由於目前發電能源大多為化石燃料或核能，導致這些發電能源正快速消耗，且這些能源在發電的過程中會汙染環境。因此世界各國均非常重視再生能源如太陽能源、風力等的開發；其中太陽能源取之不盡、用之不竭，且太陽能系統發電時對環境產生的汙染很小，因此太陽能成為再生能源中備受矚目的新興能源。然而太陽能發電系統之轉換效率存在技術上的瓶頸，且轉售的電能不及高額的設置成本，成為廠商投資太陽能設備最大的阻礙，因此廠商在進行投資前須準確地預測系統的轉換效率。本研究針對此問題提出一套三階段的太陽能系統轉換效率預測模型。首先利用逐步迴歸法篩選出影響轉換效率的顯著變數；接著使用集群分析法對資料進行分群，以提高預測模型之準確率；然後再建構一套結合自組性演算法與遺傳規劃法的混合預測模型來預測轉換效率，藉由調整殘差來提高預測模型之準確率。本研究最後利用國內某太陽能系統轉換效率之實例來說明本研究所提出之三階段預測模型確實有效可行。

目 錄
摘要 i
英文摘要 ii
目錄 iii
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 4
1.3 研究方法 4
1.4 研究架構 4
第二章 文獻探討 6
2.1 太陽能電池簡介 6
2.2 太陽能發電系統介紹 7
2.4 集群分析法 10
2.5 自組性演算法 12
2.6 遺傳規劃法 16
2.7 總結 18
第三章 研究方法 19
3.1 研究架構 19
3.2 第一階段-篩選顯著變數 21
3.3第二階段-資料分群 22
3.4第三階段-建構轉換效率混合預測模型 23
第四章 實例驗證 25
4.1 第一階段-篩選顯著變數 25
4.1.1資料蒐集與整理 25
4.1.2 利用逐步迴歸法篩選出顯著變數 26
4.2 第二階段-資料分群 29
4.2.1 利用階層式集群法決定最適分群數 29
4.2.2 使用k-means法進行分群 30
4.3 建構轉換效率混合預測模型 31
4.3.1利用自組性演算法對各群觀測值進行預測 31
4.3.2利用遺傳規劃法調整殘差 33
4.4 三階段預測模型之應用 37
第五章 結論與建議 40
5.1 研究貢獻 40
5.2 後續研究 41
參考文獻 42

參考文獻
[1] 王英銘(2005)，「自組非線性系統應用於濁度預測」，國立成功大學水利及海洋工程研究所，碩士論文。
[2] 邵承矩(1993)，「能源應用」，東華書局出版。
[3] 余靜芳(2008)，「利用自組性演算法與基因演算法於混合實驗最佳化之研究」，國立交通大學工業工程與管理學系，碩士論文。
[4] 林愷為(2008)，「應用資料分析技術於國家公園棲地環境評估」，國立中山大學海洋環境工程與管理學系，碩士論文。
[5] 林敬凱(2008)，「具多反應實驗設計最佳化演算法之研究」，國立交通大學工業工程與管理學系，碩士論文。
[6] 林嘉宏(2007)，「鋪面紋理與摩擦力關聯性之初步研究」，逢甲大學交通工程研究所，碩士論文。
[7] 胡建勳、陳宗亮(2008)，「應用資料群聚與關聯法則於網路拍賣使用者之特性與偏好研究」，玄奘大學資訊科學研究所，知識社群與系統發展研討會。
[8] 張子文(2000)，「太陽電池應用於建築上之研究」，國立成功大學建築研究所碩士論文。
[9] 高翊倫(2009)，「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研究所，碩士論文。
[10] 陳同孝、陳雨霖、劉明山、許文綬、林志強、邱永興(2006)，「結合k-means及階層式分群髮之二階段分群演算法」，國立台中技術學院資訊科技與應用研究所。
[11] 陳英豪(2005)，「應用自組性演算法建構企業信用評等模型」，國立交通大學工業工程與管理學系，碩士論文。
[12] 陳順宇(2005)，「多變量分析」四版，華泰書局出版。
[13] 黃美玲、施啟翔(2009)，「以模糊分群法結合邏輯斯迴歸於醫療輔助診斷」，國立勤益科技大學工業工程與管理系。
[14] 游翔百(2004)，「建構複合式信用評等模型」，交通大學工業工程研究所，碩士論文。
[15] 馮垛生(2008)，「太陽電發電原理與應用」，五南圖書出版。
[16] 經濟部能源委員會(2007)，「中華民國九十六年台灣能源統計年報」，經濟部能源委員會出版。
[17] 謝易霖(1993)，「暴雨時期GMDH模式結合距離─水位模式應用於未設站河段即時水位之預測」，國立成功大學水利及海洋工程研究所，碩士論文。
[18] 蕭德勇(2004)，「以遺傳規劃技術應用於核能電廠之爐心燃料設計研究」，元智大學資訊管理所，碩士論文。
[19] Dipti Srinivasan(2008),“Energy demand prediction using GMDH networks,” Neurocomputing,Vol72, pp.625-629.
[20] Gregg, A.,Perker, T. and Swenson, R(2005),“A real world examination of PV system design and performances,”Photovoltaic Specialists Conference,IEEE, Vol.31
[21] Ivakhnenko, A. G. (1971), “Polynomial Theory of Complex Systems,” IEEE Trans. on Systems, Man and Cybernetics, Vol. 1, No. 4, pp. 364-378
[22] Koza, J. R.(1992), Genetic Programmng, On theProgramming of Computer by means of Natural Selection, MIT Press, Cambridge,MA.
[23] Kuan-Yu Chen, Cheng-Hua Wang(2007),“A hybrid SARIMA and support vector machines in forecasting the production values of the machinery industry in Taiwan,”Expert System with Applications,Vol(32),pp.254-264.
[24] Muller, J. A., Ivachnenko, A. G. and Lemke, F. (1998), “GMDH Algorithms for Complex Systems Modeling,” Mathematical and Computer Modeling of Dynamical Systems, Vol.4, No.4.
[25] Nahi Kandel, Rene Wamkene, Maarouf Saad and Semaan Georges(2006)“ An efficient approach for short term load forecasting using artificial neural networks.”Power and Energy System,pp 525-530,Vol28
[26] Lewis, C. D.(1982), Industrial and Business Forecasting Methods, Butterworth, London.
[27] R.E Abdel-Aal(2006),“ Modeling and forecasting electric daily peak loads using abductive networks. ”Electrical Power and Energy Systems, pp 133-141, 2006.Vol28.
[28] Subhash Sharma(1995),“Applied Multivariate Techniques.” John Wiley & Sons Inc.
[29] Zhang G. Peter(2003),“Time Series forecasting using a hybrid model ARIMA and neural network model,”Nerocomputing, Vol.50,pp.159-175.


網路資料
[30] 台灣經濟部能源局：http://www.moeaboe.gov.tw/
[31] 明道大學產業創新及經營學系：http://tinyurl.com/2437dfc
[32] British Petroleum：
http://www.bp.com/bodycopyarticle.do?categoryId=1&contentId=7052055
[33] KUAS E.E. PEAL：http://hpds.ee.kuas.edu.tw/index_link/intro/download_file/20060505.ppt
[34] PR Newswire,“SunPower Announces the Planet’s Most Powerful Solar Panel,”
http://news.prnewswire.com/ViewContent.aspx?ACCT=109&STORY=/www/story/05-20-2009/0005029765@EDATE