繼能源(石油、天然氣)、電信、郵務等公用事業民營化和自由化後，電力產業自由化(Deregulation of Electricity Industry)為世界之潮流及趨勢，全球各地電力系統都朝解制(Deregulation)方向邁進，電力自由化是引進競爭機制和市場供需原則為基礎，自由化下各電力公司均面對前所未有的變革和挑戰。而台灣電力系統也逐步以自由化方向規劃，為有效地因應逐漸開放的競爭環境，進而提升電力科技服務品質，並結合負載管理(Load Management)、區域邊際電價預測(Locational Marginal Price Forecasting)等功能，讓消費者掌握即時電價(Real-Time Electricity Price)訊息，作為台灣朝向電力自由化方向及消費者購電策略的參考。
世界各地電力自由化以美國PJM(Pennsylvania、New Jersey、Maryland)最具代表性，其結合發電、輸電、配電、售電，並提供消費者即時的電力供應訊息，是當今全球電力自由化成功的案例之一。本論文以PJM提供之歷史數據，運用類神經網路(Artificial Neural Network，ANN)預測PJM區域邊際價格(Locational Marginal Price，LMP)，同時考量溫度和電力自由化相關條件等因素，作為預測的輸入變數，將數據依季節、星期加以分類，預測當日時段之LMP，並與原始數據比較其精確度和預測性能。

Power systems all over the world advance towards the direction of deregulation in the past few years. Introducing competition mechanism and the principle of market rules in deregulation. Utility companies will face unprecedented changes and challenges. Taiwan power company is also working on the deregulation direction with a competitive environment opened up, it will improve the scientific and technological levels and the service quality of electricity. Load management functions as the marginal price of electricity is predicted. Consumers can get Real-Time Pricing information determine their own buying strategy.
One most representative deregulation example in U.S.A. is the PJM(Pennsylvania、New Jersey、Maryland)system combining generating, transmitting, distribution and sales of electricity. It offers the information of real-time power supply and is one of the cases in the world. Historical data in the thesis comes from PJM. Artificial Neural Network was designed to the Locational Marginal Price(LMP), considering the factors such as temperature and other relevant data from deregulation with the introduction of various parameters in forecasting, and the use of week as a counting base. LMP will be forecasted. The forecasted results will be to check the accuracy and performance with initial data.

目 錄
摘要…………I
Abstract……II
目錄…………IV
圖目錄………VIII
表目錄………X
第一章 緒論………1
1-1 研究動機和目的…1
1-2 研究背景及方法…2
1-3 論文架構和概要…3
第二章 電力自由化環境和區域邊際價格…5
2-1 電力自由化發展現況與未來展望………5
2-1-1 前言……………5
2-1-2 電力產業的特性…5
2-1-3 我國電業法施行現況…11
2-1-4 世界各國電業法比較分析…14
2-2 電力自由化市場交易架構……20
2-2-1 新型電力市場趨勢…………20
2-2-2 電力自由化市場交易模式…21
2-3 PJM系統運轉與電能商品介紹…22
2-3-1 PJM介紹說明…………………22
2-3-2 PJM電能商品介紹..........23
2-4 區域邊際價格探討...........26
2-4-1 何謂區域邊際價格(Locational Marginal Pricing，LMP)…26
2-4-2 區域邊際價格模型(LMP model)...27
第三章 類神經網路與研究方法介紹……29
3-1 類神經網路介紹、架構、發展歷史、應用領域…29
3-1-1 類神經網路介紹...29
3-1-2 類神經網路架構...31
3-1-3 類神經網路發展歷史...32
3-1-4 類神經網路的應用領域...35
3-2 類神經網路學習模式類型與數學模型...36
3-2-1 類神經網路學習模式....36
3-2-2 類神經網路數學模型....38
3-2-3 類神經網路轉移函數介紹...40
3-2-4 類神經網路之非線性轉移函數...40
3-2-5 類神經網路的拓蹼(topology)架構...44
3-3 倒傳遞神經網路(Backpropagation Neural Network，BPN)…45
3-3-1 神經元之線性作用函數(linear activation function)權重值推導...45
3-3-2 層狀倒傳遞網路之雙彎曲函數(logsig)及雙曲線正切函數(tansig)權重值迭代修正...47
3-3-3 倒傳遞神經網路訓練演算步驟...48
3-4 徑向基網路(Radial Basis Function Network，RBF) ..52
3-4-1 徑向基網路架構與高斯作用函數...52
3-4-2 徑向基網路之函數逼近....55
3-5 部份最小平方(Partial Least Square，PLS)迴歸分析...56
3-5-1 部份迴歸模型建構分析...56
3-5-2 部份迴歸模型之共變異數矩陣...57
3-5-3 部份迴歸模型之顯著性檢定(t檢定) ...57
3-5-4 部份迴歸模型之殘差分析...58
3-6 本章結論…58
第四章 預測架構組成與類神經預測之應用…59
4-1 前言....59
4-2 預測原理依變數型態之分類...59
4-2-1 預測的類別...59
4-2-2 預測步驟.....59
4-2-3 預測的模式及預測變數說明...60
4-2-4 評估誤差精確度的方法.......62
4-3 預測數據之前處理、類神經(BPN、RBF)各個參數之定義與使用設定、部分迴歸(PLS)分析...66
4-3-1 預測數據之前處理...66
4-3-2 倒傳遞神經網路(BPN)參數設定...69
4-3-3 徑向基網路(RBF)參數設定...71
4-3-4 部分最小平方(PLS)迴歸.....72
4-4 類神經網路之預測應用........74
4-4-1 倒傳遞神經網路(BPN)預測...74
4-4-2 徑向基神經網路網路(RBF)預測...76
4-4-3 部分最小平方迴歸(PLS)預測.....77
4-5 本章結論……81
第五章 預測結果與性能分析…82
5-1 PJM2002倒傳遞神經網路(BPN)預測與分析...82
5-1-1 以原始月數據之倒傳遞神經網路(BPN)預測...82
5-1-2 以季節、星期為分類之倒傳遞神經網路(BPN)預測…88
5-2 PJM2002徑向基神經網路(RBF)預測與分析...90
5-2-1 以原始月數據之徑向基神經網路(RBF)預測...90
5-2-2 以季節、星期為分類之徑向基神經網路(RBF)預測…92
5-3 PJM2002部份迴歸(PLS)預測與分析...94
5-3-1 以原始月數據之部份迴歸(PLS)預測...94
5-3-2 以季節、星期為分類之部份迴歸(PLS)預測...96
5-4 綜合比較類神經網路與數據分類前處理之差異、t test與BPN權重值靈敏度分析...98
5-4-1 原始數據與分類後之預測精確度差異...98
5-4-2 預測方法之比較...98
5-4-3 t test與權重值靈敏度分析比較...99
5-4-4 BPN、RBF、PLS之MAE與MAPE誤差值比較...100
5-5 本章結論…101
第六章 結論與未來的研究方向…102
6-1 結論…102
6-2 未來研究方向…103
參考文獻.....104
圖 目 錄
圖2-1 發輸配電網基本組成架構...6
圖2-2 預估台灣94年~102年供電量與供電成長率...7
圖2-3 台灣歷年平均電價、裝置容量與發售電趨勢圖...8
圖2-4 台灣現階段電力市場架構...9
圖2-5 現今電業法電力市場基本架...12
圖2-6 電業法修正草案之電力市場架構...13
圖2-7 解制後的電力公司型態示意圖...20
圖2-8 PJM2002~2004各月平均、最大、月尖峰時段與月離峰時段之LMP時序圖...24
圖2-9 PJMISO即時輸配電與負載資訊...25
圖2-10 區域邊際價格之相關價組成...26
圖2-11 LMP模組計算流程圖...27
圖3-1 生物神經網路圖...30
圖3-2 生物神經元與人工神經元模型...31
圖3-3 類神經網路數學模式示意圖...32
圖3-4 監督式學習模式學習示意圖...37
圖3-5 兩個輸入一個輸出的McCulloch-Pitts PE...39
圖3-6 ANN之多層結構網路...40
圖3-7 線性雙值函數曲線....41
圖3-8 雙彎曲函數曲線......41
圖3-9 雙曲線正切函數......42
圖3-10 Gauss function曲線圖...42
圖3-11 層狀類神經網路示意圖...43
圖3-12 側向神經網路圖...43
圖3-13 前饋網路圖...44
圖3-14 稀疏連結網路圖...44
圖3-15 迴饋網路示意圖...44
圖3-16 線性神經元最小誤差以調整權重值...45
圖3-17 倒傳遞神經網路圖...48
圖3-18 倒傳遞神經網路之學習流程圖...50
圖3-19 OR邏輯訓練週期與誤差曲線.....51
圖3-20 徑向基網路架構圖...53
圖3-21 RBF函數逼近示意圖..55
圖4-1 台灣地區與PJM電力負載四季週負載曲線...61
圖4-2 PJM冬季供電地區氣溫分佈圖...62
圖4-3 散佈圖示意圖...65
圖4-4 輸入與輸出資料之類神經預測示意圖...66
圖4-5 數據分佈型態與基本統計值...67
圖4-6 PJM2002年1月份LMP機率分佈圖...68
圖4-7 台灣與PJM溫度、負載以及影響PJM LMP之相關性…69
圖4-8 BPN正弦函數逼近訓練性能曲線與函數逼近圖...71
圖4-9 BPN學習速率與動量因子設定值之訓練誤差收斂曲線...71
圖4-10 PJM200201BPN訓練誤差收斂曲線...72
圖4-11 PJM200201BPN實際值與預測值之散佈圖、時序圖比較…72
圖4-12 PJM200201~03Mon BPN訓練誤差收斂曲線...74
圖4-13 PJM200201~03Mon BPN實際值與預測值之散佈圖、時序圖比較…74
圖4-14 PJM200201~03Mon BPN訓練誤差收斂曲線...75
圖4-15 PJM200201~03Mon BPN實際值與預測值之散佈圖、時序圖比較…75
圖4-16 RBF PJM200201訓練收斂誤差曲線...76
圖4-17 RBF輸入層與輸出層間之權重值直方圖...76
圖4-18 PJM200201RBF實際值與預測值之散佈圖、時序圖比較...77
圖4-19 PJM200201 PLS實際值與預測值之散佈圖、時序圖比較...80
圖4-20 PJM200201~03Mon PLS實際值與預測值之散佈圖、時序圖比較…81
圖5-1 PJM200201~12各月之MAE比較...100
圖5-2以季節、星期分類之MAE比較....100
圖5-3以季節、星期分類之MAPE比較...101
表 目 錄
表2-1 台灣地區年度各類發電比例一覽表...10
表2-2 台電用戶類別92年度購電選擇權實施表...17
表2-3 各國電業法比較一覽表...17
表2-4 PJM電力市場概況表...22
表3-1 人腦神經網路重要特性一覽表...29
表3-2 生物神經網路各部功能一覽表...31
表3-3 生物神經與類神經網路類推一覽表...32
表3-4 學習模式類型分類表...38
表3-5 OR邏輯運算表與參數設定...51
表3-6 OR訓練輸出結果...51
表4-1相關性說明一覽表...65
表4-2 BPN網路正弦函數訓練參數...69
表4-3 變異分析表...73
表4-4 PJM200201BPN設定參數...74
表4-5 PJM200201~03Mon BPN設定參數...75
表4-6 PJM2002一階迴歸變異分析表...76
表4-7 PJM2002一階迴歸交互變異分析表...77
表4-8 PJM2002二階迴歸變異分析表...78
表4-9 PJM200201~03Mon一階迴歸變異分析表...78
表4-10 PJM200201~03Mon一階交互迴歸變異分析表...79
表4-11 PJM200201~03Mon二階迴歸變異分析表...79
表4-12 PJM200201~03Mon二階迴歸變異分析表...80
表5-1 權重值靈敏度分析與迴歸係數t test比較表...99

參考文獻
[1] Andrew L.Ott, “Experience with PJM Market Operation,System Design , and Implementation”, IEEE Transactions on Power System,vol 18,No.2,May 2003,PP528-534.
[2] Xingwang Ma, David I. Sun, and Kwok W. Cheung,“Evolution Toward Standardized Market Design”, IEEE Transactions on Power System,vol.18, No. 2, May 2003,PP460-469.
[3] Xingwang Ma, David I. Sun, and Andy Ott, “Implementation of the PJM Financial Transmission Rights Auction Market System”,IEEE 0-7803-7519-x,2002,PP1360-1365.
[4] Richard,J.Kafka,P.E.,Fellow,IEEE “Local Transmission Operator Experience in an ISO/RTO”,0-7803-7989-6/03,2003 IEEE,PP2241-2244.
[5] B.M.Balmat and A.M. DiCaprio,“The PJM Energy Market(U.S.)”,0-7803-7525-4/02,2002 IEEE,PP1479-1481.
[6] Jeffrey Bastian,’ Jinxiang Zhu, Venkat Banunarayanan, Rana Mukerji,“Forecasting Energy Prices in a Competitive Market”，IEEE Computer Application in Power, July 1999 IEEE,PP40-45.
[7] G.Hamond,“A Power System Assessment Tool for the Deregulated Electricity Market”,IEEE Transactions on Power System,2003 IEEE,PP453-458.
[8] Hong, Ying-Yi, Hsiao, Chuan-Yo,“Locational Marginal Price Forecasting in Deregulated Electric Markets Using a Recurrent Neural Network”,0-7803-6672-7/01,2001 IEEE,PP539-544.
[9] Jim Frame,“Locational Marginal Pricing”,0-7803-6672-7/01,2001 IEEE,PP377-382.
[10] 王京明、杜家雯，“美國PJM電力調度中心其市場運作及調度費率訂定方式之研究”,中華經濟研究院,2002年8月。
[11] Michael Negnevitsky,“Artificial Intellogence”,P176-185.
[12] Jose C.Principe,Neil R.Euliano,W.Curt Lefebvre,“Neural and Adaptive Systems”，P101-119.
[13] Hagan,Demuth,Beale,“Neural Network Design”,Chapter11 Backpropagation.
[14] Tarun Khanna,“Neural Networks”,P89-099.
[15] Dan W.Patterson,“Artificial Neural Networks”,P197-213.
[16] Perambur S.Neelakanta,Dolores F.De Groff,“Neural Network Modeling”,P98-109.
[17] 葉怡成,“應用類神經網路”,儒林出版社,P3-27~P3-62
[18] 聞新、周路、王丹力、熊曉英，“Matlab神經網路應用設計”,科學出版社,P244-262.
[19] 羅華強,“類神經網路”,清蔚出版公司,Chapter 5.
[20] 吳宗正,“迴歸分析理論與應用”,復文書局,Chapter 6、7、8.
[21] 葉怡成,“預測工程學”,中華大學講義,Chapter 10.
[22] PJM網站,網址:http://www.PJM.com/index.jsp
[23] G.David Garson,“Neural Networks”,P103-109.
[24] Nelson Illingworth,“Neural Nets”,P329.
[25] 李權芳,“解制電業市場區域邊際電價之預測”,中原大學電機所碩士論文,民國92年
[26] 黃琮暉,“ASP技術於電力交易市場與競標系統研究”,中山大學電機所碩士論文,民國92年
[27] 中華經濟研究院能源與環境研究中心,“電力科技進展下電業管制改革之研究”,民國85年二月,P75-88.
[28] 經濟部,“電業自由化相關課題探討”,民國90年二月,P10-11,P109-118
[29] 王文中，“統計學與Excel資料分析之實習應用”，博碩文化股份有限公司。
[30] VB Tech Lab.&瀨戶遙，“Excel函數與巨集應用”，博碩文化股份有限公司。
[31] 台灣電力公司，「電業自由化後台電公司供電義務與用戶購電選擇權之探討與因應」王晶明著，台電工程月刊九十二年六月號第658期。