臺灣博碩士論文加值系統

摘要

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，使柴油機組之成本與二氧化碳排放量最小，並滿足所有運轉限制式。本論文將風力及太陽光以模糊模型表示之，並以免疫演算法及處罰函數求解交談式模糊多目標非線性規劃問題。
本文以一獨立發電系統進行發電排程之測試，分別以免疫演算法配合多目標方法模擬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求解具有相當之可行性。

Abstract

Renewable energies including wind power and solar power have advantages, e.g., environmental protection. Developing the wind power generation and solar power generation has great significance on 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 generation, 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 and CO2 emission are minimized and all operation constrains are satisfied. The wind power and solar power was modeled by fuzzy set. The immune algorithm incorporated with penalty function was used to solve this interactive multi-objective nonlinear programming problems.
An independent generation system was used as a test system for showing the applicability of the proposed method.

目 錄

摘要……………………………………………………………………I
Abstract………………………………………………………………II
致謝……………………………………………………………………III
目錄…………………………………………………………………… IV
圖目錄…………………………………………………………………VIII
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 台灣再生能源之發展…………………………………………..7
2.2 獨立發電系統模型………………………………….…………10
2.2.1 柴油發電機組介紹…………………………….………..11
2.2.2 風力發電系統介紹………………………….…………..14
2.2.3 太陽能發電系統介紹……………………….…………..20
2.2.4 充電電池介紹……………………………….…………..31
2.3 機組調派（Unit Commitment）…………………….………...36
2.4 優先順序法（Priority List Method）………………….………40
2.5 最佳數學表示式………………………………………………41

第三章 免疫演算法...............................................................................45
3.1免疫系統原理...............................................................................46
3.2免疫克隆選擇算法(Immune Clone Selection Algorithm) ……..53
3.2.1克隆操作............................................................................54
3.2.2免疫基因操作....................................................................56
3.2.3克隆選擇操作....................................................................57
3.3高級免疫克隆選擇算法...............................................................59
3.3.1自適應動態克隆算法(Adaptive Dynamic Clone Selection
Algorithm) ……………………………………….…….59
3.3.1.1抗體群動態分配...............................................60
3.3.1.2調整突變概率...................................................61
3.3.1.3抗體群調整.......................................................62
3.3.2自適應多克隆算法(Adaptive Polyclone Selection
Algorithm) …………………………………….…..…...63
3.3.2.1區間變換...........................................................64
3.3.2.2抗體群更新.......................................................65
3.3.2.3倒位操作...........................................................66
3.3.2.4多克隆操作......................................................66
3.3.3自適應混沌克隆進化算法(Adaptive Chaos Selection
Algorithm) ………………………………….………….66
3.3.3.1混沌初始化種群...............................................67
3.3.3.2提取先驗知識...................................................69
3.3.3.3免疫基因混沌操作...........................................69
3.3.4免疫記憶克隆算法(Immune Memory Clone Algorithm) 70
3.4量子克隆進化算法(Quantum Clone Evolution
Algorithm) ……………………………………….…….72
3.4.1量子計算原理....................................................................72
3.4.2量子進化算法....................................................................74
3.4.2.1量子進化算法之基本概念.................................74
3.4.2.2由量子染色體 生成二進制群體 ........76
3.4.2.3量子突變.............................................................76
3.5處罰函數(Penalty Function) ……………………………………77

第四章 交談式模糊多目標非線性規劃法…………………………..81
4.1模糊理論簡介...............................................................................81
4.2模糊集合的定義...........................................................................82
4.2.1模糊數(Fuzzy Number) ………………………………....82
4.2.2 位階集合( -level Set)…………………….…………..84
4.3多目標非線性規劃.......................................................................84
4.3.1模糊多目標非線性規劃....................................................85
4.3.2交談式模糊多目標非線性規劃........................................86
4.4解題步驟.......................................................................................88
4.5最佳化問題之轉換.......................................................................88

第五章 本文所提出方法之運用...........................................................93
5.1免疫克隆選擇算法運用………………………………………...93
5.1.1免疫克隆選擇算法(Immune Clone Selection Algorithm)
(實數型編碼) ………………………………….……………..93
5.1.2免疫克隆選擇算法(Immune Clone Selection Algorithm)
(二進制編碼) ……………………………………….………..96
5.2自適應動態克隆算法運用...........................................................98
5.2.1自適應動態克隆算法(Adaptive Dynamic Clone Selection
Algorithm)(實數型編碼) ………………………….…………98
5.2.2自適應動態克隆算法(Adaptive Dynamic Clone Selection
Algorithm)(二進制編碼) ………………………….……..…100
5.3自適應多克隆算法(Adaptive Polyclone Selection Algorithm)
(實數型編碼) ……………………………………….…………102
5.4自適應混沌克隆進化算法(Adaptive Chaos Selection Algorithm)
(實數型編碼) ……………………………………….…………103
5.5免疫記憶克隆算法(Immune Memory Clone Algorithm)
(實數型編碼) …………………………………….……………106
5.6量子克隆進化算法運用.............................................................108
5.6.1量子克隆進化算法(Quantum Clone Evolution Algorithm)
(實數型編碼) …………………………………….…………..108
5.6.2量子克隆進化算法(Quantum Clone Evolution Algorithm)
(二進制編碼) ………………………………….……...……...109

第六章 模擬結果.................................................................................113
6.1風力和太陽能模糊時之發電排程研究……………………….113
6.1.1機組全部開啟模擬結果(α= 0) ………………………...116
6.1.2機組優先順序時之模擬結果…………..………………152
6.2不確定性風力與太陽發電…………………………………….190
6.2.1機組全開時之隸屬度測試……………………………..190
6.2.2機組優先順序時之隸屬度測試………………………..199
6.2.3機組全開時之目標函數測試…………………………..209
6.2.4優先順序時之目標函數測試…………………………..215
6.3模擬結果討論………………………………………………….222

第七章 結論…………………………………………………………225

參考文獻………………………………………………………………227





圖 目 錄

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…………………………22
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…………………………………………..32
圖2-19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…………………………………………………...………..…...34
圖3-1免疫演算法示意圖………………………………………………45
圖3-2免疫反應中各因素間的相互關係………………………………46
圖3-3抗原與抗體結合示意圖…………………………………………48
圖3-4細胞免疫和體液免疫……………………………………………50
圖3-5克隆選擇說明圖…………………………………………………52
圖3-6免疫克隆選擇對適應度的改變…………………………………53
圖3-7免疫克隆選擇算法的主要操作過程……………………………54
圖3-8自適應動態克隆算法……………………………………………60
圖3-9單點交配…………………………………………………………63
圖3-10雙點交配………………………………………………………..63
圖3-11自適應多克隆算法……………………………………………..64
圖3-12自適應混沌克隆進化算法……………………………………..67
圖3-13序列進入混沌的過程…………………………………………..68
圖3-14免疫記憶克隆算法流程圖……………………………………..71
圖3-15量子進化算法流程……………………………………………..75
圖6-1發電系統之24小時負載需求………………………………….116
圖6-2 ICSA(實數型編碼)機組全部開啟時之目標函數-Z值收斂圖120
圖6-3 ICSA(二進制編碼)機組全部開啟時之目標函數-Z值收斂圖124
圖6-4 ADCSA(實數型編碼)機組全部開啟時之目標函數-Z值收斂圖……………………………………………………………………….128
圖6-5 ADCSA(二進制編碼)機組全部開啟時之目標函數-Z值收斂圖……………………………………………………………………….132
圖6-6 APSA機組全部開啟時之目標函數-Z值收斂圖……….…….136
圖6-7 ACSA機組全部開啟時之目標函數-Z值收斂圖…………….140
圖6-8 IMCA機組全部開啟時之目標函數-Z值收斂圖…………….144
圖6-9 QCEA(實數型編碼)機組全部開啟時之目標函數-Z值收斂圖……………………………………………………...............………..148
圖6-10 QCEA(二進制編碼)機組全部開啟時之目標函數-Z值收斂圖…………………………………………………………………….....152
圖6-11 ICSA(實數型編碼)優先順序時之目標函數-Z值收斂圖…...157
圖6-12 ICSA(二進制編碼)優先順序時之目標函數-Z值收斂圖…...161
圖6-13 ADCSA(實數型編碼)優先順序時之目標函數-Z值收斂圖...165
圖6-14 ADCSA(二進制編碼)優先順序時之目標函數-Z值收斂圖...169
圖6-15 APSA優先順序時之目標函數-Z值收斂圖…………….…...173
圖6-16 ACSA優先順序時之目標函數-Z值收斂圖…………….…..177
圖6-17 IMCA優先順序時之目標函數-Z值收斂圖………………...181
圖6-18 QCEA(實數型編碼)優先順序時之目標函數-Z值收斂圖….185
圖6-19 QCEA(二進制編碼)優先順序時之目標函數-Z值收斂圖….189
圖6-20 ICSA(實數型編碼) 機組全開時之不同模糊程度的收斂過程……………………………………………………………………….191
圖6-21 ICSA(二進制編碼) 機組全開時之不同模糊程度的收斂過程……………………………………………………………………….192
圖6-22ADCSA(實數型編碼) 機組全開時之不同模糊程度的收斂過程……………………………………………………..............………..193
圖6-23ADCSA(二進制編碼) 機組全開時之不同模糊程度的收斂過程…………………………………………………………………….....194
圖6-24 APSA機組全開時之不同模糊程度的收斂過程……………195
圖6-25ACSA機組全開時之不同模糊程度的收斂過程…………….196
圖6-26IMCA機組全開時之不同模糊程度的收斂過程…………….197
圖6-27 QCEA(實數型編碼) 機組全開時之不同模糊程度的收斂過程……………………………………………………………………….198
圖6-28 QCEA(二進制編碼)機組全開時之不同模糊程度的收斂過程……………………………………………………………………….199
圖6-29 ICSA(實數型編碼)優先順序時之不同模糊程度的收斂過程……………………………………………………………………….200
圖6-30 ICSA(二進制編碼)優先順序時之不同模糊程度的收斂過程…………………………………………………………………...…..201
圖6-31 ADCSA(實數型編碼)優先順序時之不同模糊程度的收斂過程…………………………………………………………….………...202
圖6-32ADCSA(二進制編碼)優先順序時之不同模糊程度的收斂過程……………………………………………………………………….203
圖6-33APSA優先順序時之不同模糊程度的收斂過程…………….204
圖6-34ACSA優先順序時之不同模糊程度的收斂過程…………….205
圖6-35 IMCA優先順序時之不同模糊程度的收斂過程……………206
圖6-36 QCEA(實數型編碼)優先順序時之不同模糊程度的收斂過程……………………………………………………..………………...207
圖6-37QCEA(二進制編碼)優先順序時之不同模糊程度的收斂過程……………………………………………………………………….208































表 目 錄

表2-1柴油發電機組發電量及燃料成本………………………………40
表2-2滿載平均成本……………………………………………………41
表3-1量子旋轉算符變化角度 對應表……………………………….76
表5-1概率轉換二進制………………………………………………...97
表5-2量子旋轉算符變化角度 對應表……………………………...111
表6-1柴油發電機組之系統數據……………………………………..114
表6-2獨立發電系統數據資料………………………………………..115
表6-3機組全部開啟時之ICSA(實數型編碼)模擬結果(α=0)………117
表6-4 ICSA(實數型編碼)機組全部開啟時之發電系統排程結果(α=0)…………………………………………………………….117
表6-5 ICSA(實數型編碼)機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………………...118
表6-6 ICSA(實數型編碼)機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0)………………………………………………...119
表6-7機組全部開啟時之ICSA(二進制編碼)模擬結果(α=0)………120
表6-8 ICSA(二進制編碼)機組全部開啟時之發電系統排程結果(α=0)……………………………………………………………121
表6-9 ICSA(二進制編碼)機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………………..122
表6-10 ICSA(二進制編碼)機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0) …………………………………………123
表6-11機組全部開啟時之ADCSA(實數型編碼)模擬結果(α=0)…124
表6-12 ADCSA(實數型編碼)機組全部開啟時之發電系統排程結果 (α=0)……………………………………………………………125
表6-13 ADCSA(實數型編碼)機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)………………………………………..126
表6-14 ADCSA(實數型編碼)機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0) …………………………………………127
表6-15機組全部開啟時之ADCSA(二進制編碼)模擬結果(α=0)….128
表6-16 ADCSA(二進制編碼)機組全部開啟時之發電系統排程結果 (α=0)……………………………………………………………129
表6-17 ADCSA(二進制編碼)機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)…………………………….…………..130
表6-18 ADCSA(二進制編碼)機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0) …………………………………………131
表6-19機組全部開啟時之APSA模擬結果(α=0)…………….…….132
表6-20 APSA機組全部開啟時之發電系統排程結果(α=0)…………133
表6-21 APSA機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………………………………134
表6-22 APSA機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0)……………………………………………………………135
表6-23機組全部開啟時之ACSA模擬結果(α=0)…………………...136
表6-24 ACSA機組全部開啟時之發電系統排程結果(α=0)……….. 137
表6-25 ACSA機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………………………………138
表6-26 ACSA機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0)……………………………………………………………139
表6-27機組全部開啟時之IMCA模擬結果(α=0)………………….140
表6-28 IMCA機組全部開啟時之發電系統排程結果(α=0)………..141
表6-29 IMCA機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………………………………142
表6-30 IMCA機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0)……………………………………………………………143
表6-31機組全部開啟時之QCEA(實數型編碼)模擬結果(α=0)…...144
表6 32 QCEA (實數型編碼)機組全部開啟時之發電系統排程結果 (α=0)……………………………………………………………145
表6-33 QCEA (實數型編碼)機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………….…..146
表6-34 QCEA (實數型編碼)機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0)……………………………………….…..147
表6-35機組全部開啟時之QCEA(二進制編碼)模擬結果(α=0)……148
表6-36 QCEA (二進制編碼)機組全部開啟時之發電系統排程結果 (α=0)……………………………………………………….……149
表6-37 QCEA (二進制編碼)機組全部開啟時之λ及8台柴油發電機組之發電量(kW) (α=0)………………………………….………..150
表6-38 QCEA (二進制編碼)機組全部開啟時之8台柴油發電機組之CO2排放量(g) (α=0)……………………………….………….151
表6-39柴油機組優先順序時之開關狀況……………………………153
表6-40優先順序時之ICSA(實數型編碼)模擬結果(α=0)…………. 154
表6-41 ICSA(實數型編碼)優先順序時之發電系統排程結果(α=0)..154
表6-42 ICSA(實數型編碼)優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)…………………………………………….……..155
表6-43 ICSA(實數型編碼)優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)…………………………………………………...156
表6-44優先順序時之ICSA(二進制編碼)模擬結果(α=0)…………..157
表6-45 ICSA(二進制編碼)優先順序時之發電系統排程結果(α=0)..158
表6-46 ICSA(二進制編碼)優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)…………………………………………….……..159
表6-47 ICSA(二進制編碼)優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)…………………………………………….……..160
表6-48優先順序時之ADCSA (實數型編碼)模擬結果(α=0)……….161
表6-49 ADCSA (實數型編碼)優先順序時之發電系統排程結果(α=0)……………………………………………………………162
表6-50 ADCSA (實數型編碼)優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………………..163
表6-51 ADCSA (實數型編碼)優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)………………………………………………...164
表6-52優先順序時之ADCSA (二進制編碼)模擬結果(α=0)……….165
表6-53 ADCSA (二進制編碼)優先順序時之發電系統排程結果(α=0)………………………………………………….…………166
表6-54 ADCSA (二進制編碼)優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)………………………………….…………..167
表6-55 ADCSA (二進制編碼)優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)………………………………………………...168
表6-56優先順序時之APSA模擬結果(α=0)………………………..169
表6-57 APSA優先順序時之發電系統排程結果(α=0)………………170
表6-58 APSA優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………………………….……171
表6-59 APSA優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)…………………………………………………….………172
表6-60優先順序時之ACSA模擬結果(α=0)………………………..173
表6-61 ACSA優先順序時之發電系統排程結果(α=0)………….…...174
表6-62 ACSA優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)…………………………………………………….………175
表6-63 ACSA優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)…………………………………………………….………176
表6-64優先順序時之IMCA模擬結果(α=0)………………….……..177
表6-65 IMCA優先順序時之發電系統排程結果(α=0)……….……...178
表6-66 IMCA優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)…………………………………………………….………179
表6-67 IMCA優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)…………………………………………………….………180
表6-68優先順序時之QCEA(實數型編碼)模擬結果(α=0)…….……181
表6-69 QCEA(實數型編碼)優先順序時之發電系統排程結果(α=0) .182
表6-70 QCEA(實數型編碼)優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)…………………………………………….…..183
表6-71 QCEA(實數型編碼)優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)…………………………………………………...184
表6-72優先順序時之QCEA(二進制編碼)模擬結果(α=0)……….…185
表6-73 QCEA(二進制編碼)優先順序時之發電系統排程結果(α=0) .186
表6-74 QCEA(二進制編碼)優先順序時之λ及8台柴油發電機組之發電量(kW) (α=0)……………………………………….………..187
表6-75 QCEA(二進制編碼)優先順序時之8台柴油發電機組之CO2排放量(g) (α=0)……………………………………………….…..188
表6-76 ICSA(實數型編碼)機組全開時之不同模糊程度之比較結果………………………………………………………………..190
表6-77 ICSA(二進制編碼) 機組全開時之不同模糊程度之比較結果………………………………………………………………..191
表6-78 ADCSA(實數型編碼) 機組全開時之不同模糊程度之比較結果………………………………………………………………..192
表6-79 ADCSA(二進制編碼) 機組全開時之不同模糊程度之比較結果………………………………………………………………..193
表6-80 APSA機組全開時之不同模糊程度之比較結果…………….194
表6-81 ACSA機組全開時之不同模糊程度之比較結果……………195
表6-82 IMCA機組全開時之不同模糊程度之比較結果……………196
表6-83 QCEA(實數型編碼) 機組全開時之不同模糊程度之比較結果………………………………………………………………..197
表6-84 QCEA(二進制編碼) 機組全開時之不同模糊程度之比較結果………………………………………………………………..198
表6-85 ICSA(實數型編碼)優先順序時之不同模糊程度之比較結果………………………………………………………………..200
表6-86 ICSA(二進制編碼) 優先順序時之不同模糊程度之比較結果………………………………………………………………..201
表6-87 ADCSA(實數型編碼) 優先順序時之不同模糊程度之比較結果………………………………………………………………..202
表6-88 ADCSA(二進制編碼) 優先順序時之不同模糊程度之比較結果………………………………………………………………..203
表6-89 APSA優先順序時之不同模糊程度之比較結果…………….204
表6-90 ACSA優先順序時之不同模糊程度之比較結果……………205
表6-91 IMCA優先順序時之不同模糊程度之比較結果……………206
表6-92 QCEA(實數型編碼) 優先順序時之不同模糊程度之比較結果………………………………………………………………..207
表6-93 QCEA(二進制編碼) 優先順序時之不同模糊程度之比較結果………………………………………………………………..208
表6-94 ICSA(實數型編碼)機組全開時之不同期望目標值之結果...209
表6-95 ICSA(二進制編碼)機組全開時之不同期望目標值之結果...209
表6-96 ADCSA(實數型編碼)機組全開時之不同期望目標值之結果………………………………………………………………..210
表6-97 ADCSA(二進制編碼)機組全開時之不同期望目標值之結果………………………………………………………..………211
表6-98 APSA機組全開時之不同期望目標值之結果………….……211
表6-99 ACSA機組全開時之不同期望目標值之結果………………212
表6-100 IMCA機組全開時之不同期望目標值之結果……………..213
表6-101 QCEA(實數型編碼)機組全開時之不同期望目標值之結果………………………………………………………………..213
表6-102 QCEA(二進制編碼)機組全開時之不同期望目標值之結果………………………………………………………………..214
表6-103 ICSA(實數型編碼)優先順序時之不同期望目標值之結果 .215
表6-104 ICSA(二進制編碼)優先順序時之不同期望目標值之結果 .216
表6-105 ADCSA(實數型編碼)優先順序時之不同期望目標值之結果………………………………………………………………..216
表6-106 ADCSA(二進制編碼)優先順序時之不同期望目標值之結果………………………………………………………………..217
表6-107 APSA優先順序時之不同期望目標值之結果……………...218
表6-108 ACSA優先順序時之不同期望目標值之結果……………..218
表6-109 IMCA優先順序時之不同期望目標值之結果……………..219
表6-110 QCEA(實數型編碼)優先順序時之不同期望目標值之結果………………………………………………………………..220
表6-111 QCEA(二進制編碼)優先順序時之不同期望目標值之結果………………………………………………………………..220
表6-112機組全開啓時之最佳化算法模擬結果……………………..223

參考文獻

〔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〕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.
〔3〕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.
〔4〕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
〔5〕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.257-260, 1990.
〔6〕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.
〔7〕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.
〔8〕J. S. Chun, M. K. Kim, H. K. Jung and S. K. Hong “Shape Optimization of electromagnetic devices using Immune Algorithm,” IEEE Transactions on Magnetics, Vol. 33, No. 2, March 1997.
〔9〕S. J. Huang “An Immune-Based Optimization Method to Capacitor Placement in a Radial Distribution System,” IEEE Transactions on Power Delivery, Vol. 15, No. 2, pp. 744-749, April 2000.
〔10〕C. S. Chen, C. H. Lin, H. J. Chuang,C. S. Li, M. Y. Huang, and C. W. Huang “Optimal Placement of Line Switches for Distribution Automation Systems Using Immune Algorithm,” IEEE Transactions on Power Systems, Vol. 21, No. 3, pp. 1209-1217, August 2006.
〔11〕G. C. Luh and C. H. Chueh “Multi-objective optimal design of truss structure with immune algorithm,” Computers and Structures, Vol. 82 , pp.829–844, 2004.
〔12〕Z. Zhang “Immune optimization algorithm for constrained nonlinear multi-objective optimization problems,” Applied Soft Computing , Vol. 7 , pp840–857, 2007.
〔13〕S. L. Chen, T. S. Zhanb and M. T. Tsay “Generation expansion planning of the utility with refined immune algorithm,” Electric Power Systems Research , Vol. 76, pp251–258, 2006.
〔14〕A. Jain, S. C. Tripathy, R. Balasubramanian and Y. Kawazoe “Stochastic Load Flow Analysis Using Artificial Neural Networks,” Power Engineering Society General Meeting, 2006. IEEE.
〔15〕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。
〔16〕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。
〔17〕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。
〔18〕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。
〔19〕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.
〔20〕M. Matsui, T. Kitano, D. H. Xu, and Z. Q. 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.
〔21〕T. Burton , D. Sharpe, N. Jenkins and E. Bossanyi, “Wind Energy,” John Wiley＆Sons , Ltd. 2001.
〔22〕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。
〔23〕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。
〔24〕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。
〔25〕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.
〔26〕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.
〔27〕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.
〔28〕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。
〔29〕高振峰、林佳霓、郭雅帛，「最新免疫學原理及應用」，合記 圖書出版社，民國95年。
〔30〕陳豪勇、黃俊雄，「免疫學精義第五版」，藝軒圖書出版社，民國91年。
〔31〕陳政育、陳中和，「免疫學」，合記圖書出版社，民國74年10月。
〔32〕J. J. Grefenstette, “Lamarckian Learning in Multi-agent Environments,” Proceedings of the Fourth International Conference on Genetic Algorithms,1991,303~310.
〔33〕D. Whitley, V. S. Gordon and K. Mathias, “Lamarckian Evolution, the Baldwin Effect and Function Optimization,” Parallel Problem Solving from Nature –PPSN III, Springer-Verlag, pp. 6-15 ,1994.
〔34〕F. Gruau and D. Whitley, “Adding Learning to the Cellular Development of Neural Networks: Evolution and the Baldwin effect,” Evolutionary Computation, Vol. 1, No.1, pp.213-233, 1993.
〔35〕H. F. Du and L. C. Jiao, “Clonal Operator Antibody Clone Algorithm,” Proceeding of 2002 International Conference on Machine Learning and Cybernetics, Vol. 1, pp.506-510, 2002.
〔36〕R. C. Liu, H. F. Du and L. C. Jiao, “Immunity Clonal Strategies,” 5th International Conference on Computational Intelligence and Multimedia Application, IEEE Computer Society Publisher, pp.290-295, 2003.
〔37〕H. F. Du, L. C. Jiao, M. G. Gong and R. C. Lin, “Adaptive Dynamic Clonal Selection Algorithm,” Proceedings of the Fourth International Conference on Rough Sets and Current Trends in Computing, Uppsala, Sweden, pp. 768-773, 2004.
〔38〕H. F. Du, L. C. Jiao and R. C. Liu, “Adaptive Polyclonal Programming Algorithm with Applications,” ICCIMA, pp.350-355, 2003.
〔39〕L. C. Jiao, M. G. Gong, R. H. Shang, H. F. Du and B. Lu, “Clonal Selection with Immune Dominance and Anergy Base Multi-objective Optimization,” Proceeding of the Third International Conference on Evolutionary Multi-Criterion Optimization ,” EMO 2005, Guanajuato, Mexico, March 9-11, 2005.
〔40〕杜海峰、焦李成、公茂果、劉若辰，「免疫記憶克隆規劃算法」，第十三屆中國神經網路學術會議（CNNC2003）,中國, 青島, 2003.11.
〔41〕杜海峰、焦李成、公茂果、劉若辰，「自適應混沌克隆進化規劃算法」，中國科學E輯:信息科學，2005。
〔42〕A. Narayanan, “Quantum Computing for Beginners,” Proceedings of the 1999 Congress on Evolutionary Computation, Piscataway, Nj: IEEE Press, Vol. 3, pp.2231-2238, 1999.
〔43〕A. Barenco, D. Deutsch, A. Ekert and R. Jozsa, “Conditional Quantum Dynamics and Logic Gates,” Phys. Rev. Lett, Vol. 74, No. 20, pp.4083-4088, 1995.
〔44〕D. Deutsch and R. Jozsa, “Rapid Solution of the Problems by Quantum Computation,” Proceeding Royal Society of London, A400, Vol. 439, No. 1907, 1992.
〔45〕D. Deutsch, “Quantum Computational Networks,” Proceeding of the Royal Society, London , A425, pp. 73-90, 1989.
〔46〕A. O. Pittenger, “An Introduction to Quantum Computing Algorithm ,” Birkhauser, 2000, Vol. 34, No. 3, September, 2003.
〔47〕H. Bhrman, R. Cleve and A. Wgderson, “Quantum vs. Classical Communication and Computation ,” Proceeding 30th Symposium on Theory of Computation, pp.63-68, 1998.
〔48〕G. John and K. Y. Lee, “Quantum-Inspired Evolutionary Algorithm for Real amd Reactive Power Dispatch,” IEEE Transactions on Power Systems, Vol 23, No4, November, 2008.
〔49〕G S Sailesh, D Bhagwan and C Patvardhan, “Real-parameter Quantum Evolutionary Algorithm for Economic Load Dispatch,” The Institution of Engineering and Technology, 2008.
〔50〕曾謹言，「量子力學 卷I」，凡異出版社，民國90年6月。
〔51〕L. A. Zadeh, “Fuzzy Set,” Information and Control, Vol. 8, 1965, pp. 338-353.
〔52〕孫宗瀛，楊英魁，「Fuzzy控制：理論、實作與應用」，全華科技圖書股份有限公司，民國94年。
〔53〕Masatoshi Sakawa and Hitoshi Yano, “Interactive Decision Making For Multiobjective Nonlinear Programming Problems with Fuzzy Parameters,” Fuzzy Sets and Systems, Vol. 29, 1989, pp. 315-326.
〔54〕Elsaid Ibrahim Ammar, “Interactive Stability of Multiobjective NLP Problems with Fuzzy Parameters in the Objective Functions and Constraints,” Fuzzy Sets and Systems, Vol. 109, 2000, pp. 83-90.
〔55〕C. M. Huang and F. L. wang, “An RBF Network With OLS and EPSO Algorithms for Real-Time Power Dispatch,” IEEE Transactions on Power Systems, Vol. 22, No. 1, February 2007.