臺灣博碩士論文加值系統

負載預測的結果能協助微型電網系統，對於電源及負載的排程與控制，提供較佳化的規劃，以期能使整個微型電網的運轉同時兼顧經濟與可靠，因此，提高其預測模型的精確度，將更能夠提升微型電網運轉的穩定及安全性。微型電網的負載預測模型中依需求有超短期及短期兩大類；超短期負載預測約為數分鐘至1小時內，一般用於供電安全與可靠性的控制，並提供緊急狀態處理之預防性需要。短期負載預測則約為數小時至數日之間，大多使用於電力調度之經濟性規劃。微型電網系統基於其負載預測，相對於大型電力系統而言尚屬微少，其整體負載的變動受制於單獨負載的影響較大，故本質而言較不易達到精確的預測。基於此，本文提出適用於微型電網超短期及短期之線上負載預測演算法，首先分析負載日的相似性，將用電曲線相近的歷史資料規納為同一類型；其次利用倒傳遞類神經網路學習相似性負載歷史數據，反映輸入相關變數與輸出相關變數之間的關係，其中預測模型可分為每5分鐘，每1小時及每24小時之負載預測；最後以實際的時間序列負載進行驗證，以確定其本研究所提方法之可用性與準確性。模擬結果顯示，本文所提方法確實可以提供微型電網系統作為線上即時控制及調度規劃之參考。

The microgrid system load forecasting can help to provide better planning, scheduling and control of the system. It can make the entire operation of the microgrid more economic and reliable. Therefore, by improving the accuracy of the prediction model, the microgrid operation stability and security will be enhanced. There are two model of load forecasting, very short term model and short term model. The very short term model forecast the load from several minutes ahead until 1 hour ahead. It can be used for security control, prevention and emergency condition. Short term model that forecast from several hours ahead until several days ahead can be used to plan the power dispatch. The number of load forecasting research in microgrid system is still much fewer than the research in the large scale power system. The total load changes in microgrid system is affected by the changes of each load element, so it is less likely to achieve an accurate prediction. Based on this, algorithm that is applicable to very short term and short term load forecasting in micro grid is, analizing the similarity of the electrical load curve in the historical data. It is followed by using Back Propagation Neural. Network (BPNN) to learn the similar historical load data that reflect the relationship between the input and the output of the relevant variables. The prediction model can be divided every five minutes, every hour and every twenty-four hours of load forecast. Finally, the actual load time series is used as validation, to determine the availability and accuracy of the proposed method. The simulation results show that the proposed method can provide the the microgrid system the online real-time control and scheduling planning reference.

中文摘要 I
英文摘要 II
誌謝 III
目錄 IV
圖表索引 VI
第一章 緒論 1
1.1 研究背景與動機 1
1.2 研究方法與步驟 1
1.3 主要貢獻 3
1.4 論文架構 4
第二章 負載預測方法回顧 5
2.1 前言 5
2.2 國內外電力負載預測 5
2.2.1 國內負載預測之研究 6
2.2.2 國外負載預測之研究 7
2.3 負載預測方法彙整 9
2.3.1 迴歸分析法 9
2.3.2 時間序列分析法 10
2.3.3 資料探勘法 10
2.3.4 專家系統 11
2.3.5 模糊理論 12
2.3.6 灰色理論 13
2.3.7 類神經網路法 14
第三章 微型電網負載預測之影響因子與模型建構 16
3.1 前言 16
3.2 應用於微型電網負載預測之關鍵特性探討 16
3.3 標的微型電網之負載特性分析 17
3.4 微型電網負載預測之模型建構方法 24
3.4.1 超短期模型 26
3.4.2 短期模型 27
第四章 類神經網路法介紹 28
4.1 前言 28
4.2 生物神經元模型 28
4.3 類神經網路架構 29
4.4 類神經網路分類 33
4.5 倒傳遞演算法 35
4.5.1 學習過程 39
4.5.2 測試過程 42
第五章 微型電網之模擬分析與結果驗證 45
5.1 前言 45
5.2 微型電網超短期負載預測之模擬分析與結果驗證 45
5.2.1 基於每5分鐘預測 45
5.2.2 綜合模擬結果與分析 48
5.3 微型電網短期負載預測之模擬分析與結果驗證 54
5.3.1 基於每1小時預測 54
5.3.2 綜合模擬結果與分析 60
5.3.3 基於每24小時預測 65
5.3.4 綜合模擬結果與分析 71
第六章 結論與未來研究方向 76
6.1 結論 76
6.2 未來研究方向 76
參考文獻 78
作者簡介 83

[1]洪紹平，我國電力長期負載預測及長期電源開發規劃，經濟部能源局，2007年。
[2]張紘炬、張山盛，台灣地區電力尖峰負載預測理論模型及其應用，中國統計學報，1987年。
[3]何明山，台灣地區未來用電需求量之預測研究，國立成功大學電機工程學研究所碩士論文，1997年。
[4]黃世杰、史光榮，高階統計方法應用於電力系統短期負載預測，第二十屆電力研討會論文集，2000年。
[5]梁瑞勳、鄭清吉，結合複線性迴歸分析及模糊專家系統於短期負載預測，第二十屆電力研討會論文集，2000年。
[6]黃昭明、楊宏澤、王瑋明，應用模糊時間序列模式於短期負載預測之研究，第二十屆電力研討會論文集，2000年。
[7]梁天旗，電力系統負載預測之灰色系統模式，國立成功大學電機工程研究所碩士論文，1995年。
[8]許哲強、張家榮，灰色理論在區域需電預測之應用，能源季刊，1999年。
[9]何云輝，電力需求預測的實用方法研究，四川大學電氣工程研究所碩士論文，2005年。
[10]董大鈞，類神經網路在中長期電力負載及需求預測之應用，國立成功大學資源工程研究所碩士論文，1994年。
[11]賴正文，區域性負載預測及電力供給規劃模型建立之研究，國立成功大學資源工程研究所博士論文， 1997年。
[12]謝邦昌，台灣地區區域別電力需求預測之研究，台電工程月刊，1998年。
[13]謝政勳，應用灰色一次累加生成於短期電力負載預測，第二十屆電力研討會論文集，2000年。
[14]丁麗霞、王林梅，浙江省未來十五年電力需求預測，浙江能源，2006年。
[15]薛立敏，台灣地區家計部門電力需求之研究，經濟部能源委員會委託研究計劃，1985年。
[16]S.T. Chen, D.C. Yu, and A.R. Moghaddamjo, “Weather Sensitive Short-term Load Forecasting Using Nonfully Connected Artificial Neural Network,” IEEE Transactions on Power System, vol.7, no.3, pp.1098-1105, 1992.
[17]K.Y. Lee, and J.H. Park, “Short-term Load Forecasting Using an Artificial Neural Network,” IEEE Transactions on Power Systems, vol.7, no.1, pp.124-131, 1992.
[18]S.K. Kiartzis, A.G. Bakirtzi, and V. Petridis, “Short-Term Load Forecasting Using Neural Networks,” Electric Power systems Research, vol.33, pp.1-6, 1995.
[19]S.M. Islam, S.M. Al-Alawi, and K.A. Ellithy, “Forecasting Monthly Electric Load and Energy for a fast Growing Utility an Artificial Neural Network,” Electric Power Systems Research, vol.34, pp.1-9, 1995.
[20]T.W.S. Chow, and C.T. Leung, “Neural Network Based Short-Term Load Forecasting Using weather Compensation,” IEEE Transactions on Power Systems, vol.11, no.4, pp.1736-1742, 1996.
[21]E.A. Mohamad, M.M. Mansour, S. El-Debeiky, K.G. Mohamad, and N.D. Rao, “Result of Egypian Unified Grid Hourly Load forecasting Using an Artificial Neural Network with Expert System Interface,” Electric Power Systems Research, vol.39, pp.177-177, 1996.
[22]K. LIU, S. SUBBARAYAN, R.R. SHOUTS, M.T. MANRY, C. KWAN, F.L. LEWIS, and J. NACCARION, “Comparison of Very Short-Term Load Forecasting Techniques,” IEEE Transactions on Power Systems, vol.11, no.2, pp.877-882, May. 1996.
[23]A. Khotanzad, a.R. Reza, and T.L. Lu, “ANNSTLF-A Neural-Network-based Electric Load Forecasting System,” IEEE Transactions on Neural Networks, vol.8, no.4, pp.835-846, July. 1997.
[24]C.C. Chin, L.J. Kao, and D.F. Cook, “Combining a Neural Network with a Rule-Base Expert System Approach for Short-Term Power Load Forecasting in Taiwan,” Expert System With Application, vol.13, no.4, pp.229-305, 1997.
[25]S.J. Kiartizis, C.E. Zoumas, J.B. Theocharis, A.G. Bakirtzis, and V. Petrides, “Short-Term Load Forecasting in Autonomous Power System Using Artificial Neural Networks,” IEEE Transactions on Power Systems, vol.12, no.4, pp.1591-1596, Nov. 1997.
[26]B. Kermanshani, “Recurrent Neural Network for Forecasting Next 10 Year Loads of Nine Japanese Utilities”, Neurocomputing, vol.23, pp.125-133, 1998.
[27]A.S. Chandrashekara, T. Ananthapadmanabha, and A.D. Kulkarni, “A Neuro-expert System for Planning and Load Forecasting of Distribution System,” Electric Power and Energy Systems, vol.21, pp.309-314, 1999.
[28]A.S. Tawfiq, E.A. Ibrahim, “Artificial Neural Networks as Applied to Long-term Demand Forecasting,” Artificial Intelligence in Engineer, vol.13, pp.189-197, 1999.
[29]B.Q. Tarik Rashid, Huang M-T. Kechadi, and B. Gleeson, “Auto-regressive Recurrent Neural Network Approach for Electricity Load Forecasting,” International Journal of Computational Intelligence, vol.3, pp.36-44.
[30]V. Palayanon, “Computerized Distribution Load Forecasting for the City of Bankok”, IEEE Trans. On Power Systems, vol.PWRS-2, no.1, pp.218-225, 1987.
[31]S.C. Bhattacharyya, and T.T. Le, “Electric load forecasting for northern Vietnam, using an artificial neural network”, Organization of the Petroleum Expoting Countries, pp.159-170, 2003.
[32]http://wiki.mbalib.com/zh-tw，智庫百科。

[33]張云濤、龔玲，資料探勘原理與技術，五南圖書出版股份有限公司，2007年4月。
[34]鄭福烱，專家系統概論，第三波文化事業股份有限公司，76年5月。
[35]江孟峰，專家系統，文魁資訊股份有限公司，2002年11月。
[36]王文俊，認識Fuzzy-第二版，全華科技圖書股份有限公司，92年10月。
[37]李允中、王小璠、蘇木春，模糊理論及其應用(精裝本) ，全華科技圖書股份有限公司，2012年1月。
[38]鄧聚龍、郭洪，灰預測原理與應用，全華科技圖書股份有限公司，85年7月。
[39]鄧慶昌、陳嘉欉、賴宏仁，灰色系統基本方法及其應用，高立圖書有限公司，90年5月。
[40]鄧聚龍，灰色系統理論與應用，高立圖書有限公司，89年1月。
[41]張志明，基於灰色理論的短期電力負載預測研究，湖南大學碩士學位論文，2009年5月。
[42]葉怡成，類神經網路模式應用與實作，儒林圖書公司，2006年9月。
[43]王進德、蕭大全，類神經網路與模糊控制理論入門，全華科技圖書股份有限公司，92年9月。
[44]張斐章、張麗秋，類神經網路，台灣東華書局股份有限公司，95年5月。
[45]蘇木春、張孝德，類神經網路、模糊系統以及基因演算法則，全華科技圖書股份有限公司，2006年3月。
[46]盧炳勳、曹登發，類神經網路理論與應用，全華科技圖書股份有限公司，81年3月。
[47]張志明，基於灰色理論的短期電力負載預測研究，湖南大學碩士學位論文，2009年5月。
[48]于爾鏗，能量管理系統(EMS) ，科學出版社，2001年3月。
[49]Q. Pang, and M. Zhang, “Very Short-Term Load Forecasting Based on Neural Network and Rough Set,” International Conference on Intelligent Computation Technology and Automation, pp. 1132-1135, 2010.
[50]W. Charytoniuk, and Mo-Shing Chen, “Very Short-Term Load Forecasting Using Artificial Neural Network,” IEEE TRANSACTIONS ON POWER SYSTEMS, vol.15, pp. 263-268, 2000.
[51]A. Bakirtzis, S. Kiartzis, V. Petridis, and A. Kehagias“Short Term Load Forecasting using a Bayesian Combination Method,” Electrical Power and Energy Systems, vol.19,1997.
[52]A.G. Baklrtzls, V. Petrldls, S.J. Klartzls, M.C. Alexladls and A. H. Malssls, “A NEURAL NETWORK SHORT TERM LOAD FORECAST MODEL FOR THE GREEK POWER SYSTEM,” IEEE transactions on Power System, pp. 858-863, vol.11, 1996.
[53]D.C. Park, M. A. EI-Sharkawi, R.J. Marks, L.E. Atlas and M.J. Damborg, “Electric Load Forecasting Using An Artificial Neural Network,” IEEE transactions on Power System, pp. 442-449 vo1.6, 1991.
[54]C.N. Lu, H.T. Wu and S. Vemuri, “NEURAL NETWORK BASED SHORT TERM LOAD FORECASTING,” IEEE transactions on Power System, pp. 336-342, vol.8, 1993.
[55]許哲強，「台灣區域電力負載預測分析系統之建立與應用研究」，博士論文，國立成功大學資源工程研究所，民國91年。
[56]史光榮，「電力系統動態狀態估計與負載預測之研究」，博士論文，國立成功大學電機工程學系，民國91年。
[57]劉勝良，「智慧型電能管理系統研製」，碩士論文，國立台灣大學電機工程系研究所，民國90年。
[58]羅文毅，「基於氣象資料的配電饋線負載預測之研究」，碩士論文，國立臺灣科技大學電機工程系，民國98年。
[59]劉興明，「結合自我迴歸與類神經網路應用於電力負載預測」，碩士論文，國立東華大學資訊工程研究所，民國93年。
[60]陳彥豪，「智慧電網的發展與應用」，台灣經濟研究院，民國100年。