臺灣博碩士論文加值系統

再生能源以風力發電及太陽能發電最具環保及分散式等優點，所以發展風力發電及太陽能發電對於環境之保護及再生能源之開發有重大意義。然而風力發電併入電力系統後會延伸與許多問題，例如發電效益評估、併聯技術及調度排程等。
本論文將以風力發電系統、太陽能發電系統、柴油發電機組及充電電池組所組成一獨立發電系統，考慮風力及太陽光之氣候不確定因素進行上述之獨立發電系統短期排程，使柴油機組之成本最小，並滿足所有運轉限制式。本論文將風力及太陽光為模糊參數之拉格朗日式子表示之，並以基因演算法配合處罰函數求解最佳化問題。
本文以一獨立發電系統進行發電排程之測試，分別以基因演算法模擬未考慮風力及太陽能模糊化時與考慮風力及太陽能模糊化時之發電排程。由測試結果顯示，本研究所提出之方法對發電排程問題之最佳解具有相當之可行性。

Renewable energy including wind power and solar power has advantages, e.g., environmental protection. Developing the wind power generation and solar power generation has great significance to the protection of the environment and development of the renewable energy. However, the wind and solar power generation will cause a lot of problems after being incorporated into the power system, for example, estimating benefit of generating, commitment technique, and scheduling of power generation, etc.
This thesis deals with independent generation system that includes wind power, solar power, diesel unit and rechargeable battery group. This thesis considers the uncertain factors of climate (e.g., wind and sunlight) and investigates the short-term generation scheduling of the above-mentioned independent generation system. The cost of diesel units is minimized and all operation constrains are satisfied. The wind power and solar power modeled by fuzzy theory are expressed with the Lagrange multiplier as well as membership function for reducing the computational complexity using the genetic algorithm cooperated with penalty function.
The simulations of the non-fuzzy and fuzzy generation scheduling were performed individually. An independent generation system was used as a test system for showing the applicability of the proposed method.

摘要I
AbstractII
誌謝III
目錄 IV
圖目錄VII
表目錄XII
第一章 緒論 1
1.1 研究背景與動機 1
1.2 文獻回顧 2
1.3 研究目標與步驟 3
1.4 本論文之貢獻 4
1.5 論文之架構 5
第二章 問題描述與數學表示式7
2.1引言 7
2.2 台灣再生能源之發展 7
2.3 獨立發電系統模型 10
2.3.1 柴油發電機組介紹 11
2.3.2 風力發電系統介紹 14
2.3.3 太陽能發電系統介紹 20
2.3.4 充電電池介紹 31
2.4 機組調派（Unit Commitment） 35
2.5 優先順序法（Priority List Method） 39
2.6 最佳數學表示式 40
2-7 自變數與因變數之考慮 43
第三章 基因演算法45
3.1 基因演算法之簡介 45
3.2 基因演算法之工作原理 46
3.2.1 編碼與解碼 48
3.2.2 初始族群（Initial Population） 49
3.2.3 適應函數（Fitness Function） 49
3.2.4 複製（Reproduction） 49
3.2.5 交配（Crossover） 51
3.2.6 突變（Mutation） 54
3.2.7 終止演算 54
3.3 基因演算法數學理論 55
3.4 處罰函數（Penalty Function） 57
3.5 基因演算法之優點 59
第四章 模糊理論及其應用 60
4.1 模糊理論（Fuzzy Theory）簡介 60
4.1.1 明確集合與模糊集合 60
4.1.2 歸屬函數之定義 62
4.1.3 模糊集合表示方式 63
4.1.4 模糊集合之基本定義 65
4.1.5 模糊集合之基本運算 66
4.2 模糊線性規劃（Fuzzy Linear Programming） 68
4.2.1 線性規劃簡介 68
4.2.2 對稱式模糊線性規劃（Symmetric Fuzzy Linear Programming） 69
4.3 模糊風力及太陽能之問題表示式 74
4.4 最佳化問題之求解過程 78
第五章 模擬結果80
5.1 引言 80
5.2 模擬系統之介紹 80
5.2.1 Visual Basic 程式開發 82
5.3未考慮風力、太陽能模糊時之發電排程研究 84
5.3.1 機組全部開啟時之模擬結果 84
5.3.2 機組優先順序（Priority List）時之模擬結果 87
5.4 考慮風力、太陽能模糊時之發電排程研究 92
5.4.1模糊風力及太陽能機組全部開啟時之模擬結果 92
5.4.2模糊風力及太陽能機組優先順序時之模擬結果 122
5.5 模擬結果討論 151
第六章 結論153
參考文獻155


圖2-1 獨立發電系統 10
圖2-2 二衝程引擎工作原理 11
圖2-3 四衝程引擎工作原理 12
圖2-4 風力渦輪機性能係數 特性曲線 15
圖2-5 風力輪機輸出功率對發電機頻率特性曲線示意圖 16
圖2-6 風力機內部架構圖 18
圖2-7 風力機之風速與發電量輸出特性 20
圖2-8 pn接面二極體I-V特性圖 21
圖2-9 太陽光照射在太陽光電池上之架構圖 23
圖2-10 太陽光電池之理想狀態等效電路 23
圖2-11 太陽能電池種類 24
圖2-12 獨立型系統之連接圖 25
圖2-13 傳統多級式市電併聯型系統之架構圖 27
圖2-14 無蓄電池組之多級系統架構圖 27
圖2-15 單級式市電併聯型系統之架構圖 28
圖2-16 市電併聯型之連接圖 29
圖2-17 混合型之連接圖 30
圖2-18 蓄電池充電特性曲線 31
圖2-20 蓄電池放電特性曲線 32
圖2-20 二段式定電流-定電壓充電特性圖 33
圖2-21 蓄電池等效電路(a)理想模型；(b)線性模型；(c)戴維寧模型 33
圖3-1 基因演算法之流程圖。 46
圖3-2 基因演算法之基本單元 48
圖3-3 輪盤法選擇 51
圖3-4 單點交配 52
圖3-5 雙點交配 53
圖3-6 字罩交配 53
圖3-7 基因突變 54
圖4-1 明確集合 61
圖4-2 模糊集合 62
圖4-3 歸屬函數圖 63
圖4-4 模糊集合A與Ｂ的聯集 66
圖4-5 模糊集合A與Ｂ的交集 67
圖4-6 模糊集合A的補集 67
圖4-7 遞減函數表示圖 71
圖4-8 遞增函數表示圖 72
圖4-9 風力發電量歸屬函數 74
圖4-10 太陽能發電量歸屬函數 75
圖4-11 本論文之發電排程問題求解 79
圖5-1 發電系統之24小時負載需求 82
圖5-2 模擬程式視窗 82
圖5-3 基因變數設定視窗畫面 83
圖5-4 機組全部開啟時之最佳發電排程圖 87
圖5-5 機組全部開啟時之目標函數-柴油機組燃料成本收斂圖 87
圖5-6 優先順序時之最佳發電排程圖 91
圖5-7 優先順序時之目標函數-柴油機組燃料成本收斂圖 91
圖5-8 風力發電量歸屬函數（ =0.8 ， =0.2 ） 94
圖5-9 太陽能發電量歸屬函數（ ＝0.8 ， ＝0.2 ） 94
圖5-10 模糊風力及太陽能時，機組全部開啟之最佳發電排程圖
（d＝0.8，p＝0.2），燃料成本27100（$/h） 98
圖5-11 模糊風力及太陽能時，機組全部開啟之歸屬函數收斂圖
（d＝0.8，p＝0.2），燃料成本27100（$/h） 98
圖5-12 模糊風力及太陽能時，機組全部開啟之燃料成本收斂圖
（d＝0.8，p＝0.2），燃料成本27100（$/h） 99
圖5-13 模糊風力及太陽能時，機組全部開啟之最佳發電排程圖
（d＝0.8，p＝0.2），燃料成本27000（$/h） 102
圖5-14 模糊風力及太陽能時，機組全部開啟之歸屬函數收斂圖
（d＝0.8，p＝0.2），燃料成本27000（$/h） 102
圖5-15 模糊風力及太陽能時，機組全部開啟之燃料成本收斂圖
（d＝0.8，p＝0.2），燃料成本27000（$/h） 103
圖5-16 模糊風力及太陽能時，機組全部開啟之最佳發電排程圖
（d＝0.8，p＝0.2），燃料成本26900（$/h） 106
圖5-17 模糊風力及太陽能時，機組全部開啟之歸屬函數收斂圖
（d＝0.8，p＝0.2），燃料成本26900（$/h） 106
圖5-18 模糊風力及太陽能時，機組全部開啟之燃料成本收斂圖
（d＝0.8，p＝0.2），燃料成本26900（$/h） 107
圖5-19 風力發電量歸屬函數（ =0.9 ， =0.1 ） 108
圖5-20 太陽能發電量歸屬函數（ ＝0.9 ， ＝0.1 ） 108
圖5-21 模糊風力及太陽能時，機組全部開啟時之最佳發電排程圖
（d＝0.9，p＝0.1），燃料成本27100（$/h） 112
圖5-22 模糊風力及太陽能時，機組全部開啟之歸屬函數收斂圖
（d＝0.9，p＝0.1），燃料成本27100（$/h） 112
圖5-23 模糊風力及太陽能時，機組全部開啟之燃料成本收斂圖
（d＝0.9，p＝0.1），燃料成本27100（$/h） 113
圖5-24 模糊風力及太陽能時，機組全部開啟之最佳發電排程圖
（d＝0.9，p＝0.1），燃料成本27000（$/h） 116
圖5-25 模糊風力及太陽能時，機組全部開啟之歸屬函數收斂圖
（d＝0.9，p＝0.1），燃料成本27000（$/h） 116
圖5-26 模糊風力及太陽能時，機組全部開啟之燃料成本收斂圖
（d＝0.9，p＝0.1），燃料成本27000（$/h） 117
圖5-27 模糊風力及太陽能時，機組全部開啟之最佳發電排程圖
（d＝0.9，p＝0.1），燃料成本26900（$/h） 120
圖5-28 模糊風力及太陽能時，機組全部開啟之歸屬函數收斂圖
（d＝0.9，p＝0.1），燃料成本26900（$/h） 120
圖5-29 模糊風力及太陽能時，機組全部開啟之燃料成本收斂圖
（d＝0.9，p＝0.1），燃料成本26900（$/h） 121
圖5-30 模糊風力及太陽能時，機組優先順序之最佳發電排程圖
（d＝0.8，p＝0.2），燃料成本29900（$/h） 126
圖5-31 模糊風力及太陽能時，機組優先順序之歸屬函數收斂圖
（d＝0.8，p＝0.2），燃料成本29900（$/h） 126
圖5-32 模糊風力及太陽能時，機組優先順序之燃料成本收斂圖
（d＝0.8，p＝0.2），燃料成本29900（$/h） 127
圖5-33 模糊風力及太陽能時，機組優先順序之最佳發電排程圖
（d＝0.8，p＝0.2），燃料成本29800（$/h） 130
圖5-34 模糊風力及太陽能時，機組優先順序之歸屬函數收斂圖
（d＝0.8，p＝0.2）燃料成本29800（$/h） 130
圖5-35 模糊風力及太陽能時，機組優先順序之燃料成本收斂圖
（d＝0.8，p＝0.2），燃料成本29800（$/h） 131
圖5-36 模糊風力及太陽能時，機組優先順序之最佳發電排程圖
（d＝0.8，p＝0.2），燃料成本29700（$/h） 134
圖5-37 模糊風力及太陽能時，機組優先順序之歸屬函數收斂圖
（d＝0.8，p＝0.2）燃料成本29700（$/h） 134
圖5-38 模糊風力及太陽能時，機組優先順序之燃料成本收斂圖
（d＝0.8，p＝0.2），燃料成本29700（$/h） 135
圖5-39 模糊風力及太陽能時機組優先順序之最佳發電排程圖
（d＝0.9，p＝0.1），燃料成本29400（$/h） 140
圖5-40 模糊風力及太陽能時機組優先順序之歸屬函數收斂圖
（d＝0.9，p＝0.1），燃料成本29400（$/h） 140
圖5-41 模糊風力及太陽能時機組優先順序之燃料成本收斂圖
（d＝0.9，p＝0.1），燃料成本29400（$/h） 141
圖5-42 模糊風力及太陽能時，機組優先順序之最佳發電排程圖
（d＝0.9，p＝0.1），燃料成本29300（$/h） 144
圖5-43 模糊風力及太陽能時，機組優先順序之歸屬函數收斂圖
（d＝0.9，p＝0.1），燃料成本29300（$/h） 144
圖5-44 模糊風力及太陽能時，機組優先順序之燃料成本收斂圖
（d＝0.9，p＝0.1），燃料成本29300（$/h） 145
圖5-45 模糊風力及太陽能時，機組優先順序之最佳發電排程圖
（d＝0.9，p＝0.1），燃料成本29200（$/h） 148
圖5-46 模糊風力及太陽能時，機組優先順序之歸屬函數收斂圖
（d＝0.9，p＝0.1），燃料成本29200（$/h） 148
圖5-47 風力及太陽能模糊時，機組全部開啟時燃料成本收斂圖
（d＝0.9，p＝0.1），燃料成本29200（$/h） 149


表2-1 柴油發電機組發電量及燃料成本 39
表2-2 滿載平均成本 40
表3-1 基因演算法適應函數比率值 50
表4-1 明確集合與模糊集合之比較 62
表5-1 柴油發電機組之系統數據 81
表5-2 獨立發電系統數據資料 81
表5-3 基因演算法參數設定 84
表5-4 機組全部開啟時之基因演算法模擬結果 85
表5-5 機組全部開啟時之發電系統排程結果 85
表5-6 機組全部開啟時之λ及8台柴油發電機組之發電量（kW） 86
表5-7 柴油機組優先順序時之開關狀況 88
表5-8 優先順序時之基因演算法模擬結果 89
表5-9 優先順序時之發電系統排程結果 89
表5-10 優先順序時之之λ及8台柴油發電機組之發電量（kW） 90
表5-11 模糊風力及太陽能時，機組全部開啟之期望值d（0.8）及容限值p（0.2） 95
表5-12 模糊風力及太陽能時，機組全部開啟之模擬結果
（d＝0.8，p＝0.2），燃料成本27100（$/h） 96
表5-13 模糊風力及太陽能時，機組全部開啟之發電系統排程結果
（d＝0.8，p＝0.2），燃料成本27100（$/h） 96
表5-14 模糊風力及太陽能時，機組全部開啟之λ及8台柴油發電機組之發電量
（d＝0.8，p＝0.2），燃料成本27100（$/h） 97
表5-15 模糊風力及太陽能時，機組全部開啟之模擬結果
（d＝0.8，p＝0.2），燃料成本27000（$/h） 99
表5-16 模糊風力及太陽能時，機組全部開啟之發電系統排程結果
（d＝0.8，p＝0.2），燃料成本27000（$/h） 100
表5-17 模糊風力及太陽能時，機組全部開啟之λ及8台柴油發電機組之發電量
（d＝0.8，p＝0.2），燃料成本27000（$/h） 101
表5-18 模糊風力及太陽能時，機組全部開啟之模擬結果
（d＝0.8，p＝0.2），燃料成本26900（$/h） 103
表5-19 模糊風力及太陽能時，機組全部開啟之發電系統排程結果
（d＝0.8，p＝0.2），燃料成本26900（$/h） 104
表5-20 模糊風力及太陽能時，機組全部開啟之λ及8台柴油發電機組之發電量
（d＝0.8，p＝0.2），燃料成本26900（$/h） 105
表5-21 模糊風力及太陽能時，機組全部開啟之發電成本期望值比較結果
（d＝0.8，p＝0.2） 107
表5-22 模糊風力及太陽能時機組全部開啟之
期望值d（0.9）及容限值p（0.1） 109
表5-23 模糊風力及太陽能時，機組全部開啟之模擬結果
（d＝0.9，p＝0.1），燃料成本27100（$/h） 110
表5-24模糊風力及太陽能時，機組全部開啟之發電系統排程結果
（d＝0.9，p＝0.1），燃料成本27100（$/h） 110
表5-25 模糊風力及太陽能時，機組全部開啟之λ及8台柴油發電機組之發電量
（d＝0.9，p＝0.1），燃料成本27100（$/h） 111
表5-26 模糊風力及太陽能時，機組全部開啟之模擬結果
（d＝0.9，p＝0.1），燃料成本27000（$/h） 113
表5-27 模糊風力及太陽能時，機組全部開啟之發電系統排程結果
（d＝0.9，p＝0.1），燃料成本27000（$/h） 114
表5-28 模糊風力及太陽能時，機組全部開啟之λ及8台柴油發電機組之發電量
（d＝0.9，p＝0.1），燃料成本27000（$/h） 115
表5-29 模糊風力及太陽能時，機組全部開啟之模擬結果
（d＝0.9，p＝0.1），燃料成本26900（$/h） 117
表5-30 模糊風力及太陽能時，機組全部開啟之發電系統排程結果
（d＝0.9，p＝0.1），燃料成本26900（$/h） 118
表5-31 模糊風力及太陽能時，機組全部開啟之λ及8台柴油發電機組之發電量
（d＝0.9，p＝0.1），燃料成本26900（$/h） 119
表5-32 模糊風力及太陽能時，機組全部開啟之發電成本期望值比較結果
（d＝0.9，p＝0.1） 121
表5-33 模糊風力及太陽能時機組優先順序之
期望值d（0.8）及容限值p（0.2） 123
表5-34 模糊風力及太陽能時，機組優先順序之模擬結果
（d＝0.8，p＝0.2），燃料成本29900（$/h） 124
表5-35 模糊風力及太陽能時，機組優先順序之發電系統排程結果
（d＝0.8，p＝0.2），燃料成本29900（$/h） 124
表5-36 模糊風力及太陽能時，機組優先順序之λ及8台柴油發電機組之發電量
（d＝0.8，p＝0.2），燃料成本29900（$/h） 125
表5-37 模糊風力及太陽能時，機組優先順序之模擬結果
（d＝0.8，p＝0.2），燃料成本29800（$/h） 127
表5-38 模糊風力及太陽能時，機組優先順序之發電系統排程結果
（d＝0.8，p＝0.2），燃料成本29800（$/h） 128
表5-39 模糊風力及太陽能時，機組優先順序之λ及8台柴油發電機組之發電量
（d＝0.8，p＝0.2），燃料成本29800（$/h） 129
表5-40 模糊風力及太陽能時，機組優先順序之模擬結果
（d＝0.8，p＝0.2），燃料成本29700（$/h） 131
表5-41 模糊風力及太陽能時，機組優先順序之發電系統排程結果
（d＝0.8，p＝0.2），燃料成本29700（$/h） 132
表5-42 模糊風力及太陽能時，機組優先順序之λ及8台柴油發電機組之發電量
（d＝0.8，p＝0.2），燃料成本29700（$/h） 133
表5-43 模糊風力及太陽能時，機組優先順序之發電成本期望值比較結果
（d＝0.8，p＝0.2） 135
表5-44 模糊風力及太陽能時機組優先順序之
期望值d（0.9）及容限值p（0.1） 136
表5-45 模糊風力及太陽能時機組優先順序之模擬結果
（d＝0.9，p＝0.1），燃料成本29400（$/h） 137
表5-46模糊風力及太陽能時機組優先順序之發電系統排程結果
（d＝0.9，p＝0.1），燃料成本29400（$/h） 138
表5-47 模糊風力及太陽能時機組優先順序之λ及8台柴油發電機組之發電量
（d＝0.9，p＝0.1），燃料成本29400（$/h） 139
表5-48 模糊風力及太陽能時機組優先順序之模擬結果
（d＝0.9，p＝0.1），燃料成本29300（$/h） 141
表5-49 模糊風力及太陽能時，機組優先順序之發電系統排程結果
（d＝0.9，p＝0.1），燃料成本29300（$/h） 142
表5-50 模糊風力及太陽能時，機組優先順序之λ及8台柴油發電機組之發電量
（d＝0.9，p＝0.1），燃料成本29300（$/h） 143
表5-51 模糊風力及太陽能時，機組優先順序之模擬結果
（d＝0.9，p＝0.1），燃料成本29200（$/h） 145
表5-52 模糊風力及太陽能時，機組優先順序之發電系統排程結果
（d＝0.9，p＝0.1），燃料成本29200（$/h） 146
表5-53 模糊風力及太陽能時，機組優先順序之λ及8台柴油發電機組之發電量
（d＝0.9，p＝0.1），燃料成本29200（$/h） 147
表5-54 模糊風力及太陽能時，機組優先順序之發電成本期望值比較結果
（d＝0.8，p＝0.2） 149

〔1〕陳清山，羅天賜，「以再生能源為基礎之混合發電系統概論」，台電工程月刊，民國93年5月。
〔2〕 何秉衡，江榮城，林水秀，許炎豐，郭宗益，陳永田，「風力發電之系統衝擊模擬分析」，中華民國第二十四屆電力工程研討會論文集，民國92年，pp. 307-311。
〔3〕A. G.. Bakirtzis and P. S. Dokopulos, “Short Term Generation Scheduling in A Small Autonomous System With Unconventional Energy Sources, ” IEEE Transactions on Power Systems, Vol.3, No. 3, pp.1230-1236, 1988.
〔4〕G. C. Contaxis and J. Kabouris, “Short Term Scheduling in A Wind/Diesel Autonomous Energy System,” IEEE Transactions on Power Systems, Vol. 6, No. 3, pp. 1165-1167, 1991.
〔5〕R. M. Burns and C.A. Gibson, “Optimization of Priority Lists for A Unit Commitment Program,” Paper A 75 453-1, Presented at the IEEE/PES 1975 Summer Meeting
〔6〕G. B. Sheble, “Solution of the Unit Commitment Problem by the Method of Unit Periods,” IEEE Transactions on Power Systems, Vol. 5, No. 1, pp.257, 1990.
〔7〕S. Takriti and J.R. Birge, “Using Integer Programming to Refine Lagrangian-Based Unit Commitment Solutions,”IEEE Transactions on Power Systems, Vol. 15, No. 1, pp.151-156, Feb. 2000.
〔8〕A. Merlin and P. Sandrin, “A New Method for Unit Commitment at Electricite De France,” IEEE Transactions on Power Apparatus and Systems, Vol.102, pp. 1218-1225, 1983.
〔9〕M. Djukanovic, B. Babic, B. Milosevic, D. J. Sobajic and Y. H. Pa o, “Fuzzy Linear Programming Based Optimal Fuel Scheduling Incorporating Blending/Transloading Facilities,” IEEE Transactions on Power Systems, Vol. 11, No. 2, pp. 1017-1023, 1996.
〔10〕周鵬程，「遺傳演算法原理與應用」，全華科技圖書股份有限公司，民國91年10月。
〔11〕Y. Y. Hong and C.Y. Li, “Genetic Algorithms Based Economic Dispatch for Cogeneration Units Considering Multiplant Multibuyer Wheeling,” IEEE Transactions on Power Systems, Vol. 17, No. 1, pp. 134-140, 2002.
〔12〕S. A.Kazarlis, A. G. Bakirtzis and V. Petridis, “A Genetic Algorithm Solution to the Unit Commitment Problem,” IEEE Transactions on Power Systems, Vol. 11 ,No.1, pp. 83-92, 1996.
〔13〕吳煌、吳振中，「我國再生能源發展策略及推動現況」，台電工程月刊，民國91年11月。
〔14〕梁志堅，「台灣太陽能與風力發電」，台電工程月刊，民國91年11月。
〔15〕翁榮羨、呂威賢，「全球風力發電應用現狀與國內開發展望」，台電工程月刊，民國91年11月。
〔16〕郭禮清，「全球太陽光電開發現狀及國內應用潛力」，台電工程月刊，民國91年11月。
〔17〕鄭博昕，「風力-柴油混合發電系統動態分析」，碩士論文，海洋大學， 民國93年6月
〔18〕A.M. De Broe, S. Drouilhet, and V. Gevorgian, “A Peak Power Tracker for Small Wind Turbines in Battery Charging Applications,” IEEE Transactions on Energy Conversion, Vol. 14, No. 4, Dec. 1999, pp. 1630-1635.
〔19〕M. Matsui, T. Kitano, Xu. De-hong, and Zhong-qing Yang, “A New Maximum Photovoltaic Power Tracking Control Scheme Based on Power Equilibrium at DC Link,” IEEE Industry Applications Conference, Vol. 2, 3-7, Oct. 1999.
〔20〕T. Burton , D. Sharpe, N. Jenkins ,E. Bossanyi, “Wind Energy,” John Wiley＆Sons , Ltd. 2001.
〔21〕包璿瑋，「太陽光發電系統運轉性能評估」，碩士論文，民國91年6月。
〔22〕黃崇傑，「太陽電池的製作技術」，太陽光電發電系統技術研討會，2002年。
〔23〕華志強，「高效率低成本太陽能發電系統之研製」，行政院國家科學委員會研究計畫成果摘要報告。。
〔24〕K. H. Hussein, I. Muta, T. Hoshino, and M. Osaksda, “Maximum Photovoltaic Power Tracking: An Algorithm for Rapidly Changing Atmospheric Conditions,” IEE Proceedings on Generation, Transmission and Distribution, Vol. 142, No. 1, pp. 59-64, Jan. 1995.
〔25〕L. Zhang, A. Al-Amoudi, and B. Yunfei, “Real-Time Maximum Power Point Tracking for Grid-Connected Photovoltaic Systems,” 2000. Eighth International Conference (IEE Conf. Publ. No. 475) on Power Electronics and Variable Speed Drives, pp. 124-129, 2000.
〔26〕J. Kida, K. Tokuda, Y. Ishihara, and T. Todaka, “Analysis of DC-DC Converter for the Maximum Power Point Control of Photovoltaic,” INTELEC '91, 13th International On Telecommunications Energy Conference, pp. 291-295, 1991.
〔27〕陳守誠，「太陽能與風力發電複合系統之研製」，碩士論文，台灣科技大學，民國91年6月。
〔28〕陳德聖，「軟式切換電池充電器及檢測器之研製」，碩士論文，國立台灣科技大學，民國89年6月。
〔29〕Y. H. Kim and H. D. Ha, “Design of Interface Circuits with Electrical Battery Models,” IEEE Transactions on Industrial Electronics, vol. 44, No. 1, pp. 81-86, 1997
〔30〕鄭泉泙，「以基因演算法為基礎之火力機組排程研究」，博士論文，台灣大學，民國88年10月。
〔31〕蘇木春、張孝德，「機器學習類神經網路、模糊系統以及基因演算法」，全華科技圖書股份有限公司，民國88年1月。
〔32〕周鵬程，「遺傳演算法原理與應用」，全華科技圖書股份有限公司，民國91年10月。
〔33〕李之源，「應用基因演算法進行背壓式汽電共生廠電力代輸之 經濟調度」，碩士論文，中原大學，民國89年6月。
〔34〕黃偉芬，「以基因演算法進行多目標模糊參數之被動式濾波器規劃」，碩士論文，中原大學，民國90年6月。
〔35〕謝宏明，「使用基因演算法進行配電系統靜態轉供開關安裝位置之決定」，碩士論文，中原大學，民國93年6月。
〔36〕David E. Goldberg, “Genetic Algorithm in Search, Optimization, and Machine Learning,” Addison-Wesley, 1989.
〔37〕Mistsuo Gen and Runwei Cheng, “Genetic Algorithms and Engineering Design,” John Wiley & Sons, New York, 1997.
〔38〕L. A. Zadeh,“Fuzzy Sets,”Information and Control, Vol. 8, No. 1, 1965, pp. 338-353.
〔39〕李權方，「解制電業市場區域邊際電價之預測」，碩士論文，中原大學，民國92年6月。
〔40〕趙瑞田，「應用模糊分類回歸進行配電系統容量與能量損失估測」，碩士論文，中原大學，民國89年6月。
〔41〕高孔廉、張緯良，「作業研究」，台北五南圖書出版公司，民國83年。
〔42〕H. J. Zimmermann，“Fuzzy Set Theory－And Its Applications Second Edition”，茂昌圖書有限公司，民國80年。