近年來氣候變化異常，極端氣候正在嚴重影響人類生存的環境，因此全球上百個國家提出「2050淨零排放」的宣示與行動。我國為呼應全球淨零碳排趨勢，於111年公布「臺灣2050淨零排放路徑及策略總說明」及「12項關鍵戰略行動計畫」，針對淨零碳排各面向目標進行推展，同時《溫室氣體減量及管理法》修正草案亦於112年三讀通過施行，名稱修正為《氣候變遷因應法》，並納入2050年淨零排放目標，推動碳稅制度以接軌國際。
而高度依賴能源進口，發電方式以燃氣燃煤佔大宗，碳稅提高發電成本，台電公司迫於發電成本居高不下，導致我國近幾年電價節節調漲。而電價上漲連帶影響各項民生必需品物價上揚，對各行各業用戶的電力成本隨之增加。因此節省電費支出成為許多企業降低生產成本的一大方向。
本研究建立高壓用戶電價的計算數學模型，以嘉義地區S公司為例，透過用戶歷史用電資料，利用時間序列分析之三次指數平滑方法進行負載預測，得出未來一年用電預估。接著以用電預估資料進行粒子群演算法，求解契約容量最佳值及選擇方案，作為用戶在簽訂契約容量有效參考，協助降低用電成本，提高利潤。

In recent years, climate change has become anomalous, and extreme weather has severely affected the environment on which humans depend. In response to the global net-zero trend, our nation has likewise introduced a carbon tax to align with international practice. Our nation is highly dependent on imported energy, and its power generation relies largely on natural gas and coal. Persistently high generation costs have driven steady increases in electricity prices in recent years. These hikes have, in turn, pushed up the prices of essential goods and raised electricity expenses across industries. Consequently, reducing electricity bills has become a major strategy for many enterprises to lower production costs. The cost of electricity is one of the costs that many high-voltage users pay attention to. This study has an in-depth understanding of Taiwan Power Company's electricity pricing schemes, established a mathematical model, and used the historical electricity consumption data of the case company to predict its future electricity consumption through the exponential smoothing method. The particle swarm optimization algorithm is used to optimize contract capacity to help users reduce electricity costs and increase profits.

Brown, R. G. (1959). Less risk in inventory estimates. Harvard Business Review, 37(4), 104-116.
Holt, C. C. (1957). Forecasting Seasonals and Trends by Exponentially Weighted Moving Averages. 52.
Kennedy, J., & Eberhart, R. (1995). Particle Swarm Optimization. Proceedings of the IEEE International Conference on Neural Networks.
Lewis, C. D. (1982). International and Business Forecasting Methods.
Muainuddin, M. M. A. M., & Abu, N. (2023). Forecasting Electricity Consumption Using Exponential Smoothing Methods Proceedings of the International Symposium & Exhibition on Business and Accounting 2022 (ISEBA 2022), 28 September 2022, Malaysia,
Shi, Y., & Eberhart, R. (1998). A Modified Particle Swarm Optimizer. IEEE International Conference on Evolutionary Computation.
Trull, O., García-Díaz, J. C., & Troncoso, A. (2020). Initialization Methods for Multiple Seasonal Holt–Winters Forecasting Models. Mathematics, 8(2). https://doi.org/10.3390/math8020268
Winters, P. R. (1960). Forecasting Sales by Exponentially Weighted Moving Averages. Management Science, 6(3), 324-342
台灣電力公司. (2021). 營業規章問題探討集第五版.
台灣電力公司. (2025). 電價表.
行政院. (2023). 臺灣2050淨零排放. Retrieved 2025/01/14 from: https://www.ey.gov.tw/Page/5A8A0CB5B41DA11E/7a65a06e-3f71-4c68-b368-85549fbca5d1
吳俊慶. (2019). 最佳化台電契約容量策略 國立清華大學]. 臺灣博碩士論文知識加值系統. 新竹市. https://hdl.handle.net/11296/nh5r45
吳律賢. (2020). 基於遞迴神經網路之能源管理-家戶用電量預測 國立交通大學]. 臺灣博碩士論文知識加值系統. 新竹市. https://hdl.handle.net/11296/v5h8hz
呂茂亨. (2010). GM(1,1)應用於用電趨勢之研究-以某科技大學為例 朝陽科技大學]. 臺灣博碩士論文知識加值系統. 台中市. https://hdl.handle.net/11296/2z5pka
李宜憲. (2010). 使用灰色理論及基因規劃法建構預測模型-以能源消耗之預測為例 國立交通大學]. 臺灣博碩士論文知識加值系統. 新竹市. https://hdl.handle.net/11296/jc2zur
李諭. (2015). 化工廠用電量預測 國立中正大學]. 臺灣博碩士論文知識加值系統. 嘉義縣. https://hdl.handle.net/11296/sezau3
李聰穎, 林義傑, 詹榮茂, & 陳俊隆. (2005). 基因演算法應用於時間電價用戶契約容量選定.
林巧玲. (2000). 短期電力負載需求之整合模型建構與預測 國立臺灣大學]. 臺灣博碩士論文知識加值系統. 台北市. https://hdl.handle.net/11296/2k33jy
林耀麒. (2022). 大樓用電分析及契約用電最佳化之研究 正修科技大學]. 臺灣博碩士論文知識加值系統. 高雄市. https://hdl.handle.net/11296/37e2s7
連欣怡. (2019). 運用超參數調優技巧建立深度神經網路來處理迴歸問題 國立清華大學]. 臺灣博碩士論文知識加值系統. 新竹市. https://hdl.handle.net/11296/g68an3
陳平. (2023). 零售商店契約容量及用電費率之分析 以T賣場為例 正修科技大學]. 臺灣博碩士論文知識加值系統. 高雄市. https://hdl.handle.net/11296/4a9dsg
陳義分, 陳映君, & 楊展耀. (2008). 契約用電最適規劃之研究.
彭文龍. (2009). 面板廠電力契約容量最佳化 中原大學]. 臺灣博碩士論文知識加值系統. 桃園縣. https://hdl.handle.net/11296/6ucx8x
黃允成, & 陳奕安. (2017). 節能設備成本效益分析與最適契約容量之研究－以某公司為例 [The Cost and Benefit Analysis of Energy-Saving Equipment and the Optimal Setting of Contract Capacity]. 台灣管理學刊, 17(1), 45-76. https://doi.org/10.6295/tamj.201702_17(1).0003
楊勝翔. (2013). 需量預測應用於最佳化契約容量研究 國立成功大學]. 臺灣博碩士論文知識加值系統. 台南市. https://hdl.handle.net/11296/xj8suf
賈繼德. (2009). 台灣電力需求預測模型之探討─ARIMA模型及迴歸模型 東吳大學]. 臺灣博碩士論文知識加值系統. 台北市. https://hdl.handle.net/11296/28x9av
瑪, 莎. (2019). 大量時間序列之預測與叢聚分析 國立清華大學]. 臺灣博碩士論文知識加值系統. 新竹市. https://hdl.handle.net/11296/wr7pr9
鄭楚堂. (2019). 優化契約容量與時間電價對電費成本之影響-以F公司為例 國立臺中科技大學]. 臺灣博碩士論文知識加值系統. 台中市. https://hdl.handle.net/11296/7x3mmj
黎乃仁. (2015). 以權重粒子為基礎之改良式粒子群最佳化演算法與其應用 國立中央大學]. 臺灣博碩士論文知識加值系統. 桃園縣. https://hdl.handle.net/11296/uwv9fq
蕭力元. (2013). 基於粒子群演算法之時間電價用戶負載管理之研究 國立臺灣科技大學]. 臺灣博碩士論文知識加值系統. 台北市. https://hdl.handle.net/11296/zn3d6m
鍾柏彥. (2017). 負載預測及契約容量最佳化之研究 國立臺灣科技大學]. 臺灣博碩士論文知識加值系統. 台北市. https://hdl.handle.net/11296/4qx4zs