臺灣博碩士論文加值系統

自從核能發電發明後，繼水力、火力發電，雖然在近代成為世界各國發電的另一主力，卻一直無法不被世人視為最具危險性、威脅性的未爆彈。尤其近年日本的福島核災後，反核、無核的議題，已在世界各地產生熱烈探討。台灣因屬海島型國家，且天然礦產、水資源缺乏，導致發電所需燃料皆須仰賴進口。在此時空背景之下，太陽能的發展便橫空出世。從民國89年到民國104年為止，台灣的太陽能年發電總量從0.12萬度成長到850.3萬度[1]，加上經濟部自從98年公布施行「再生能源發展條例」後，太陽光電從民國98年至民國103年裝置容量新增約606 MW，成長近64倍，預計於民國一百一十四年達到6200 MW，顯示太陽能發電已成為我國綠能發展主力之一。[2]
雖然太陽能發電成為替代能源的方案，令其併聯於電力系統當中，但因為各種天氣因素而產生的不穩定發電量，勢必對電力系統造成影響。除了日照因素外，大氣環境的溫度與濕度等因子應對太陽能發電模組發電量存在著因果關係。本文旨在研究分析氣候溫度與濕度，對太陽能發電模組發電量產生之關聯性，並藉其預測短天期的發電量，提供輔助資訊讓電力系統預測其即時負載之變動，使電力系統可以預先預測備載容量之調整，進而維持系統之穩定性。

Following the hydroelectric power generation and thermal power generation, nuclear has nowadays become one of the major options for the electricity generation since been invented. Though the nuclear has been considered as the most effective solution for the electricity generation, it also bears the odium for the high risk of the mass destruction if any accident occurred. The tendency toward "Nuclear Free" or "Anti-Nuclear" has triggered a heated debate after the Fukushima nuclear accident in Japan.
Taiwan, as an island country, has the extremely high needs for importing the various fuel of the electricity generation in the absence of water resource and natural mineral. Under such circumstance, the development of solar power has answered the call upon the power generation in every country in the world. In the period of 2000 to 2015, the sum of yearly solar power generated in Taiwan has the growth from 1,200 kWh to 850,300 kWh. In addition, the installed capacity of solar power in Taiwan has the growth of 606 MW during 2009 to 2014 after the "Renewable Energy Development Act" be taken in to effect by "Bureau of Energy, Ministry of Economic Affairs, R.O.C."
With the result mentioned above, it is showed that the solar power is becoming as the major option in electricity generation in Taiwan. Though solar power has been considered as alternative power resource in the parallel system, it will also create the impact for the power system due to the unstable power feedback result from the various environment factors. Except the irradiance, the atmospheric environment factors, such as temperature and humidity, shall be also considered as the root cause in the solar power generation.
This research is aimed to analyse the relevance among solar power generation, temptation and humidity, and further provide an effective procedure for forecasting the solar power generation in short term. With the auxiliary feedback received in this solution, we expect the power system could maintain the stability by predicting the change of the immediate loading and adjustment of reserve margin.

摘 要 I
Abstract II
致 謝 III
目 錄 IV
表目錄 V
圖目錄 VI
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的與貢獻 2
1.3 論文架構 3
第二章 文獻探討 4
2.1 影響太陽能發電的因素 4
2.2 研究現況 5
第三章 研究方法與研究設計 10
3.1 研究方法 10
3.2 氣候環境條件 10
3.3 研究步驟 10
3.3.1 蒐集資料庫資訊 10
3.3.2 資料庫建立 11
3.3.3 決定資料分析之週期長短 11
3.3.4 分析資料的關聯性 12
3.3.5 以關聯性資料分析權重 24
3.3.5.1 溫度權重 30
3.3.5.2 濕度權重 31
3.3.5.3 權重總合 33
第四章 實例測試 34
4.1 實例介紹 34
4.2 測試結果 34
4.3 結果分析 37
第五章 結論與建議 39
5.1 研究結論 39
5.2 未來發展方向 39
參考文獻 40


表目錄

表1 溫度級距表 15
表2 濕度級距表 21
表3 2015年每季相近氣候之平均發電量資訊 28
表4 2015年每季相異氣候之平均發電量資訊 29
表5 溫度權重規則A 30
表6 溫度權重規則B 31
表7 濕度權重規則A 32
表8 濕度權重規則B 32
表9 春季預測結果 35
表10 夏季預測結果 35
表11 秋季預測結果 36
表12 冬季預測結果 36
表13 春季結果分析 37
表14 夏季結果分析 37
表15 秋季結果分析 38
表16 冬季結果分析 38

圖目錄
圖1 2015年每日各溫度級距之平均發電量資訊 (1-6月) 13
圖2 2015年每日各溫度級距之平均發電量資訊 (7-12月) 14
圖3 2015年每月各溫度級距之平均發電量資訊 15
圖4 2015年春季各溫度級距之平均發電量線性圖 16
圖5 2015年夏季各溫度級距之平均發電量線性圖 16
圖6 2015年秋季各溫度級距之平均發電量線性圖 17
圖7 2015年冬季各溫度級距之平均發電量線性圖 17
圖8 2015年每日各溼度級距之平均發電量資訊 (1-6月) 19
圖9 2015年每日各溼度級距之平均發電量資訊 (7-12月) 20
圖10 2015年每月各濕度級距之平均發電量資訊 21
圖11 2015年春季各溼度級距之平均發電量線性圖 22
圖12 2015年夏季各溼度級距之平均發電量線性圖 22
圖13 2015年秋季各溼度級距之平均發電量線性圖 23
圖14 2015年冬季各溼度級距之平均發電量線性圖 23
圖15 2015年每週平均發電量資訊 25
圖16 2015年每季每週平均發電量資訊 27

1.經濟部能源局能源統計年報http://web3.moeaboe.gov.tw/ECW/populace/content//ContentLink.aspx?menu_id=378
2.經濟部能源局太陽光電資訊網http://solarpv.itri.org.tw/show_news.php?pID=179
3.日電能源系統有限公司網站
http://www.solargrid.com.tw/cms1-4.html
4.王金印，「太陽能預測模式與分析技術」，行政院原子能委員會委託研究計劃，2013。
5.陳福祺，「大氣狀況對太陽能發電之影響評估」，南台科技大學電機工程研究所碩士論文，2006。
6.高翊倫，「建構台灣地區太陽能發電系統之發電量預測模型」國立交通大學工業工程與管理學系碩士論文，2000。
7.陳孟炬，「台灣東部區域戶襪HCPV太陽能發電模組效能實測分析研究」，行政院原子能委員會委託研究計劃研究報告，委託國立台東大學，2012。
8.馬金玉，羅勇，申彥波，李世奎，「太陽能預報方法及其應用和問題」，資源科學，33(5)，2011。
9.孫川永，彭友兵，高媛媛，于廣亮，姜寧，魏磊，「數值模式

10.在太陽能出力分析中的應用研究」，電網與清潔能源，28(8) ，2012。
11.李芬，陳正洪，成馳，段善旭，「太陽能光伏發電量預報方法的發展」，氣候變化研究進展，2011。
12.C. Gueymard, Daily Spectral Effects on Concentrating PV Solar Cells as Affected by Realistic Aerosol Optical Depth and Other Atmospheric Conditions”, SPIE Conf, San Diego, CA, 2009.
13.E-2527-06, Standard Test Method for Rating Electrical Performance of Concentrator Terrestrial Photovoltaic Modules and Systems Under Natural Sunlight”, ASTM Int., West Conshohocken, PA, 2006.
14.B. Marion, J. Adelstein, K. Boyle, H. Hayden, B. Hammond, T. Fletcher, B. Canada, D. Narang, A. Kimber, L. Mitchell, G. Rich, T. Townsend, Performance Parameters for Grid-Connected PV Systems”, the 31st IEEE Photovoltaics Specialists Conference and Exhibition Lake Buena Vista, Florida, 2005.
15.M. Muller, B. Marion, S. Kurtz, J. Rodriguez, "An Investigation into Spectral Parameters as they Impact CPV Module Performance”, the 6th International Conference on Concentrating Photovoltaic Systems (CPV-6), Freiburg, Germany , 2010.
16.C. A. Gueymard, Latitude and Climate Dependent Optimal Siting and Spectral Effects of Concentrating PV Technologies: Preliminary Analysis”, CPV Workshop, Marburg, 2007.
17.T. Stoffel, D. Renné, D. Myers, S. Wilcox, M. Sengupta, R.

George, C. Turchi, Concentrating Solar Power - Best Practices Handbook for the Collection and Use of Solar Resource Data”, Technical Report, NREL/TP-550-47465, 2010.
18.Jan Kleissl, Solar Energy Forecasting and Resource Assessment, Elsevier Inc., 2013.
19.R. Perez, E. Lorenz, S. Pelland, M. Beauharnois, G. V. Knowe, K. Hemker Jr., Detlev. Heinemann, J. Remund, S. C. Muller, W. Traunmuller, G. Steinmauer, D. Pozo, J. A. Ruiz-Arias, V. Lara-Fanego, L. Ramirez-Santigosa, M. Gaston-Romero, L. M. Pomares, Comparison of numerical weather prediction solar irradiance forecasts in the US, Canada and Europe”, Solar Energy 94, 2013.
20.F. Wang, Z. Mi, S. Su, H. Zhao,” Short-Term Solar Irradiance Forecasting Model Based on Artificial Neural Network Using Statistical Feature Parameters”, Energies, 5, 2012.
21.L. Martin, L. F. Zarzalejo, J. Polo, A. Navarro, R. Marchante, M. Cony, Prediction of global solar irradiance based on time series analysis: Application to solar thermal power plants energy production planning”, Solar Energy 84, 2010.
22.陳斐文，「聚光型太陽光發電系統之清洗決策分析」，國立中央大學資訊工程學系碩士論文，2012。
23.李昌晏，「太陽能電池陣列遮蔽效應之研究」，國立高雄應用科技大學電機工程系碩士論文，2009。
24.蕭德仁，「提升太陽能電池發電效率參數與機構之研究」，正修科技大學機電工程研究所碩士論文，2004。

25.陳雅鈴，「使用TRNSYS 模擬與驗證聚光型太陽光電系統電力性能」，國立中央大學能源工程研究所碩士論文，2011。
26.鄞劭殷，「太陽光電發電系統發電量預測模式之建構以臺灣地區為例」，國立交通大學工業工程與管理系所碩士論文，2008。
27.蔡建雄，「高聚光太陽光發電模組散熱系統的研究」，國立屏東科技大學研發專刊第100期，2011。