隨著電力需求以及環保意識的上升，再生能源已併入電力系統中迅速發展，由於其間歇的特性，預測再生能源之輸出變得更加困難，同時電力調度也更困難。近幾年來，電力公司透過需求端的管理(Demand-side Management)與需量競價方案來改變用戶之用電習慣，將非緊急用電移至離峰時段使用，來減輕尖峰備轉容量不足的問題。
本文將分散式能源(太陽能及儲能設備)與需求端管理結合進行整合應用。依據電力公司所公告的相關負載管理方案(時間電價、需量反應)，透過預測用戶之負載量及太陽能發電量、儲能設備的充放電控制以及可控負載設備的控制，來改變用戶端之用電型態，達到移轉/降低尖峰時段高電價的用電量，並獲得電力公司負載管理方案所提供的獎勵回饋及降低用電費用。於即時調度規劃上本研究採用一基於模型預測控制法(Model Predictive Control)之策略來求解儲能設備之充放電控制及可控負載設備(空調設備)之控制，並將其結果與日前最佳化調度結果比較，同時考量了負載預測及太陽能發電量預測之準確性。本論文考量之用電支出包含了電能費用、儲能設備運轉成本以及契約容量成本。

With the increase of power demand and rising concern of environmental protection, renewable energy has been integrated into power system rapidly. Due to the intermittent characteristics and forecast difficulty of the renewables outputs, the power dispatch become more difficult. Demand-side management and demand bidding programs have been used by utility company to mitigate the peak load operation reserve problem.
This thesis reports simulated energy dispatch planning of a university campus with distributed energy resources (e.g., PV and energy storage systems) to reduce the electricity bill according to load management programs (e.g., time-of-use rate and demand response) announced by utility. A model predictive control based strategy is adopted to solve the problem considering the uncertainties of campus load profile and PV outputs. The dispatch results of energy storage system and air conditioner load curtailment are compared with those obtained from optimal day-ahead dispatch with and without perfect load and PV output profile predictions. The costs considered in this study include electricity energy cost, energy storage system operation cost and the contracted capacity charge.

論文審定書 i
誌謝 ii
中文摘要 iii
Abstract iv
目錄 v
圖目錄 vii
表目錄 x
第一章 緒論 1
1.1 研究背景與動機 1
1.2 相關文獻回顧 3
1.3 論文架構 6
第二章 結合需量反應之能源管理系統 7
2.1 園區能源管理系統架構 7
2.2 太陽能發電 8
2.3 負載模型 12
2.4 時間電價方案 15
2.5 需量反應 21
2.5.1 需量反應簡介 21
2.5.2 需量反應執行時機 26
2.6 本論文所分析之場域說明 27
第三章 最佳調度控制 28
3.1 無需量反應之日前調度規劃 28
3.2 含需量反應之日前調度規劃 33
3.3 應用模型預測控制法之即時調度 35
第四章 案例模擬與結果分析 39
4.1 模擬系統及案例 39
4.2 太陽能發電及負載量不確定下之調度結果 43
4.3 應用模型預測控制法之調度結果 46
4.4 含需量反應之調度結果 48
4.5 模擬不同時間電價方案之調度結果 51
4.6 不同容量的儲能設備及太陽能設備之調度結果 57
4.7 不考量契約容量成本之調度結果 62
4.8 討論 65
第五章 結論及未來研究方向 68
5.1 結論 68
5.2 未來研究方向 70
參考文獻 72

[1] 王京明、張信生，「先進國家電業自由化推動績效之評估研究(+使用手冊)」，2007年，7月
[2] B. Heymann, Benjamin, J. Bonnans, F. Silva, & G. Jimenez, “A stochastic continuous time model for microgrid energy management,” IEEE Control Conference (ECC), 2016 European, pp. 2084-2089, 2016.
[3] 傅文昱，「以再生能源為基礎之時間電價工業用戶儲能系統電能調度優化之研究」，國立台灣海洋大學輪機工程學系碩士學位論文，2011年
[4] 吳再益、吳秀婉、陳玟如、張建隆、林唐裕，「電力市場自由化下需量反應制度之可行性研究」，台電工程月刊，683，78-101，2005年
[5] Q. Zhang, & J. Li, “Demand response in electricity markets: A review,” In European Energy Market (EEM), 2012 9th International Conference on the IEEE, pp. 1-8, 2012
[6] Benefits of demand response in electricity markets and recommendations for achieving them: a report to the United State Congress pursuant to section 1252 of the Energy Policy Act of 2005, U.S. Department of Energy, Feb. 2006.
https://emp.lbl.gov/sites/all/files/report-lbnl-1252d.pdf
[7] 王玟菁，吳建明，劉文雄，盧展南，「需量反應方案縱覽」，中華民過第三十四屆電力工程研討會，2013年，12月
[8] A. Mnatsakanyan, S. Kennedy, “Optimal Demand Response Bidding and Pricing Mechanism: Application for a Virtual Power Plant,” 1st IEEE Conference on Technologies for Sustainability (SusTech), pp.167,174, 1-2, Aug. 2013
[9] 林聖開，「含需量反應之虛擬電廠調度規劃」，國立中山大學電機系碩士畢業論文，2015年。
[10] R. Halvgaard, P. Bacher, B. Perers, E. Andersen, S. Furbo, J. B. Jørgensen, N. K. Poulsen, & H. Madsen, “Model Predictive Control for a Smart Solar Tank based on Weather and Consumption Forecasts,” Energy Procedia, vol.30, pp. 270-278, 2012
[11] B. Zhu, H. Tazvinga, & X. Xia, “Model predictive control for energy dispatch of a photovoltaic-diesel-battery hybrid power system,” IFAC Proceedings Volumes, 47(3), 11135-11140, 2014
[12] Y. Xu, L. Xie and C. Singh, "Optimal scheduling and operation of load aggregators with electric energy storage facing price and demand uncertainties," North American Power Symposium (NAPS), 2011.
[13] J. Neubauer, & M. Simpson, “Deployment of behind-the-meter energy storage for demand charge reduction,” National Renewable Energy Lab. (NREL), Golden, CO (United States), No. NREL/TP--5400-63162, 2015.
[14] 經濟部能源局太陽光電資訊網，http://solarpv.itri.org.tw/page1.html
[15] 國立中山大學能源整合資訊系統，http://energy.nsysu.edu.tw/
[16] 台灣電力公司，「電價表」、「需量反應負載管理措施」，www.taipower.com.tw
[17] 智慧電網下住宅時間電價研訂策略之研究。
www.taipower.com.tw/UpFile/DownloadFile/智慧電網(Smart Grid)下住宅時間電價研訂策略之研究.pdf
[18] Ontario Energy Board, “OEB electricity price,” www.oeb.ca
[19] Ausgrid , “Ausgrid electricity price,” http://www.ausgrid.com.au/
[20] 陳開瑞、周哲豪、盧展南，「小型虛擬電廠概念實驗測試」，中華民過第三十三屆電力工程研討會，2012年，12月
[21] J. Richalet, A. Rault, J. L. Testud, and J. Papon, “Model Predictive Heuristic Control: Applaction to Industrial Processes,” Automatica, vol.14, no.5, pp.413-428, Sept. 1978.
[22] J. Richalet, A. Rault, J. L. Testud, and J. Papon, “Algorithmic Control of Industrial Processes,” In 4th IFAC symposium on Identification and System Parameter Estimation, 1976
[23] M. Morari, “Advances in Model-Based Predictive Control,” chapter Model Predictive Control: Multivariable Control Technique of Choice in the 1990s Oxford University Press, 1994
[24] 模型預測控制法。http://www.cc.ntut.edu.tw/~jcjeng/Model Predictive Control.pdf