臺灣博碩士論文加值系統

目前全球產業已經面臨到微利時代的來臨，加上臺灣地窄人稠，四面環海，資源匱缺，使得能源開採或電廠的設置越來越不容易，造成電價不斷攀升，迫使企業不得不採取更積極的措施來因應，其中預估電力契約需量的決策就是企業降低成本的一個重要方向。

一般製造業者在向電力公司申請用電之初必須訂定契約需量，企業必須選擇最佳契約容量，避免廠內超約用電受罰或契約容量訂定過高而增加了基本電費支出，如果契約需量訂得太高，每月所繳交之基本電費形同浪費，反之，若訂定過低則將面臨2~3倍的罰款，兩者無形中皆會增加企業成本及未來的營運費用。

本文提出一個以倒傳遞類神經網路，建構一個電力需量之預測模型，以提供預測值供決策者作決策時參考，並以基因演算法進行選定最佳電力契約容量。本文以某一面板製造廠為個案研究對象，配合其所提供的數據作為實例討論與驗證其可行性。先以NeuroSolutions建構一系統進行推論運算，再以MATLAB GATool工具實際進行最佳解運算，研究結果發現藉由NeuroSolutions所得到的電力契約需量十分接近實際結果，以該預測值利用基因演算法進行最佳契約容量訂定之依據，可節省該廠不必要之電費支出。

At present the global industries are faceing a meager profit time. Taiwan is a small island and its resources are limited. The power plant construction becomes more and more difficult. That makes the electricity cost increase constantly. One of methods that an enterprise may reduce its cost is making optimal contract capacities.

A manufacturing industry must stipulate the contract capacities before applying for the electricity. An enterprise must choice the optimal contract capacities to avoid the forfeit and increasing the cost. If the contract capacities is too high, the electricity costs becomes waste. On the contrary if the contract capacities is too low, the business must to pay twice or triple forfeit. It will be increase manufacturing industry cost and operation expenses in the future.

In this thesis, a neural network for demand forecasting is proposed. Policy maker can use the result to make decision and use Genetic Algorithm to choice the optimal contract capacities. The thesis employs the real data from a TFT-LCD factory. The purpose of this study is usage of NeuroSolutions system to forecast the demand in future and use MATLAB GATool to determine optimal contract capacities. It is found that the simulation results of NeuroSolutions is very close to the actual result. A manufacturing industry can save the electrical bill cost if the proposed method is used.

目 錄
中文摘要 ………………………………………………………………… Ⅰ
英文摘要 ………………………………………………………………… Ⅱ
誌謝 ……………………………………………………………………… Ⅲ
目錄 ……………………………………………………………………… IV
圖目錄 …………………………………………………………………… VII
表目錄 …………………………………………………………………… XⅢ
符號表 …………………………………………………………………… XⅣ
第一章 序論……………………………………………………………… 1
1-1 研究背景與動機…………………………………………… 1
1-2 文獻回顧…………………………………………………… 3
1-3 本文貢獻…………………………………………………… 6
1-4 論文架構概述……………………………………………… 7
第二章 電費結構及計算………………………………………………… 9
2-1 簡介………………………………………………………… 9
2-2 經常用電…………………………………………………… 9
2-2-1 二段式時間電價…………………………………… 11
2-2-2 三段式時間電價…………………………………… 14
2-3 經常用電基本電費………………………………………… 16
2-4 經常用電流動電費………………………………………… 17
2-5 超約用電…………………………………………………… 18
2-6 功率因數調整費…………………………………………… 20
2-7 總電費……………………………………………………… 21
2-8 本章結論…………………………………………………… 21
第三章 類神經網路……………………………………………………… 22
3-1 生物神經元模型…………………………………………… 22
3-2 人工神經元模型…………………………………………… 23
3-3 倒傳遞網路………………………………………………… 24
3-4 類神經網路的運作………………………………………… 28
3-5 類神經網路的訓練………………………………………… 28
3-6 利用倒傳遞網路做電力負載需量預測…………………… 29
3-7 本章結論…………………………………………………… 30
第四章 基因演算法……………………………………………………… 31
4-1 基因演算法原理…………………………………………… 31
4-2 基因演算法的演化流程與設計…………………………… 32
4-3 基因演算法的特點………………………………………… 41
4-4 處罰函數法………………………………………………… 42
4-4-1 處罰函數法的基本概念…………………………… 42
4-4-2 處罰函數的分類…………………………………… 44
4-4-3 處罰函數的設計…………………………………… 46
4-5 用基因演算法求解最佳契約容量………………………… 47
4-6 本章結論…………………………………………………… 47
第五章 模擬計算………………………………………………………… 48
5-1 簡介………………………………………………………… 48
5-2 面板製造廠電力系統簡介………………………………… 48
5-3 利用倒傳遞網路做電力負載需量預測…………………… 51
5-4 97年度電力需量預測……………………………………… 62
5-4-1 依每日最高/最低溫及投產量預測 ……………… 63
5-4-2 依近5年每日最高/低溫及投產量預測…………… 72
5-4-3 依投產量預測……………………………………… 76
5-4-4 小結………………………………………………… 79
5-5 98年度電力需量預測……………………………………… 81
5-6 最佳化契約容量之基本電費計算………………………… 91
5-6-1 97 年度最佳化契約容量之基本電費計算 ……… 91
5-6-2 98 年度最佳化契約容量之基本電費計算 ………100
5-7 本章結論……………………………………………………104
第六章 結論與未來研究方向……………………………………………105
6-1 結論…………………………………………………………105
6-2 未來研究方向………………………………………………106
參考文獻 …………………………………………………………………107
附錄Ａ ……………………………………………………………………111

圖目錄
圖1.1 契約容量與基本電費之關係圖……………………………… 2
圖2.1 以不同供電時間來表示需量契約容量……………………… 11
圖2.2 以不同供電時間來表示二段式時間電價契約容量………… 11
圖2.3 以不同供電時間來表示三段式時間電價契約容量………… 14
圖3.1 生物神經組織架構圖………………………………………… 23
圖3.2 人工神經元…………………………………………………… 24
圖3.3 logsig 轉移函數 …………………………………………… 25
圖3.4 tansig 轉移函數 …………………………………………… 25
圖3.5 purelin 轉移函數 ………………………………………… 25
圖3.6 單層前饋網路示意圖………………………………………… 26
圖3.7 單層前饋網路詳細細節圖…………………………………… 26
圖3.8 多層前饋網路………………………………………………… 27
圖4.1 基因演算法染色體演化流程………………………………… 32
圖4.2 基因演算法之操作步驟……………………………………… 33
圖4.3 輪盤法示意圖………………………………………………… 37
圖4.4 單點交配示意圖……………………………………………… 38
圖4.5 雙點交配示意圖……………………………………………… 39
圖4.6 字罩交配示意圖……………………………………………… 39
圖4.7 突變示意圖…………………………………………………… 40
圖4.8 可行區域與不可行區域示意圖……………………………… 43
圖5.1 面板製造廠用電比重………………………………………… 48
圖5.2 面板製造廠用電比重………………………………………… 49
圖5.3 69 / 11.4KV 變電室單線圖………………………………… 49
圖5.4 11.4KV / 220-127V 變壓器………………………………… 50
圖5.5 電力系統圖…………………………………………………… 50
圖5.6 96 年度每日最高溫度圖 …………………………………… 51
圖5.7 96 年度每日最低溫度圖 …………………………………… 52
圖5.8 96 年度 BM 製程日間投產量 ……………………………… 52
圖5.9 96 年度 BM 製程夜間投產量 ……………………………… 53
圖5.10 96 年度R製程日間投產量 ………………………………… 53
圖5.11 96 年度R製程夜間投產量 ………………………………… 53
圖5.12 96 年度B製程日間投產量 ………………………………… 54
圖5.13 96 年度B製程夜間投產量 ………………………………… 54
圖5.14 96 年度G製程日間投產量 ………………………………… 54
圖5.15 96 年度G製程夜間投產量 ………………………………… 55
圖5.16 96 年度MVA製程日間投產量 ……………………………… 55
圖5.17 96 年度MVA製程夜間投產量 ……………………………… 55
圖5.18 96 年度PS製程日間投產量………………………………… 56
圖5.19 96 年度PS製程夜間投產量………………………………… 56
圖5.20 電力負載即時監控系統……………………………………… 57
圖5.21 96 年度尖峰用電需量圖 …………………………………… 57
圖5.22 96 年度週六半尖峰用電需量圖 …………………………… 58
圖5.23 96 年度離峰用電需量圖 …………………………………… 58
圖5.24 利用NeuralBuilder建立倒傳遞網路……………………… 59
圖5.25 輸入訓練輸入值資料………………………………………… 60
圖5.26 輸入訓練目標值資料………………………………………… 60
圖5.27 倒傳遞網路隱藏層個數設定對話框………………………… 61
圖5.28 隱藏層轉移函數與學習規則設定…………………………… 61
圖5.29 監督式學習參數設定………………………………………… 62
圖5.30 利用NeuroSolutions建立之倒傳遞網路 ………………… 62
圖5.31 97 年度每日最高溫 ………………………………………… 63
圖5.32 97 年度每日最低溫 ………………………………………… 64
圖5.33 97 年度 BM 製程日夜間投產量 …………………………… 64
圖5.34 97 年度 BM 製程夜間投產量 ……………………………… 65
圖5.35 97 年度R製程日間投產量 ………………………………… 65
圖5.36 97 年度R製程夜間投產量 ………………………………… 65
圖5.37 97 年度B製程日間投產量 ………………………………… 66
圖5.38 97 年度B製程夜間投產量 ………………………………… 66
圖5.39 97 年度G製程日間投產量 ………………………………… 66
圖5.40 97 年度G製程夜間投產量 ………………………………… 67
圖5.41 97 年度MVA製程日間投產量 ……………………………… 67
圖5.42 97 年度MVA製程夜間投產量 ……………………………… 67
圖5.43 97 年度PS製程日間投產量………………………………… 68
圖5.44 97 年度PS製程夜間投產量………………………………… 68
圖5.45 97 年尖峰用電需量預測Ａ ………………………………… 69
圖5.46 97 年週六半尖峰用電需量預測Ａ ………………………… 69
圖5.47 97 年離峰用電需量預測Ａ ………………………………… 70
圖5.48 92～96 年度每日最高溫平均 ……………………………… 72
圖5.49 92～96 年度每日最低溫平均………………………………… 73
圖5.50 97 年尖峰用電需量預測Ｂ…………………………………… 73
圖5.51 97 年週六半尖峰用電需量預測Ｂ…………………………… 74
圖5.52 97 年離峰用電需量預測Ｂ…………………………………… 74
圖5.53 97 年尖峰用電需量預測Ｃ…………………………………… 76
圖5.54 97 年週六半尖峰用電需量預測Ｃ…………………………… 77
圖5.55 97 年離峰用電需量預測Ｃ…………………………………… 77
圖5.56 不同預測方法之尖峰時段最高需量 ………………………… 80
圖5.57 不同預測方法之半尖峰時段最高需量 ……………………… 80
圖5.58 不同預測方法之離峰時段最高需量 ………………………… 81
圖5.59 93～97年度每日最高溫平均………………………………… 82
圖5.60 93～97年度每日最低溫平均………………………………… 83
圖5.61 98年度BM製程日間投產計劃 ……………………………… 83
圖5.62 98年度BM製程夜間投產計劃 ……………………………… 84
圖5.63 98年度R製程日間投產計劃………………………………… 84
圖5.64 98年度R製程夜間投產計劃………………………………… 84
圖5.65 98年度B製程日間投產計劃………………………………… 85
圖5.66 98年度B製程夜間投產計劃………………………………… 85
圖5.67 98年度G製程日間投產計劃………………………………… 85
圖5.68 98年度G製程夜間投產計劃………………………………… 86
圖5.69 98年度MVA製程日間投產計劃……………………………… 86
圖5.70 98年度MVA製程夜間投產計劃……………………………… 86
圖5.71 98年度PS製程日間投產計劃 ……………………………… 87
圖5.72 98年度PS製程夜間投產計劃 ……………………………… 87
圖5.73 98年尖峰用電需量預測……………………………………… 88
圖5.74 98年半尖峰用電需量預測…………………………………… 88
圖5.75 98年離峰用電需量預測……………………………………… 89
圖5.76 98年每月尖峰用電需量預測………………………………… 90
圖5.77 98年每月半尖峰用電需量預測……………………………… 90
圖5.78 97年每月離峰用電需量預測………………………………… 91
圖5.79 97年預測需量最佳二段式時間電價（經常契約容量）…… 93
圖5.80 97年預測需量最佳二段式時間電價（夏月/非夏月契約容量）… 93
圖5.81 97年預測需量最佳三段式時間電價（經常契約容量）…… 94
圖5.82 97年預測需量最佳三段式時間電價（夏月/非夏月契約容量）… 94
圖5.83 97年實際需量最佳二段式時間電價（經常契約容量）…… 96
圖5.84 97年實際需量最佳二段式時間電價（夏月/非夏月契約容量）… 96
圖5.85 97年實際需量最佳三段式時間電價（經常契約容量）…… 98
圖5.86 97年實際需量最佳三段式時間電價（夏月/非夏月契約容量）… 98
圖5.87 97年度各契約容量基本電費比較…………………………… 99
圖5.88 97年度各契約容量各月份累計基本電費比較………………100
圖5.89 98年預測需量最佳二段式時間電價（經常契約容量）……101
圖5.90 98年預測需量最佳二段式時間電價（夏月/非夏月契約容量）…102
圖5.91 98年預測需量最佳三段式時間電價（經常契約容量）……102
圖5.92 98年預測需量最佳三段式時間電價（夏月/非夏月契約容量）…103
圖5.93 98年度各契約容量各月份累計基本電費比較………………103

表目錄
表2.1 台電電價表規定全日為離峰日之時間………………………… 13
表2.2 二段式時間電價表……………………………………………… 13
表2.3 三段式時間電價表……………………………………………… 15
表4.1 輪盤法機率表…………………………………………………… 37
表5.1 97 年度實際各月份中各時段最高需量 ……………………… 70
表5.2 97 年度預估之各月份中各時段最高需量Ａ ………………… 71
表5.3 97 年度預估之各月份中各時段最高需量之誤差值Ａ ……… 71
表5.4 97 年度預估之各季中各時段最高需量之誤差值Ａ ………… 72
表5.5 97 年度預估之各月份中各時段最高需量Ｂ ………………… 75
表5.6 97 年度預估之各月份中各時段最高需量之誤差值Ｂ ……… 75
表5.7 97 年度預估之各季中各時段最高需量之誤差值Ｂ ………… 77
表5.8 97 年度預估之各月份中各時段最高需量Ｃ ………………… 78
表5.9 97 年度預估之各月份中各時段最高需量之誤差值Ｃ ……… 78
表5.10 97 年度預估之各季中各時段最高需量之誤差值Ｃ ………… 79
表5.11 各時段不同預測方法之誤差值………………………………… 79
表5.12 98 度預估之各月份中各時段最高需量 ……………………… 79
表5.13 97 年預測需量二段式時間電價最佳契約容量之用電成本 … 92
表5.14 97 年預測需量三段式時間電價最佳契約容量之用電成本 … 92
表5.15 97 年實際需量二段式時間電價最佳契約容量之用電成本 … 95
表5.16 97 年實際需量三段式時間電價最佳契約容量之用電成本 … 97
表5.17 97 年實際需量不同契約容量之用電成本 …………………… 99
表5.18 98 年預測需量二段式時間電價最佳契約容量之用電成本 …100
表5.19 98 年預測需量三段式時間電價最佳契約容量之用電成本 …101

[1]. 〝台灣電力公司營業規則及施行細則〞，經濟部，1995年8月。

[2]. Infield D.G., D.C. Hill,〝Optimal Smoothing for Trend Removal in Short Term Electricity Demand Forecasting〞, IEEE Transactions on Power Systems, Vol. 13, No. 3, pp. 1115-1120, Agu. 1998.

[3]. Ramanathan R., R. Engle, C.W.J. Granger, F. Vahid-Araghi, C. Brace, 〝Short-run Forecasts of Electricity Loads and Peaks〞, International Journal of Forecasting, Vol.13, pp.161-174, 1997.

[4]. Barakat E.H., S.A. Al-Rashed,〝Analysis of the Impact of Dynamic Events on Power Requirements〞, Electric Power Systems Research, Vol. 37, pp.137-142, 1996.

[5]. Chen S. T., D. C. Yu, A. R. Moghaddamio,〝Weather Sensitive Short Term Load Forecasting Using Nonfully Connected Neural Network〞, Transactions on Power Systems, Vol. 7, No. 3, pp. 1098-1105, Aug. 1992.

[6]. Peng T.M., N.F. Hubele, G.G. Karady,〝Advantage in the Application of Neural Networks for Short Term Load Forecasting〞, IEEE Transactions on Power Systems, Vol. 17, No. 1, pp. 250-257, Feb. 1992.

[7]. Islam S.M., S.M. Al-Alawi, K.A. Ellithy,〝Forecasting Monthly Electric Load and Energy for a Fast Growing Utility Using an Artificial Neural Network〞, Electric Power Systems Research, Vol. 34, pp. 1-9, 1995.

[8]. Mohamad E.A., M.M. Mansour, S. El-Debeiky, K.G. Mohamad, 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. 171-177, 1996.

[9]. Liu K., S. Subbarayan, R.R. Shouts, M.T. Manry, C. Kwan, F.L. Lewis, J.
Naccarino,〝Comparison of Very Short-Term Load Forecasting Techniques〞, IEEE Transactions on Power Systems, Vol. 11, pp. 877-882, May 1996.

[10]. Khotanzad A., A.R. Reza, 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.

[11]. Kermanshahi B.,〝Recurrent Neural Network for Forecasting Next 10 Year Loads of Nine Japanese Utilities〞, Neurocomputing, Vol.23, pp.125-133,1998.

[12]. Al-Saba.T., I.El-Amin,〝Artificial Neural Networks as Applied to Long-term Demand Forecasting〞, Artificial Intelligence in Engineer, Vol.13, pp.189-197,1999.

[13]. 梁瑞勳、鄭清吉，〝結合複線性回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，頁1146-1150，2000年。

[14]. 許哲強、陳家榮，〝灰色理論在區域需電預測之應用〞，能源季刊，第29卷，第4期，頁96-108，1999年。

[15]. 許哲強、陳家榮，〝灰色理論在台灣地區短期負載預測之應用〞，台電工程月刊，第625期，頁132-140，2000年。

[16]. 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。

[17]. 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。

[18]. 許哲強、賴正文、陳家榮，〝預測方法之比較以台灣地區負載預測為例〞，能源季刊，第31卷，第4期，頁66-80，2001年。

[19]. 李聰穎、林義傑、詹榮茂、陳俊隆，〝基因演算法應用於時間電價用戶契約容量選定〞，明新學報，第31期，頁87-99，2005年。

[20]. 蘇木春、張孝德編著，〝機器學習類神經網路、模糊系統以及基因演算法則〞，全華科技圖書。

[21]. 〝台灣電力公司電價表〞，經濟部，2008年7月。

[22]. 張智星，〝遺傳演算法原理與應用－活用Matlab〞，全華科技圖書，2001年。

[23]. 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，成功大學，2002年11月。

[24]. 顧克平，〝台電契約容量之動態調整研究〞，碩士論文，元智大學，2002年6月。

[25]. 蘇武雄，〝用電需量契約用戶之契約容量最佳化評估〞，交通部電信訓練所訓練叢書S346，1994年。

[26]. 張斐章、張麗秋、黃浩倫，〝類神經網路理論與實務〞，東華書局，2003年9月。

[27]. 羅華強，〝類神經網路－Matlab的應用〞，清蔚科技，2001年。

[28]. 葉怡成，〝類神經網路模式應用與實作〞，儒林圖書公司，2003年。