整合智慧演算技術之深度學習網路於儲能系統規劃及決策擬定之研究

"根據資料統計，國內2017年曾有198天處於備用容量率低於10%的供電吃緊狀態以及69天處於低於6%的供電警戒狀態，國內供電情況確實正面臨挑戰，而隨著國內能源政策改變，太陽能發電預計擴展至現今發電量的20倍之多，然而由於大量太陽能發電併入電網，卻可能因為發電時段主要集中於白天，導致傍晚民生用電需求上升時會有供電不足，以致於電力調度確實面臨挑戰，故如何輔以儲能系統之運轉規劃，以避免太陽能併網後產生之鴨型曲線現象，確實已成為重要研究課題。為期有效解決發電短缺與電力調度難題，本計畫擬加入儲能裝置於配電網中，透過電網級儲能裝置之彈性充放電排程，有效舒緩發電端之供電不足，同時降低系統電壓不平衡率，進而提升電力系統供電可靠度。
因此本計畫之研究重點即在於研發新穎智能演算法搭配閘控型之循環單元神經網路與延長型短期記憶神經網路，建立高效能之儲能設備排程規劃，同時考慮太陽能併網與電動車充電站併網後之影響，以符實務需求及因應未來能源發展趨勢。本計畫於第一年研究中，擬針對選定之區域配電系統，研發應用戰略智能演算法進行儲能排程規劃，此演算法乃主要由戰略規劃啓發，具有尋得較佳解之能力。於本年度執行中，本計劃不僅探討國內外目前裝設儲能設備之研究現況，並將審慎評估所應用之戰略智能演算法於儲能設備充放電排程的適用可行性。接著於第二年之研究進行中，擬將第一年智能演算法獲得之各個可行解加以蒐集作為資料庫內容，藉以訓練具有深度學習能力之神經網路，並將加入閘控型循環單元神經網路，同時進一步探討太陽光電併網對於既有儲能裝置之影響與系統衝擊。本計劃第三年度則擬將電動車充電站併入電網，不僅探討充電站負載電壓及電流諧波對於系統造成之影響，同時擬致力於神經網路之研發升級，進而研究探討延長型短期記憶神經網路於儲能規劃之應用結果，此外，本計劃於第三年研究中，將與前兩年所提方法綜合分析比較，並改善現有演算法之不足部分，以建立更完善之排程規劃，提供電力調度人員參考。本研究計畫執行過程中，均將密切與電力工程人員討論，同時考慮實際匯流排設置架構與新型儲能設備規格和成本，以求執行計畫內容及成果貼近實務應用，俾於提升電力產業經濟競爭力。"