隨著人類經濟科技發展，在人類享受現代科技生活的同時也對環境造成許多破壞，兼顧環保與經濟為各國需面對的重大議題。我國政府對於再生能源發展訂定許多目標及規範，期望在2025年廣設綠能發電廠，達成減少火力發電以及非核家園之能源轉型終極目標。然而綠能發電有成本較高的問題，火力發電雖便宜但有碳排放量過多的問題，因此本文旨在於模擬2025年時，針對當時的氣候環境以及負載需求量下，利用模擬退火法結合交談式最佳妥協法提出發電調度規劃，達到盡量降低發電成本、降低二氧化碳排放量、提升綠能發電佔比之目標。本文使用2025年之發電機組系統且均採用現有之台電火力、太陽能、風力機組及電廠進行模擬，先對不同發電方式之機組提出發電成本及碳排放的數學模型，接著將實驗分為兩個部分。第一部分為使用類神經網路用以預測氣溫為例，證明類神經網路之預測結果精確性極高，接著再以歷史資料預測出2025年之日射量、風速與負載預測，盡可能預測出2025年時之模擬背景環境。第二部分為利用模擬退火法結合交談式最佳妥協法尋找出一個平衡妥協的解，模擬在2025年時尖峰、半尖峰、離峰負載需求下各種機組該如何調度，並且加入一日負載量逐時規劃，利用本文的調度方法可有效的達成兼顧環保與經濟之目的。

With the development of economy ,science and technology, human beings enjoy the modern technology life while causing many damage to the environment. How to balance environmental protection and economy is a major issue for all countries. The government of the Republic of China has set many goals and norms for the development of renewable energy. More green energy power plants are Expected to establish in 2025 to achieve the ultimate goal of reducing thermal power generation and energy transformation to non-nuclear homes. However, green energy has a higher cost problem, and thermal power generation is cheap but has excessive carbon emissions. Therefore, this thesis aims to simulate the power dispatching plan by using simulated annealing (SA) method and interactive best-compromise method under the climatic environment and load demand in the 2025. The goal of minimizing power generation costs, reducing carbon dioxide emissions, and increasing the proportion of green energy generation will be achieved. This thesis uses the generator systems in 2025 and uses the existing firepower, solar power, wind power and the other power plants in Taipower system for simulation. First, the mathematical cost model of power generation and carbon emission is proposed for units with different power generation modes. The experiments are then divided into two parts. The first part is an example of using a neural network to predict temperature. It proves that the prediction results of the neural network are extremely accurate. Then, based on historical data, the daily radiation, wind speed and load forecast in 2025 are predicted, and the simulated background environment in 2025 is as much as possibly predicted. The second part is to find a balanced compromise solution by using SA method combined with interactive best-compromise method. How to schedule various units under peak, half-peak, and off-peak load requirements in 2025 is simulated and 24-hour load planning of one day is added. The purpose of both environmental protection and economy can effectively achieved by using the scheduling methods of this thesis.

[1] IPCC（Intergovernmental Panel on Climate Change）. (2005.11.27) Executive Summary Available :
https://web.archive.org/web/20051127043345/http://www.grida.no/climate/ipcc_tar/wg1/339.htm
[2] UNFCCC . (Dec.1997) Kyoto Protocol To The United Nations Framework Convention On Climate Change
[3] UNFCCC . (Dec.2012) Doha Amendment To The Kyoto Protocol
Available : https://unfccc.int/process/the-kyoto-protocol
[4] UNFCCC . (Dec.2015) Paris Agreement under the United Nations Framework Convention on Climate Change Available : https://unfccc.int/resource/docs/2015/cop21/chi/l09c.pdf
[5] 行政院環境保護署 . (Dec.2017) 2017年中華民國國家溫室氣體排放清冊報告 Available : http://unfccc.saveoursky.org.tw/2017nir/tw_nir.php
[6] 行政院 . (Jun.2017) 太陽光電 2 年推動計畫目標檢討會議
[7] P.K. Dash, H.P. Satpathy, A.C. Liew and S. Rahman, “A Real-TimeShort-Term Load Forecasting System Using Functional Link Network, ”IEEE Transactions on Power Systems, Volume 12, Issue 2, May 1997.
[8] J.W. Taylor and R. Buizza, “Neural Network Load Forecasting with Weather Ensemble Predictions, ”IEEE Transactions on Power Systems, Volume 17, Issue 3, Aug. 2002.

[9] 陳政宏，「運用氣溫輪廓與類神經網路的台電短期負載預測」，碩士學位論文，國立台灣科技大學，台北，2005。
[10] 黃江凱，「應用類神經網路於具再生能源發電之配電饋線短期負載預測」，碩士學位論文，國立台灣科技大學，台北，2015。
[11] 施華，「社區發展太陽能發電系統之成本效益評估」，碩士學位論文，國立交通大學，新竹，2009。
[12] 陳冠妏，「台灣小型風力發電之成本效益分析」，碩士學位論文，中原大學，桃園，2013。
[13] 戴德炫，「綠色能源之風力發電機成本效益評估研究:以春風發電機示範系統為例」，碩士學位論文，國立交通大學，新竹，2010。
[14] 呂學德，「以廣義乘子法為基礎之隨機可行方向擬牛頓法求解機組排程問題」，博士學位論文，國立台灣科技大學，台北，2013。
[15] D. N. Simopoulos, Y. S. Giannakopoulos, S. D. Kavatza, and C. D. Vournas, “Effect of Emission Constraints on Short-Term Unit Commitment, ” in Electrotechnical Conference, 2006. MELECON 2006. IEEE Mediterranean, 2006.
[16] P.-H. Chen and C.-C. Kuo, “Bi-Objective Hydroelectric Optimal Dispatch under Electricity Deregulated Environment, ” in Transmission and Distribution Conference and Exhibition: Asida and Pacific, 2005 IEEE/PES, 2005.

[17] 張景逵，「基於碳排放考量下之經濟調度規劃」，碩士學位論文，國立台灣科技大學，台北，2013。
[18] M. Muslu, “Economic dispatch with environmental considerations: tradeoff curves and emission reduction rates,” Electric Power Systems Research, vol. 71 , 2004.
[19] 台灣電力公司. 民國106年火力發電概況. Available : https://www.taipower.com.tw/tc/page.aspx?mid=202&cid=129&cchk=675cea43-9c45-4ae1-80c6-4f18b3b38d8e
[20] 台灣電力公司. 民國106年火力發電電廠簡介. Available : https://www.taipower.com.tw/tc/page.aspx?mid=202&cid=130&cchk=f8fb50ec-6465-4637-a2d6-97c05646ada6
[21] 呂佩玲，「電力消費與二氧化碳排放趨勢變動及關聯分析」，碩士學位論文，國立成功大學，台南，2008。
[22] 經濟部能源局 . (Jun.2011) 我國燃料燃燒CO2排放統計與分析
[23] 台灣電力公司. 民國106年再生能源發展概況. Available :
https://www.taipower.com.tw/tc/page.aspx?mid=204&cid=154&cchk=0a47a6ed-e663-447b-8c27-092472d6dc73
[24] 經濟部核能研究所 . (Dec.2013) 我國2020年主要發電技術之均化發電成本估算
[25] 日本建築學會，「太陽光發電システムの設計と施工」，Ohmshaオーム社，東京，2005。

[26] 中央氣象局. 資料觀測系統查詢. Available :
https://e-service.cwb.gov.tw/HistoryDataQuery/index.jsp
[27] 經濟部能源局. (Jan.2017)太陽光電單一服務窗口. Available : https://www.mrpv.org.tw/LandPower/PubLandPower.aspx
[28] 經濟部能源局 . (Jan.2018) 再生能源盹購費率計算
[29] D.C. Park M.A. El-Sharkawi II R.J. Marks L.E. Atlas and M.J. Damborg, “Electric load forecasting using an artificial neural network IEEE Transactions on Power Systems Volume 6 Issue 2”, May 1991.
[30] Kevin Ho . 模糊理論與類神經網路. Available :
http://si.secda.info/buss-math/index.php/2013-01-12-15-28-58/2012-09-23-07-08-48
[31] 羅華強，「類神經網路-MATLAB的應用」，高立圖書有限公司，第2版，2005年7月。
[32] 丁慰祖，「應用類神經網路預測能力改善SVC補償性能」，碩士學位論文，國立台灣科技大學，台北，2014。
[33] 施柏屹，「倒傳遞類神經網路學習收斂之初步探討」，碩士學位論文，國立中央大學，桃園，2000。
[34] Senjyu T, Takara H and Funabash T, “One-Hour-Ahead Load Forecasting Using Neural Network”, IEEE Trans on PowerSystems, 2002.
[35] Vermaak J, Botha E C. “Recurrent Neural Networks for Short-terrm Load Forecasting”,IEEE Trans on Power Systems, 1998.
[36] 洪芳婷，「應用混合型負載預測模型於最佳化之需量規劃」，碩士學位論文，國立成功大學，台南，2007。
[37] 柯惠雯，「結合模擬退火法與禁忌搜尋法在流程式生產排程之應用」，碩士學位論文，大葉大學，高雄，2001。
[38] 賴文祺，「改良式進化退火法應用於電力系統經濟調度之研究」，碩士學位論文，國立台北科技大學，台北，2001。
[39] 林晉宏，「基因演算法求解作業不同到達時間之open shop雙目標排程問題之研究」，碩士學位論文，國立勤益科技大學，台中，2007。
[40] 郭政謙，「應用多目標規劃法之配電自動化決策軟體」博士學位論文，國立台灣科技大學，台北，1998。
[41] 台灣電力公司. 今日電力資訊(備轉容量率). Available :
https://www.taipower.com.tw/tc/page.aspx?mid=206&cid=405&cchk=e1726094-d08c-431e-abee-05665ab1c974
[42] Gordoncheng's Blog. 電力系統負載曲線. Available :
https://gordoncheng.wordpress.com/2010/09/06/%E9%9B%BB%E5%8A%9B%E7%B3%BB%E7%B5%B1%E8%B2%A0%E8%BC%89%E6%9B%B2%E7%B7%9Aload-curve/