基於遞迴神經網路之能源管理-家戶用電量預測

A Recurrent Neural Network Based Energy Management-Household Electricity Consumption Forecast

吳律賢(Lu-Xian Wu)

指導教授 ： 李昕潔

國立交通大學/管理學院/科技管理研究所/碩士(2020年)

摘要

本研究結合台灣 2017 至 2018 年智慧電表試用戶的用電資料以及 中央氣象局的氣象預測公開資料，試著預測一般家戶未來 24 及 168 小 時的電力使用量，於實驗當中藉由嘗試不同模型、輸入參數以及輸入時 間規模，找出最合適本研究的組合，並得到良好的預測結果。而藉由精 準預測用電戶未來的用電量，能夠提供給台電公司作為電力調度以及 時間電價費率制定的依據，增進台灣能源管理與資料科學的結合與發展。

關鍵字

深度學習 ； 能源管理 ； 智慧電錶 ； 神經網路 ； 電力預測

並列摘要

This study combines the electricity consumption data of smart meter test users in Taiwan from 2017 to 2018 and the public weather forecast data from Central Weather Bureau, trying to predict the electricity consumption of households in the next 24 and 168 hours. In the experiment, different models, input parameters and the time scale of input data are tried to get the best good prediction results. By accurately predicting the future electricity consumption, it can be provided to Taipower company as a basis for power dispatching and Time-of-use Rate pricing to enhance the integration and development of energy management and data science in Taiwan.

並列關鍵字

Deep Learning ； Energy Management ； Smart Meter ； Neural Network ； Electricity Forecast

參考文獻

1. Abby Huang (2018/07/03)。台灣是缺電，還是太「浪費」電 —— 拼命蓋電廠其實不見得有用。The News Lens 關鍵評論網。民108年5月8日，取自：https://www.thenewslens.com/article/98103

2. 台電綜合研究所(無日期)。台電智慧電網未來規劃與運作。民108年5月8日，取自：http://www.smart-grid.org.tw/userfiles/vip1/02台電智慧電網未來規劃與運作_王金墩主任.pdf

3. 趙家緯 (2018)。建構「效率優先」的夏月尖峰戰略。民108年5月8日，取自：國立台灣大學社會科學院風險社會與政策研究中心網頁：http://rsprc.ntu.edu.tw/zh-tw/m01-3/energy-transformation/977-nl25-effi-first.html

4. 鄭睿合, 陳冠翰, 呂易恂, 梁啟源, 陳博貴, 林文祥 (2019)。不同家庭用電級距特性分析與節能措施建議。經濟前瞻，179。民108年5月8日，取自：http://www.cier.edu.tw/site/cier/public/data/179-036-042-臺灣經濟-鄭睿合等.pdf

1. Ahmad, A. S., Hassan, M. Y., Abdullah, M. P., Rahman, H. A., Hussin, F., Abdullah, H., & Saidur, R. (2014). A review on applications of ANN and SVM for building electrical energy consumption forecasting. Renewable and Sustainable Energy Reviews, 33(1), 102-109.