(44.192.112.123) 您好!臺灣時間:2021/03/06 06:37
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳秀盈
研究生(外文):Chen, Hsiu-Ying
論文名稱:電力公司高壓需量用戶抑低契約容量訂定策略之研究:以日減2時型為例
論文名稱(外文):A Study on the Strategy of Reducing the Contract Capacity of High Voltage Demand Users: An Example for Taking Reduction the Two Hours a Day
指導教授:黃怡詔黃怡詔引用關係
指導教授(外文):Huang, Yi-Chao
口試委員:蘇泰盛黃鐘慶
口試委員(外文):Su, Tai-ShengHuang, Jing-Ching
口試日期:2017-06-20
學位類別:博士
校院名稱:國立屏東科技大學
系所名稱:工業管理系所
學門:商業及管理學門
學類:其他商業及管理學類
論文種類:學術論文
論文出版年:2017
畢業學年度:105
語文別:中文
論文頁數:57
中文關鍵詞:契約容量減電措施迴歸分析
外文關鍵詞:Contract capacityReduce electricity programRegression analysis
相關次數:
  • 被引用被引用:0
  • 點閱點閱:100
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
電費對於各高壓需量用戶來說是一項不可缺少的成本支出,總電費的支出包含了基本電費、超約用電附加費、流動電費等相關費用所構成,前述三項基本的電費構成因子會影響到經常契約容量及抑低契約容量的簽訂,除了經常契約容量的高低會影響電費之外,各高壓需量用戶也可以透過參加電力公司所提倡的減少用電措施來獲取額外的回饋金。本研究以計畫性減少用電措施方案(以下簡稱減電措施)的日減2時型為研究對象,針對該高壓需量用戶參加減電措施後所得總電費與去年總電費相互比較且計算節省電費,接著可根據高壓需量用戶用電資料依序求出基準用電容量、抑低用電期間之平均需量及實際抑低,藉由簽訂的抑低契約容量與實際抑低可求得執行率,並依照電力公司所提供的執行率標準來獲得扣減比率,在實證期間先依據經常契約容量可簽定的範圍找出最高需量的範圍,並根據這些最高需量來運用迴歸分析(Regression Analysis)來預測出未來該月需量的出現次數,依據預測的需量出現次數可求出次數占比,節省電費乘上次數占比求得預期節省電費,最後可根據最大預期節省電費及最大回饋金分別求得最適經常契約容量及抑低契約容量,以上步驟所求得的解決方法可做為高壓需量用戶將來簽訂經常契約容量及抑低契約容量的參考。
Electricity cost of every user is indispensable in expenditure.The total electricity costs include the basic electricity, penalty charge, energy charge and other costs.The above of three basic electricity would affect the contract capacity and suppressed contract capacity.In addition to the contract capacity would affect the electricity cost.The users can also participate in the program of Taiwan Power Company(TPC) to reduce electricity consumption and obtain rewards.This study used the plan of Reducing Electricity Consumption(REC) by reducing two hours a day.After the user participated in REC, this year the total electricity costs compared with last year and calculated the saving costs. This study used the user electricity data to calculate the customer baseload, suppressed period energy and real suppression.The signing of the suppressed contract capacity and the real suppression can be calculated the exacution rate.This study used the execution rate provided by TPC to obtain the deduction rate.In the empirical period, use the scope of the contract capacity that can be signed to find the scope of the highest power consumption.According to these maximum electricity consumption, this study used regression analysis to predict the capacity of the electricity consumption in a month.The predicted times of electricity consumption can be calculated the count of weights.Saving cost multiplied by the count of weights can be calculated expected value. In the last, according to the maximum expected saving costs and the maximum feedback to find the best contract capacity and suppressed contract capacity.The steps above of all can make users to set contract capacity and suppressed contract capacity in the future.
目錄
摘要 I
Abstract III
謝誌 V
目錄 I
圖目錄 IV
表目錄 V
第1章 緒論 1
1.1 研究背景與動機 1
1.2 研究目的 1
1.3 研究範圍與限制 3
1.4 研究流程及架構 3
第2章 文獻探討 5
2.1 最佳化契約容量 5
2.2 迴歸分析 7
2.3 需量分析 10
2.4 小結 13
第3章 研究方法 15
3.1 符號定義 17
3.2 電力公司需量反應負載管理 18
3.3 基本電費計算 19
3.4 超約用電附加費 20
3.5 用電資料分析處理 21
3.6 抑低契約容量可簽定範圍 27
3.7 經常契約容量可簽定範圍 29
3.8 迴歸分析 33
3.9 總預期節省電費 35
第4章 實證研究 39
4.1 基準用電容量 41
4.2 抑低用電期間需量 42
4.3 實際抑低 42
4.4 抑低契約容量可簽定範圍 43
4.5 經常契約容量可簽定範圍 46
4.6 迴歸分析 48
4.7 預期節省電費 50
第5章 結論與建議 52
參考文獻 53
作者簡介 57

圖目錄
圖 1 1研究架構圖 4
圖 3 1調整後需量圖 24
圖 3 2總節省電費 32
圖 3 3迴歸模型圖 35
圖 4 1 2013年6月需量圖 39
圖 4 2 2013年7月需量圖 40
圖 4 3 2013年8月需量圖 40
圖 4 4 2013年9月需量圖 41
圖 4 5 迴歸模型圖 49

表目錄
表 2 1最佳化契約容量文獻統整表 7
表 2 2迴歸分析文獻統整表 10
表 2 3需量預測文獻統整表 13
表 3 1電力公司減電措施內容表 19
表 3 2電力公司扣減標準表(單位:%) 19
表 3 3數值時段區分表(單位:KW) 21
表 3 4用電需量平均值(單位:KW) 22
表 3 5原需量與產能移動後需量對照表(單位:KW) 24
表 3 6當月抑低用電期間用電需量參考表(單位:KW) 25
表 3 7抑低契約搜尋表(單位:KW) 28
表 3 8最適抑低契約容量(單位:KW) 29
表 3 9 6月節省電費(單位:元) 30
表 3 10總節省電費(單位:元) 31
表 3 11原來次數表 34
表 3 12排序後次數表 34
表 3 13次數表 35
表 3 14最適經常契約(單位:KW) 38
表 4 1 6~9月之用電需量平均值(單位:KW) 42
表 4 2 6~9抑低用電期間用電需量平均值(單位:KW) 42
表 4 3 6~9月實際抑低容量(單位:KW) 43
表 4 4 6月抑低契約容量可簽定範圍及最適抑低契約容量(單位:KW) 44
表 4 5 6~9月最適抑低契約容量(單位:KW) 45
表 4 6 6月計畫性電費及節省電費(單位:元) 47
表 4 7經常契約容量可簽定範圍(單位:KW) 48
表 4 8排序後次數預測表 49
表 4 9總預期節省電費(單位:元) 50
表 4 9總預期節省電費(續1) (單位:元) 51
1. 李聰穎、林義傑、 詹榮茂,陳俊隆(2005),「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,第87-99頁。
2. 林裕淵(2005),「高壓用電戶契約容量對電價的影響」,大同大學機械工程學系所學位論文, 第1-82頁。
3. 唐麗英、王春和(2013),「從範例學MINITAB統計分析與應用」,博碩文化股份有限公司。
4. 張名輝、陳世宏、戴良伊(2007),「以模糊基因演算法預測年度尖峰用電需量」,中國機械工程學會學術研討會,第24期,第78-80頁。
5. 陳義分、李子元、楊展耀(2006),「契約需量最佳化之研究:以某度假村為例」,修平學報,第13期,第251-266頁。
6. 黃允成、林宜蓉(2013),「台電公司高壓用電戶最適契約容量之研究:以空軍某基地為例」,管理研究學報,第13卷2期,第 1-31頁。
7. 黃允成、高聿聖(2015),「高壓二段式時間電價用電戶最適契約容量研究:以某化工廠為例」,技術學刊,第30卷4期,第303-317頁。
8. 黃郁芬(2016),「淺談迴歸分析教育」,中國統計學報,第54卷2期, 第62-78頁。
9. 劉擇昌(2013),「臺灣地區都市化因子對竊盜犯罪影響及其區域變異:全域性與區域性迴歸分析」,犯罪與刑事司法研究,第21期,第135-174頁。
10. 蔡定宇(2011),「動態規劃法應用於時間電價用戶最佳契約容量之研究」,臺北科技大學,台北市。
英文部分:
1. Amina, M., Kodogiannis, V.S., Petrounias, I., & Tomtsis, D. (2012),“A hybrid intelligent approach for the prediction of electricity consumption,” International Journal of Electrical Power & Energy Systems, 43(1), 99-108.
2. Aneiros, G., Vilar, J., & Raña, P. (2016),“Short-term forecast of daily curves of electricity demand and price,” International Journal of Electrical Power & Energy Systems, 80, 96-108.
3. Chang, P.C., Fan, C.Y., & Lin, J.J. (2011),“Monthly electricity demand forecasting based on a weighted evolving fuzzy neural network approach,“International Journal of Electrical Power & Energy Systems, 33(1), 17-27.
4. Chen, C.W.S., Hsu, Y.T., & Taniguchi, M. (2017),“Discriminant analysis by quantile regression with application on the climate change problem,” Journal of Statistical Planning and Inference, 187, 17-27.
5. Ghanbari, A., Ghaderi, S.F., & Azadeh, M.A. (2010),”Adaptive Neuro-Fuzzy Inference System vs. Regression based approaches for annual electricity load forecasting,” Paper presented at the Computer and Automation Engineering (ICCAE), 2010 The 2nd International Conference on.
6. Juventus, L. L., & Jeje, K. (2016), “Influencing Academic Library Use in Tanzania: A Multiple Regression Analysis,” Journal of Library and Information Studies, 14(2), 1-20.
7. Kaytez,F.,Taplamacioglu,M.C.,Cam,E.,&Hardalac,F. (2015),“Forecasting electricity consumption: A comparison of regression analysis, neural networks and least squares support vector machines,”International Journal of Electrical Power & Energy Systems, 67, 431-438.
8. Laouafi, A., Mordjaoui, M., Laouafi, F., & Boukelia, T. E. (2016),“Daily peak electricity demand forecasting based on an adaptive hybrid two-stage methodology,” International Journal of Electrical Power & Energy Systems, 77, 136-144.
9. Morita, K., Shiromaru, H., Manabe, Y., Kato, T., Funabashi, T., & Suzuoki, Y. (2017),“A study on estimation of aggregated electricity demand for one-hour-ahead forecast,” Applied Thermal Engineering, 114, 1443-1448.
10. Prasad, R. D., & Raturi, A. (2017),“Grid electricity for Fiji islands: Future supply options and assessment of demand trends,” Energy, 119, 860-871.
11. Sheen, J.N., Chen, C.S., & Yang, J.K. (1994),“Time-of-use pricing for load management programs in Taiwan Power Company,” IEEE Transactions on Power Systems, 9(1), 388-396.
12. Son, H., & Kim, C. (2017),“Short-term forecasting of electricity demand for the residential sector using weather and social variables,” Resources, Conservation and Recycling, 123, 200-207.
13. Tsay, M.T., Lin, W.M., & Lee, J.L. (2001),“Optimal contracts decision of industrial customers,” International Journal of Electrical Power & Energy Systems, 23(8), 795-803.
14. Unsihuay-Vila, C., Zambroni de Souza, A.C., Marangon-Lima, J.W., & Balestrassi, P. P. (2010),“Electricity demand and spot price forecasting using evolutionary computation combined with chaotic nonlinear dynamic model,” International Journal of Electrical Power & Energy Systems, 32(2), 108-116.
15. Venkatesan, G., Kulasekharan, N., Muthukumar, V., & Iniyan, S. (2015),“Regression analysis of a curved vane demister with Taguchi based optimization,” Desalination, 370, 33-43.
16. Vilar, J.M., Cao, R., & Aneiros, G. (2012),“Forecasting next-day electricity demand and price using nonparametric functional methods,”International Journal of Electrical Power & Energy Systems, 39(1), 48-55.
17. Xu, N., Dang, Y., & Gong, Y. (2017),“Novel grey prediction model with nonlinear optimized time response method for forecasting of electricity consumption in China,” Energy, 118, 473-480.
18. Yang, C.G., Shu, R.T., & Yang, G.K. (1991),“Load Management, Determination for the Optimal Contract Capacities,” Load Management PartII,Taiwan Power Company Internal Report, 105-122.
19. Ye, X., Kang, Y., Zuo, B., & Zhong, K. (2017),“Study of factors affecting warm air spreading distance in impinging jet ventilation rooms using multiple regression analysis,” Building and Environment.
20. Yu, S., Wang, K., & Wei, Y.M. (2015),“A hybrid self-adaptive Particle Swarm Optimization–Genetic Algorithm–Radial Basis Function model for annual electricity demand prediction,” Energy Conversion and Management, 91, 176-185.
電子全文 電子全文(網際網路公開日期:20220711)
連結至畢業學校之論文網頁點我開啟連結
註: 此連結為研究生畢業學校所提供,不一定有電子全文可供下載,若連結有誤,請點選上方之〝勘誤回報〞功能,我們會盡快修正,謝謝!
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔