臺灣博碩士論文加值系統

電力是國家發展重要基石，精確的負載預測分析能提供系統正確的排程與規劃，避免限電危機及資源浪費。本研究初步利用希爾伯特-黃轉換(Hilbert Huang Transform, HHT)的關鍵方法—經驗模態分解法(Empirical Mode Decomposition, EMD)來分析電力負載數據。

經由實驗觀察電力負載的本質模態函數，找出最佳的預測層，並與溫度變化做比較，可發現負載變化的趨勢及時間。未來可依此改進實務上排程規劃僅考慮設備維修週期並無加入未來負載預測量來修正點檢排程的缺點。

Electricity generation is a fundamental element for national development. In order to avoid any wastage of resources and energy shortage, an accurate loading forecast can provide the system with the correct schedule and planning. In this study, the essential method of Hilbert Huang Transform (HHT) is used to analyze the electric load data by empirical mode decomposition (EMD).

The best prediction level can be found out through experimental observations at the intrinsic mode functions of the electric load with the variance of temperature. This study comes out an effective way to manage fluctuation time and trend of electric load. The empirical implication of this study is to correct the existing drawbacks of inspection schedule by the equipment maintenance cycle and loading forecast.

摘要 I
Abstract II
誌謝 III
目錄 IV
圖目錄 VI
表目錄 VIII
第一章 緒論 1
1-1 前言 1
1-2 研究動機 4
1-3 論文架構 6
第二章 相關負載預測研究探討 9
2-1 模糊系統(Fuzzy System) 9
2-2 類神經網路(Artificial Neural Network, ANN) 11
2-3 灰色系統(Grey Theory) 13
2-4 迴歸分析(Regression Analysis) 15
2-5 時間數列分析(Time Series Analysis) 16
2-6 研究方法 18
第三章 應用希爾伯特-黃轉換理論於電力負載預測 23
3-1 瞬時頻率 25
3-2 本質模態函數(IMF) 26
3-3 經驗模態分解法(EMD) 27
3-4 希爾伯特頻譜(HS) 34
3-5 在IMF群挑選最佳預測層 35
第四章 實驗結果與分析 39
4-1 不同的時間週期對特徵分量IMF明顯程度 39
4-2 評估測試2013年至2016年預測分析 45
4-2-1 取樣周期為12個月特徵分量(IMF8)的變化 45
4-2-2 以2015年 7月1日至2016 年12月31日驗證最佳層IMF8分量預測結果 50
4-3 電力負載預測實際應用分析 65
4-4 應用希爾伯特頻譜分析電力負載訊號 71
第五章 結論與未來工作 73
5-1 結論 73
5-2 未來工作 74
參考文獻 75
作者簡歷 77

[1] 中華經濟研究院， 從「七二九」與「九二一」停電事件分析我國電力系統之安全
政策，2000。
[2] 台灣電力公司網站，資訊揭露，電力供需資訊，www.taipower.com.tw。
[3] 行政院國家科學委員會，88年度電力科技產業學術合作研究計畫，電力自由市場
下之負載預測，國立中山大學電機研究所。
[4] 台灣電力公司網站，資訊揭露，電價成本，www.taipower.com.tw。
[5] L. A. Zadeh, “ Fuzzy Sets,” Inform. Control, 8,338-353, 1965.
[6] 楊宏澤、陳世杰、林金山，自我組織式模糊系統作短期負載預測, Chung Yuan
Journal, Vol. 28, pp.73-86, 2000.
[7] D. C. Park, M. A. El-Sharkawi, R. J. Marks, L. E. Atlas, and M.
J. Damborg, “Electric load forecasting using an artificial
neural network,” IEEE Transactions on Power Systems, Vol. 6,
No.2, pp.442-449, May 1991.
[8] Deng Ju-Long, “Control Problems of Grey System,” Systems and
Control Letters, Vol.1 No.5, 1982.
[9] 史開泉、吳國威、黃有評，灰色信息關係論，台北：全華科技圖書股份有限公
司，1994。
[10] 莊國彬，結合灰色與模糊理論在負載預測之應用，國立台北科技大學，碩士論
文，2001。
[11] Y. H.Fung and V. M. Rao Tummala, “Forecasting of electricity
consumption: a comparative analysis of regression and artificial
neural network models,” in Hong Kong 1993 2nd International
Conference on Advances in Power System Control,Operation and
Management,APSCOM-93 ,Vol.2,pp.782-787, Dec 1993.
[12] 余桂霖，時間序列分析，台北:五南圖書出版股份有限公司，2013。
[13] 劉興明，結合自回歸與類神經網路應用於電力負載預測模型，國立東華大學，碩
士論文，2004。
[14] 张晓，电力系统短期负荷预测研究[D]，四川大学，碩士論文，2001。
[15] N. E. Huang, Z. Shen, S. R. Long, M. C. Wu, H. H. Shih, Q.
Zheng, N.-C. Yen, C. C. Tung, and H. H. Liu, “The empirical
mode decomposition and the Hilbert spectrum for nonlinear and
non-stationary time series analysis,” in proc. R. Soc. Lond. A,
vol. 454, no. 1971, pp. 903-995, Mar. 1998.
[16] M. C. Yang and T. Y. Sun, “Preliminary Study on HHT-based
Refractory Failure Prediction for kiln shell,” in Proc. 2016
IEEE International Conference on Industrial Technology(ICIT),
pp.968-972, 14-17, Mar. 2016, Taipei, Taiwan.
[17] L. Cohen, Time-Frequency Analysis, Prentice-Hall, Englewood
Cliffs, New Jersey, 1995.
[18] N. E. Huang and Z. Wu, “A review on hilbert-huang transform:
method and its applications to geophysical studies,” Reviews of
Geophysics, 46, RG2006, June 2008.
[19] 台灣電力公司，花東供電區營運處，鳳林E/S。
[20] 中央氣象局，花蓮氣象站，2013~2016年花蓮測站逐時溫度。
[21] 台灣電力公司，電力調度處簡報，2014、2015年尖峰負載曲線。