基於機器學習以 IEC61850 整合異質電廠及其預測性電力調度方法
A Machine-Learning Approach to Predictive Power Load Dispatch for IEC61850-Connected Heterogenous Power Plants
姓名：高睿杰
根據聯合國在西元 2015 年所頒布的巴黎協議，美國等 120 個國家訂定了減少排 放溫室氣體的目標，使再生能源的發展備受關注。歐盟將提高風力發電、太陽能發電 等其他再生能源的使用比例，使的原本 2030 年的再生能源佔比目標由 27%上升至 32%， 然而再生能源的使用往往伴隨著一些問題，使再生能源的利用率無法達到預期，容易 造成能源的浪費，更因為再生能源的不穩定性為原本的電網系統帶來極大的考驗。常 見的再生能源發電方式為太陽能、風力、水力、地熱等種類，其中又以太陽能發電以 及風力發電最受國際的歡迎，但是再生能源有著極大的不穩定性，會隨著天候與其他 因素改變發電量，進而影響電網的安全性，因此再生能源往往無法成為基載電力，若 能進行發電量與用電量的預測，將延長電力調度可決策的時間，讓再生能源的使用更 加容易。再生能源的使用需要搭配一套”可信賴的電力預測與調度平台”來管理不同種 類且數量極多的發電/儲電/用電裝置，更需要一種傳輸框架將新舊的發電裝置資訊快 速整合。本篇論文提出一套”基於機器學習以 IEC61850 整合異質電廠及其預測性電力 調度方法”，利用機器學習並根據演算法挑選出可靠的特徵進行用電量的預測，本論文 利用 TC57 所發表的 IEC61850 傳輸協定，提出一套具備高可靠度、預測能力、自動化 調度、可擴展性的電力管理與決策平台，更可相容異質電網的傳輸網路框架。本篇論 文以台灣北部的發電及負載作為實驗場域，根據本文提出的決策平台，可以順利的預 iv 測用電量，其用電預測的平均誤差百分比最低可達 2.61％，並實現多種不同發電/儲能 /用電裝置的資訊連結以及自動化的電力調度，探討儲能站相較於再生能源於電網中的 關係，並可藉由儲能站的調度穩定突發的電力需求所造成電力不足的情況，進而實現 本論文所提出的” 基於機器學習以 IEC61850 整合異質電廠及其預測性電力調度方法”。
關鍵字：機器學習、預測性電力調度、負載預測、再生能源、智慧電網