基於深度學習預測負載及提供用電品質承諾的再生能源儲能系統-以彰濱風電廠為例
Renewable Energy Storage System With Service Quality Commitment based on Deep-Learning and Load-Prediction-An Example of Chang-Bin Wind Power Plant
姓名：黃勃睿
由於台灣民眾與企業對於環境保護的議題越來越重視，促使相關政策的推動 力道增加。根據政府所推動之非核家園政策指出，再生能源發電佔比將於 2025 年達成 20%，屆時陸域風力發電將達 1.2GW、離岸風力發電達 5.5GW。而當再 生能源在電網中的比例增長，其不穩定性往往使得再生能源在利用率上成效不佳， 可能會對電網供電可靠度帶來重大的考驗。然而隨著環保意識高漲下，不但帶動 了國內電動車的成長，也伴隨著大量電池交換站的建置，使得其成為龐大的儲能 系統。由於電動車用戶快速的增長，換電需求所帶來的用電品質問題也逐漸顯現。 因此，根據電動車電池交換站的儲電特性，本論文利用電池交換站作為儲能站並 以風力發電作為電力來源。透過本論文所設計之儲能管理系統，對風電廠裝置容 量、儲能站容量、負載以及服務品質承諾的變化進行探討分析，並設計一滿足用 戶服務品質之風電廠裝置容量與儲能站容量。最終透過深度學習進行負載預測， 比較快充對於儲能站建置的改善效果。
關鍵字：深度學習、再生能源、儲能系統、負載預測。