本論文主要探討風場特性對時間電價用戶契約容量選定之影響，提出一種混合演算法，分析當時間電價用戶裝置風力發電機時，風場特性對風力發電機容量選定及擺設位置的影響，使時間電價用戶的電費支出最少。
為了提高求解的品質及效能，本論文混合了演化規劃法全域搜尋的能力及粒子群優法快速收斂的特性，提出一種演化粒子群優演算法，並在論文中比較演化規劃法、粒子群優法及演化粒子群優演算法的搜尋結果。
本研究首先選定風機的容量及數量，再考量尾流效應對風力發電機運轉的影響，藉以找出最佳的風力發電機擺設位置，接著以風力發電機的數學模型及風速資料計算風力發電機的發電量，並將此發電量於負載中扣除，最後以演化粒子群優演算法找出時間電價用戶之最佳契約容量，以達到節省電費支出的目的。
研究中以不同的風場及負載特性對時間電價用戶之影響來驗證本論文所提出的方法，結果顯示演化粒子群優演算法是一種可行的方法，此方法可作為時間電價用戶裝置風力發電機時的評估工具。

This thesis investigates the effects of wind farm characteristics on contract capacity selection for a time-of-use (TOU) rate user. This thesis proposes a new approach to estimating the effects of wind farm characteristics when determining installation capacity and the location of wind turbine generators (WTGs) in a wind farm. This approach minimizes the electricity charges for a TOU rate user.
This study proposes an evolutionary particle swarm optimization (EPSO) approach that combines the global search ability of the evolutionary programming (EP) approach and the fast convergence ability of the particle swarm optimization (PSO) approach, thus improving solution quality and computation efficiency. EPSO solution quality and computation efficiency results are then compared with PSO and EP.
The installation capacities of WTGs are determined at first. The wake effect is included to determine the optimal location of WTGs on a wind farm. The mathematical models of WTGs and wind speed data are then used to calculate the WTG output. Finally, this WTG generation is subtracted from the TOU rate user’s electricity load. The EPSO approach helps determine the optimal contract capacities that minimize the electricity charges for a TOU user.
Wind farm data and load data were applied to test the corrective of the proposed EPSO approach. Results show that EPSO is an alternative approach for solving the nonlinear optimization problem. The computer program developed in this study is useful for time-of-use rate users planning to install a wind turbine generator system in their power systems.

摘要 i
Abstract ii
誌 謝 iii
目錄 iv
表目錄 vi
圖目錄 viii
第一章 緒論 1
1.1研究背景與動機 1
1.2研究目的與方法 4
1.3章節概要 4
第二章 演化粒子群優演算法 5
2.1演化規劃法 5
2.2 粒子群優法 7
2.3演化粒子群優演算法 8
2.4實例測試 11
第三章 模型介紹 14
3.1風力發電機模型 14
3.2風向及風速資料 17
3.3風場之尾流效應 22
3.4用戶負載資料 24
第四章 時間電價與契約容量選定 25
4.1時間電價表 25
4.2最佳契約容量選定 27
4.3實例測試 29
第五章 風場特性對時間電價用戶之影響 32
5.1問題描述與目標函數 32
5.2規劃風場風力發電機位置擺設之方法 33
5.3時間電價用戶風力發電機容量選定 34
5.4考慮風場特性對目標函數之影響 38
第六章 模擬結果與討論 40
6.1考慮尾流效應之風力發電機容量選定測試 40
6.1.1利用PSO模擬測試 40
6.1.2利用EPSO模擬測試 42
6.1.3兩種演算法的比較 44
6.2風場變化對時間電價用戶之影響 45
6.2.1近似真實風向之測試 45
6.2.2風速變化之影響 49
6.2.3 風力發電機價格之影響 51
6.3負載變化對時間電價用戶之影響 52
6.4電價上漲對時間電價用戶的影響 54
第七章 結論與未來展望 56
7.1結論 56
7.2未來展望 57
參考文獻 58
作者簡介 61

[1] Kyoto Protocol to the United Nations Framework Convention on Climate Change, 1992.
[2] BP Statistical Review of World Energy, 2005
[3] 尤如瑾，”世界太陽光電產業現況及發展”，機械工業技術與市場資訊專輯，263期，2005年2月，pp.156~166。
[4] 經濟部能源局，能源政策白皮書：http://www.moeaboe.gov.tw/policy/EnergyWhite Paper/94/main/main.html
[5] 徐傑輝和陳艷茹，「再生能源發展條例(草案)介紹」，第二屆台灣風能學術研究會，第12頁到22頁，2007年12月11日。
[6] 江懷德，”台灣風力發電設置風潮湧現”，工程雙月刊，2005。
[7] L.J. Fogel , A.J. Owens and M.J. Walsh, Artificial Intelligence through Simulated Evolution, New York, Wiley,1966.
[8] 鄭富升，「整合人工智慧解非凸集的經濟調度問題」，國立中山大學，博士論文，2000年。
[9] J. Kennedy and R. Eberhart, “Particle swarm optimization,” in Proc. IEEE Int. Conf. Neural Netw., Nov. 27–Dec. 1, 1995, vol. 4, pp. 1942–1948.
[10] 蘇昱豪，「具隨機粒子與微調機制式粒子群最佳化於多極值函數問題之研 究」，國立台灣科技大學，碩士論文，2005。
[11] Tsung-Ying Lee, “Operating Schedule of Battery Energy Storage System in a Time-of-Use Rate Industrial User With Wind Turbine Generators: A Multipass Iteration Particle Swarm Optimization Approach,” IEEE Transactions on Energy Conversion, Volume 22, Issue3, Sept 2007, pp.774-782.
[12] P.W. Moore, G..K. Venayagamoorthy, ” Empirical Study of an Unconstrained Modified Particle Swarm Optimization”, IEEL Congress on Evolutionary Computation, July 2006, pp.1477-1482.
[13] R.C. Eberhart, Y. Shi, “Comparing inertia weights and constriction factors in particle swarm optimization,” Proceedings of the 2000 Congress on Evolutionary Computation, 2000, Volume 1, 16-19, July 2000 pp.84-88 vol.1.
[14] J.G. Slootwg , H. Polinder and W.L. Kling, “General model for representing variable speed wind turbines in power system dynamics simulation,” Power system, IEEE Transaction on , Volume:18 Issue:1 , pp.144-151, Feb.2003.
[15] 林俊宏，「太陽能-風力混合發電系統之可用度及成本/效益評估」，清雲科技大學，碩士論文，2005。
[16] 李聰穎，風場及負載特性對時間電價用戶風力發電機容量選擇的影響，國科會專題研究計畫，NSC94-2213-E-159-013。
[17] G. Mosetti, C. Poloni and B. Divacco, “Optimization of Wind Turbine Positioning in Large Wind Farms by Means of a Genetic Algorithm ,” J. Wind Eng,Vol.51, pp105-116,1994.
[18] National Renewable Energy Laboratory Power, U.S.,“HOMER The Optimization Model for Distributed Power-Getting Started guide v2.0,” May 2003.
[19] Gilbert M. Masters, Renewable and Efficient Electric Power Systems, 2004.
[20] J.F. Manwell, J.G. McGowan and A.L. Rogers, Wind Energy Explained-Theory, Design abd Application, John Wiley &Sons Ltd, Reprint with correction,1st Ed. August 2003.
[21] I. , J. Hojstrup and N. Jensen, “A Simple Model for Cluster Efficiency,” European Wind Energy Association Conference and Exhibition, Proceedings EWEC’86, pp.407-410,Rome, Italy, 1986.
[22] H.L. Willis and W.G. Scott, Distributed Power Generation Planning and Evaluation, Marcel Dekker, 2000.
[23] R. Billinton and R. Karki, “Capacity Expansion of Small Isolated Power Systems Using PV and Wind Energy , IEEE Trans. on Power Systems, Vol.16, pp.892-897, Nov.2001.
[24] 范姜朝陽，「時間電價用戶風力發電機容量選定」，明新科技大學，碩士論文，2006。
[25] 蔡明堂、陳松齡、鄭富升，「時間電價工業用戶最佳契約容量之訂定」，正修學報，第11期，117-124頁，1998年。
[26] 台灣電力公司電價表，中華民國95年8月。
[27] 林義傑，「蓄電池儲能系統對裝置風力發電機之時間電價用戶的影響」，明新科技大學，碩士論文，2004。
[28] 蔡德濃，「自備發電機組用戶之契約容量最佳化」，中原大學，碩士論文，2005。
[29] 謝盛全，「孤立電力系統併入大量風力發電容量之最佳操作策略與經濟評估」，明新科技大學，碩士論文，2006。
[30] 中央銀行(Central Bank)：http://www.cbc.gov.tw/default.asp
[31] 經濟部統計處(Department of Statistics, Ministry of Economic Affairs )：http://2k3dmz2.moea.gov.tw/gnweb/
[32] S.A. Grady, M.Y. Hussaini, and M.M. Abedullah, “Placement of Wind Turbines Using Genetic Algorithms, “ Renewable Energy, Vol.30, pp.259-270, 2005.