摘要
風力發電已成為環保電能的重要來源，各界不斷積極探索風力發電的效益與發展方向，傳統風力電廠的風場風速與風向難以提前精準預測，電廠僅能在實際發電後獲得發電成效與數據，故透過風資源評估及人工智慧機器學習的技術開發導入，將能在實際發電前數個小時預測風電輸出，大舉提高風力發電價值，為綠能產業帶來更多精準數據，及帶來電力市場自由化後的無限商機。
關鍵字
無資料延伸閱讀
- 劉宗憲（2010）。計算流體力學應用於風力發電機結構受風可行性研究〔碩士論文，淡江大學〕。華藝線上圖書館。https://doi.org/10.6846/TKU.2010.00301
- 李庚熹（2014）。利用超經驗人工蜂群演算法解決基於成本效益分析之風力發電場細部場址規劃問題〔碩士論文，國立暨南國際大學〕。華藝線上圖書館。https://doi.org/10.6837/NCNU.2014.00201
- 蔡志威（2006）。風力發電效能評估參數之探討〔碩士論文，國立臺灣大學〕。華藝線上圖書館。https://doi.org/10.6342/NTU.2006.10040
- Yu, C. T. (2008). 風力發電機性能的逆向預測與驗證 [master's thesis, National Pingtung University of Science and Technology]. Airiti Library. https://www.airitilibrary.com/Article/Detail?DocID=U0042-0707200914545516
- YU, T. K. (2019). 通過深度學習設計風電場的有功功率控制 [master's thesis, Tamkang University]. Airiti Library. https://www.airitilibrary.com/Article/Detail?DocID=U0002-0107201915050000