non-linear planning problem, this study employs a particle swarm approach with novel coding scheme for power dispatch solution, which can fast find an optimal solution with higher probability. Finally, taking the 27-unit system of the Tai-power as an example, simulation result of the study reveals that the proposed dispatching strategy can indeed consider the carbon dioxide reduction impact on cost in off-peak, half-peak and peak load conditions to achieve environmental protection and economic purpose.

中文摘要 I
Abstract III
致謝 V
目錄 VI
圖目錄 IX
表目錄 XI
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究方法與目的 3
1.3 章節概要 6
第二章　多目標規劃法與粒子群最佳化演算法 8
2.1 多目標規劃法 8
2.1.1 簡介 8
2.1.2 交談式最佳妥協法 10
2.2 粒子群演算法 18
2.2.1 簡介 18
2.2.2 粒子群演算法之基本工作原理 18
2.2.3 粒子群演算法之範例說明 23
2.2.4 粒子群演算法與其他方法比較 24
第三章　火力機組電力調度模型 26
3.1 簡介 26
3.2 數學模型 26
3.2.1 發電成本函數 26
3.2.2 火力機組二氧化碳排放模型 28
3.3 電力調度規劃限制條件 33
3.3.1 系統限制式 33
3.3.2 機組限制式 34
3.3.3 二氧化碳排放限制式 36
3.4 粒子群演算法求解過程 37
3.4.1 編碼及解碼方案 37
第四章　基於碳排放影響下之電力調度規劃方法 45
4.1 簡介 45
4.2 抵換曲線與二氧化碳減量之增量發電成本曲線 46
4.3 完整問題描述 47
4.3.1 目標規劃模式 47
4.4 問題模擬流程 49
4.4.1 基於碳排放影響下之電力調度規劃步驟 49
第五章　模擬結果與分析討論 52
5.1 簡介 52
5.2 電力系統離峰負載測試 55
5.2.1 模擬結果 55
5.2.2 分析討論 61
5.3 電力系統半尖峰負載測試 63
5.3.1 模擬結果 63
5.3.2 分析討論 69
5.4 電力系統尖峰負載測試 71
5.4.1 模擬結果 71
5.4.2 分析討論 77
第六章 結論與未來展望 79
6.1 結論 79
6.2 未來發展方向 80
參考文獻 81
作者簡介 84

[1]湯馬斯‧佛里曼，世界又熱、又平、又擠，台北市：天下遠見出版，2008年10月。
[2]UNFCCC, Kyoto Protocol, The United Nations Framework Convention on Climate Change, English Conference of the Parties, Third session Kyoto, Dec. 1997.
[3]政院環境保護署，“氣候變化綱要公約資訊網, ”Commodities Now Dec.2009, [Online]. Available : http://unfccc.saveoursky.org.tw/.
[4]行政院環境保護署，“溫室氣體排放統計, ” Commodities Now Dec.2009,[Online].Available :http://www.epa.gov.tw/ch/artPrint.aspx?art=2009011715443552.
[5]王啟川等，2007年能源科技白皮書，台北市：經濟部能源局，2007年12月。
[6]P. H. Chen and H. C. Chang, “Large Scale Economic Dispatch by Genetic Algorithm, ”IEEE Transactions on Power Systems, Vol. No.4, pp. 1919－1926, Nov. 1995.
[7]T. Yalcinoz, H. Altum, M. Uzam, “Economic Dispatch Solution Using A Genetic Algorithm Based on Arithmetic Crossover, ”IEEE Porto Power Tech Conf 10th－13th , Porto, Portugal, September 2001.
[8]工安環保處，「溫室氣體減量法對台電公司之衝擊」，台灣電力公司，台北，2009年2月。

[9]簡志達，「電力系統二氧化碳排放與發電成本雙目標調度方法之研究」，碩士論文，私立中原大學電機工程學系，1999年。
[10]M. Muslu, “Economic Dispatch with Environmental Considerations : Tradeoff Curves and Emission Reduction Rates, ” Electric Power Systems Research 71, Apr. 2004.
[11]郭政謙，「應用多目標規劃法之配電自動化決策軟體」，博士論文，國立台灣科技大學電機工程技術研究所，1998年。
[12]許志義，多目標決策，台北市：五南出版公司，1994年。
[13]M. A. Abido, “Multiobjective Evolutionary Algorithms for Electric Power Dispatch Problem, ”IEEE Transaction on Evolutionary Computation, Vol. 10, No. 3, Jun. 2006.
[14]C. M. Huang, H. T. Yang, C. L. Huang,“Bi-Objective Power Dispatch Using Fuzzy Satisfaction-Maximizing Decision Approach, ”IEEE Transactions on Power Systems, Vol. 12, No. 4, Nov. 1997.
[15]J. Kennedy and R. C. Eberhart., “Particle swarm optimization, ” Proc IEEE Int. Conf. on Neural Networks, Perth WA Australia, pp. 1942-1948, 1995.
[16]R. C. Eberhart and J. Kennedy, “A new optimizer using particle swarm theory, ” Proc . the Sixth Int . Symposium on Micro Machine and Human Science. Nagoya, Japan, pp. 39-43, 1995.
[17]R. C. Eberhart and Y. Shi, “Particle Swarm Optimization：developments，applications and resources.” Proc 2001 Congress on Evolutionary Computation. Seoul, South Korea, pp. 81-86, 2001.
[18]J. Kennedy, R. C. Eberhart, Y. Shi, “Swarm Intelligence,” San Francisco：Morgan Kaufmann Publishers, 2001.
[19]K. Dautenhahn, Book review, “Swarm Intelligence, ”Genetic Programming and Evolvable Machines, Vol. 3, No. 1, pp. 93-97 , 2002.
[20]Hadi. Saadat, Power System Analysis, 2nd ed. New York: McGraw-Hill, 2004, pp. 257-313.
[21]陳柏宏，「應用基因演算法於水火力發電排程問題之研究」，博士論文，國立台灣工業技術學院電機工程技術研究所，1996年。
[22]Cheng-Chien Kuo,“A Novel Coding Scheme for Practical Economic Dispatch by Modified Particle Swarm Approach, ” IEEE Transactions on Power Systems, Vol. 23, No. 4, Nov. 2008.
[23]ISO 14064-1, 溫室氣體盤查議定書，「97年度溫室氣體排放盤查及計算準則」，台灣電力公司，台北，2009年2月。
[24]賴慶育，「混合型線性整數規劃應用於火力機組發電排程預定之研究」，碩士論文，國立中正大學電機工程研究所，2004年。
[25]王文祥，「碳權交易機制下之機組排程研究」，博士論文，私立元智大學工業工程與管理研究所，2009年。