電力管理之頻譜最佳化分析

Abstract

台灣為一地理位置處於熱帶與副熱帶氣候之間的海島國家，在夏天時日照時間多且氣溫高，冬季時吹著強烈的東北季風，因此有足夠的條件去發展再生能源，其中以中部地區的福海風力發電廠最為大型且最具研究意義，因此以台灣中部地區作為研究之案例。再生能源具有不穩定性，本研究以傅立葉頻譜分析結合最佳化模型以解決台灣中部地區風力及太陽光電此兩種再生能源在2017年至2021年發電與用電之間的關係，透過台電2017年至2021年每日風力發電及太陽光發電各電廠之發電量和2017年至2021年的中部地區發電資料與全台各縣市用電比例乘上全台風力發電集太陽光電量模擬的中部地區用電資料作為輸入資料，以取得最佳輸出電量為目標，達到冬季風力發電量高，而提高風力的用電量，夏季太陽光電量高，而提高太陽光電的用電量，在總用電量不變的情況下，減少非再生能源的使用量以降低對環境的傷害，再進而達到電力管理之效果。 以傅立葉頻譜分析結合最佳化模型去進行電力管理為一創新方法，本研究以選取最適當傅立葉級數的係數n值，以平衡方程式作為最佳化條件，再將其轉為頻率域上之等式與發電廠容量限制之作為限制式，再依據欲求之最佳輸出電量與用電量係數相差平方最小值當作目標函數以建構此最佳化模型。在非線性的最佳化模型中，使用pyomo套件能夠有效率的處理此複雜問題。待取得最佳輸出電量後，在與實際用電量做比較以評估在一年之中何時可增加風力用電量，何時可增加太陽光電用電量。 研究結果顯示，冬季因風力發電為高峰期，蓄電量盈餘足夠，輸出電量小於發電量且大於用電量，因此在冬季時用電量可以增加到理想輸出電量的值。在夏季時日照時數高，輻射能量高，因此為發電高峰期，因此夏季用電量可以多增加至理想輸出電量。

Taiwan is a sea island country with a geographical location between tropical and subtropical climates. In summer, there has long insolation duration and high temperatures. In winter, there is a strong northeast monsoon. Due to the instability of renewable energy, this study uses Fourier Spectrum Analysis combined with an Optimization Model to solve the relationship between the power generation and electricity consumption of the two renewable energy sources, wind and solar PV in central Taiwan from 2017 to 2021, with the goal of obtaining the optimal output electricity, in the conditions of total electricity consumption remains unchanged, which in the case of high wind power generation in winter, the power consumption of wind power is increased; and in the case of high solar PV power generation in summer, and the power consumption of solar PV is increased, thereby achieving the effect of power management. Using Fourier Spectrum Analysis combined with Optimization Model to carry out electricity management is an innovative method. In this study, the most appropriate Fourier series coefficients n value is selected, the equilibrium equation is used as the optimization condition, and then it is converted into the constraint formula in frequency domain, and then the optimal model is constructed according to the minimum squared difference between the optimal output power and the power consumption coefficients as the objective function. In nonlinear optimization models, using pyomo suite can efficiently handle this complex problem.