簡易檢索 / 詳目顯示

回結果列表
研究生： 許哲強
Hsu, Che-Chiang
論文名稱： 台灣區域電力負載預測分析系統之建立與應用研究
A study on the Construction and Application of Taiwan Regional Electricity Load Forecasting Analysis System
指導教授： 陳家榮
Chen, Chia-Yon
學位類別： 博士
Doctor
系所名稱： 工學院 - 資源工程學系
Department of Resources Engineering
論文出版年： 2003
畢業學年度： 91
語文別： 中文
論文頁數： 240
中文關鍵詞： 區域電力負載預測分析系統 、類神經網路 、灰色理論 、區域性負載預測
外文關鍵詞： Regional load forecasting, Grey theory, Regional Electricity Load Forecasting analysis s, Artificial neural network
相關次數： 點閱：110  下載：10 
分享至:
查詢本校圖書館目錄 查詢臺灣博碩士論文知識加值系統 勘誤回報

    • 　　就現階段台灣地區負載預測制度而言，預測的型態著重於總體負載預測以及部門別之負載預測。然而以台灣地區區域發展型態之不同，總體負載以及部門別電力負載往往忽略了區域間潛在變化以及區域不同發展階段對電力需求彈性不同的訊息。從另一角度來看，即使總體負載預測能準確地預測出電力負載，但卻無法得知負載發生之所在，此舉亦無助於電廠設置之選擇以及輸、配電線路之建設。
    　　基於上述的說明，本研究之主旨在於根據台灣各區域的發展狀況，建構區域電力負載預測（RELFOR）分析系統，用以推估各區域未來需電與電力尖峰負載之情形，研究結果除可提供區域負載預測相關資訊，並可供區域電力輸、配線路等基礎建設以及電力管理決策單位之參考。
    　　根據研究結果顯示，本研究所建構結合灰色系統理論與類神經網路之RELFOR預測分析系統，不但可使模式變數之選擇更具理論依據且能較傳統倒傳遞類神經網路與計量模式有較佳之預測成效。此外，根據本研究RELFOR模式預測結果發現，未來電力負載增加仍以北部最多。若進一步將各區未來電力尖峰負載與目前長期電源開發規劃計畫加以比較，可以發現南部地區未來有電力供應短缺的現象，值得有關單位加以重視。

    　　Electricity power is one of the major input factors in economic development. To continually support the economic to growth and meet power requirements in the future, load forecasting has become very important for electric utilities. Moreover, accurate load forecast can be helpful in developing power supply strategy，financing planning, market research ,and electricity management. Up to now, load forecasting emphasized on aggregate or sector load forecasting in Taiwan, but aggregate or sector load forecasting can not predict where the load takes place and not be helpful in transmission line or substation construction.

    　　Therefore, the purpose of this study is to use the Regional Electricity Load Forecasting (RELFOR) system to forecast the regional electricity demand and electric load in the future. Results of this study can be the basis of consideration of power basic constructions and, further, be the reference of power management authority.

    　　From the results of this study, our RELFOR system can yield more accuracy predict results than the ANN model and econometric model. According to the forecasting results of our RELFOR model, the power load in Northern region would increase faster than the rest regions of Taiwan. Compared to the long-term power development planning of Taiwan, the Southern region has the power supply shortage crisis in future.

    誌　謝……………………………………………………………………I 中文摘要…………………………………………………………………II 英文摘要…………………………………………………………………III 目錄………………………………………………………………………IV 圖目錄……………………………………………………………………VII 表目錄……………………………………………………………………XI 第一章、緒論……………………………………………………………1 　　第一節　研究動機與目的…………………………………………1 　　第二節　國內外相關研究回顧……………………………………5 　　第三節　研究內容…………………………………………………13 　　第四節　研究步驟與流程…………………………………………14 　　第五節　論文組織與架構…………………………………………16 第二章、研究方法………………………………………………………17 　　第一節　預測方法之比較…………………………………………17 　　第二節　研究方法…………………………………………………23 第三章、區域電力供需探討與區域範圍之界定………………………39 　　第一節　區域電力供需現況之探討………………………………39 　　第二節　區域範圍之界定…………………………………………45 　　第三節　各區域之現況與未來發展………………………………48 　　第四節　開發中與規劃中之大型工業區未來需電之探討………64 第四章、區域電力負載資料庫之建立與處理…………………………77 　　第一節　資料來源…………………………………………………77 　　第二節　各類區域資料之彙整與處理……………………………81 第五章、區域需電預測系統之建立與預測結果………………………91 　　第一節　區域需電預測系統之建立探討…………………………91 　　第二節　區域需電預測模式輸入變數之篩選……………………94 　　第三節　區域需電預測模式之建立與模式驗證…………………100 　　第四節　區域需電預測模式事前預測結果與分析………………141 第六章、區域電力尖峰負載預測系統之建立與預測結果……………167 　　第一節　區域電力尖峰負載預測模式輸入變數之篩選…………167 　　第二節　區域電力尖峰負載預測模式之建立與模式驗證………176 　　第三節　區域電力尖峰負載預測模式事前預測結果與分析……206 第七章、結論與建議……………………………………………………217 參考文獻…………………………………………………………………223 圖 目 錄 圖1-1 研究流程圖.................................. 15 圖2-1 原始數列與累加生成數列..................... 28 圖2-2 灰色系統預測流程圖......................... 31 圖2-3 類神經網路架構圖............................ 34 圖2-3 倒傳遞類神經網路建構流程................... 36 圖3-1 各區淨尖峰能力與尖峰負載差異圖............ 43 圖3-2 各區未來新設工業區預估用電時程趨勢圖.......... 76 圖4-1 歷年區域平均氣溫趨勢圖......................... 89 圖5-1 RELFOR分析系統架構......................... 92 圖5-2 北部地區總需電各模式事後預測誤差百分比........ 135 圖5-3 中部地區總需電各模式事後預測誤差百分比........ 135 圖5-4 南部地區總需電各模式事後預測誤差百分比........ 136 圖5-5 東部地區總需電各模式事後預測誤差百分比........ 136 圖5-6 北部地區電力用電各模式事後預測誤差百分比..... 137 圖5-7 中部地區電力用電各模式事後預測誤差百分比..... 137 圖5-8 南部地區電力用電各模式事後預測誤差百分比..... 138 圖5-9 北部地區電力用電各模式事後預測誤差百分比..... 138 圖5-10 北部地區電燈用電各模式事後預測誤差百分比.... 139 圖5-11 中部地區電燈用電各模式事後預測誤差百分比.... 139 圖5-12 南部地區電燈用電各模式事後預測誤差百分比.... 140 圖5-13 東部地區電燈用電各模式事後預測誤差百分比.... 140 圖5-14 區域人口預測流程............................ 142 圖5-15 區域戶數（電燈用戶數、電力用戶數）預測流程... 143 圖5-16 區域實質GDP（區域實質可支配所得、區域實質總所得）預測流程.............................. 146 圖5-17 各模式北部地區總需電事前預測結果............ 157 圖5-18 各模式中部地區總需電事前預測結果............ 157 圖5-19 各模式南部地區總需電事前預測結果............ 158 圖5-20 各模式東部地區總需電事前預測結果............ 158 圖5-21 各模式北部地區電力用電事前預測結果.......... 159 圖5-22 各模式中部地區電力用電事前預測結果.......... 159 圖5-23 各模式南部地區電力用電事前預測結果.......... 160 圖5-24 各模式東部地區電力用電事前預測結果.......... 160 圖5-25 各模式北部地區電燈用電事前預測結果.......... 161 圖5-26 各模式中部地區電燈用電事前預測結果.......... 161 圖5-27 各模式南部地區電燈用電事前預測結果.......... 162 圖5-28 各模式東部地區電燈用電事前預測結果.......... 162 圖6-1 歷年各區絕對最高氣溫趨勢圖................... 174 圖6-2 歷年各區最大溫差趨勢圖....................... 174 圖6-3 歷年各區電力尖峰負載趨勢圖................... 175 圖6-4 北部地區電力尖峰負載各模式事後預測誤差百分比.. 202 圖6-5 中部地區電力尖峰負載各模式事後預測誤差百分比.. 202 圖6-6 南部地區電力尖峰負載各模式事後預測誤差百分比.. 203 圖6-7 東部地區電力尖峰負載各模式事後預測誤差百分比.. 203 圖6-8 北部地區氣溫敏感負載各模式事後預測誤差百分比.. 204 圖6-9 中部地區氣溫敏感負載各模式事後預測誤差百分比.. 204 圖6-10 南部地區氣溫敏感負載各模式事後預測誤差百分比. 205 圖6-11 東部地區氣溫敏感負載各模式事後預測誤差百分比. 205 圖6-12 各模式北部地區電力電力尖峰負載事前預測結果.. 214 圖6-13 各模式中部地區電力電力尖峰負載事前預測結果.. 214 圖6-14 各模式南部地區電力電力尖峰負載事前預測結果.. 215 圖6-15 各模式東部地區電力電力尖峰負載事前預測結果.. 215 表 目 錄 表2-1 各種預測方法的比較............................ 22 表2-2 預測精度等級表.............................. 30 表3-1 民國75-90年電力供需情形....................... 41 表3-2 分區負載與供電能力關係表...................... 42 表3-3 各區域範圍對照表.......................... 47 表3-4 各區域概況.................................... 63 表3-5 開發中之工業區與科學園區發展概況.............. 66 表3-6 已規劃電力供給之工業區與科學園區發展概況...... 67 表3-7 開發中之工業區與科學園區用電時程預估概況...... 72 表3-8 規劃中之工業區與科學園區用電時程預估概況...... 73 表4-1 資料來源..................................... 79 表4-2 宜蘭縣與花蓮縣民國90年用電量修正表........ 82 表4-3 分區對照表................................... 83 表4-4 歷年台灣地區產業結構....................... 85 表4-5 區域產業結構推估表............................ 87 表4-6 區域絕對最高氣溫與區域最大溫差表............... 90 表5-1 區域電力需求待選變數說明表.................. 97 表5-2 各類區域電力需求模式輸入變數說明表......... 98 表5-3 RELFOR分析系統模式區域需電預測模式架構... 101 表5-4 RELFOR分析系統區域總需電預測結果（無產業）.... 105 表5-5 RELFOR分析系統區域總需電預測結果（有產業）.... 106 表5-6 RELFOR分析系統區域電力用電預測結果（無產業）.. 107 表5-7 RELFOR分析系統區域電力用電預測結果（有產業）.. 108 表5-8 RELFOR分析系統區域電燈用預測結果............ 109 表5-9 ANN模式區域需電預測模式架構............... 111 表5-10 ANN區域總需電預測結果（無產業）................ 113 表5-11 ANN區域總需電預測結果（有產業）................ 114 表5-12 ANN區域電力用電預測結果（無產業）.............. 115 表5-13 ANN區域電力用電預測結果（有產業）.............. 116 表5-14 ANN區域電燈用預測結果........................ 117 表5-15 區域總需電無產業結構變數計量經濟模式......... 119 表5-16 區域總需電有產業結構變數計量經濟模式......... 120 表5-15 計量模式區域總需電預測結果（無產業）........... 121 表5-16 計量模式區域總需電預測結果（有產業）........... 122 表5-19 區域電力用電無產業結構變數計量經濟模式....... 124 表5-20 區域電力用電有產業結構變數計量經濟模式....... 125 表5-21 區域電力用電無產業結構變數計量經濟模式(修正後) 127 表5-22 區域電力用電有產業結構變數計量經濟模式（修正後） 128 表5-23 修正計量模式區域電力用電預測結果（無產業）..... 129 表5-24 修正計量模式區域電力用電預測結果（有產業）..... 130 表5-25 區域電燈用電計量經濟模式..................... 132 表5-26 計量模式區域電燈用電預測結果................. 133 表 5-27 各類資料未來值推估結果與資料來源............ 147 表 5-28 區域人口數、戶數、電力戶數、電燈戶數推估結果 148 表 5-29 區域GDP、可支配所得、總所得推估結果........... 149 表 5-30 Grey Model區域需電推估結果................... 150 表 5-31 RELFOR分析系統區域需電事前預測結果........ 153 表 5-32 ANN Model區域需電事前預測結果................ 154 表 5-33 計量Model區域需電事前預測結果............... 155 表5-34 未來電源開發計畫（91-100年）................ 165 表5-35 未來各區總需電、平均負載與電源裝置容量增加量 166 表6-1 區域電力尖峰負載待選變數說明表............. 171 表6-2 區域電力尖峰負載與氣溫敏感負載模式輸入變數說明表....................................... 173 表6-3 RELFOR分析系統模式區域電力尖峰負載預測模式架構........................................ 177 表6-4 RELFOR分析系統區域電力尖峰負載預測結果（無產業）............................................ 179 表6-5 RELFOR分析系統區域電力尖峰負載預測結果（有產業）.......................................... 180 表6-6 RELFOR分析系統區域氣溫敏感負載預測結果（無產業）......................................... 181 表6-7 RELFOR分析系統區域氣溫敏感負載預測結果（有產業）............................................ 182 表6-8 ANN模式區域電力尖峰負載預測模式架構...... 184 表6-9 ANN區域電力尖峰負載預測結果（無產業）........... 185 表6-10 ANN區域電力尖峰負載預測結果（有產業）.......... 186 表6-11 ANN區域氣溫敏感負載預測結果（無產業）......... 188 表6-12 ANN區域氣溫敏感負載預測結果（有產業）......... 189 表6-13 區域電力尖峰負載無產業結構變數計量經濟模式... 191 表6-14 區域電力尖峰負載有產業結構變數計量經濟模式... 192 表6-15 計量模式區域電力尖峰負載預測結果（無產業）... 194 表6-16 計量模式區域電力尖峰負載預測結果（有產業）... 195 表6-17 區域氣溫敏感負載無產業結構變數計量經濟模式... 197 表6-18 區域氣溫敏感負載有產業結構變數計量經濟模式... 198 表6-19 計量模式區域氣溫敏感負載預測結果（無產業）... 199 表6-20 計量模式區域氣溫敏感負載預測結果（有產業）... 200 表6-21 Grey Model區域電力尖峰負載事前預測結果....... 207 表6-22 RELFOR分析系統區域電力電力尖峰負載事前預測結果........................................211 表6-23 ANN Model區域電力電力尖峰負載事前預測結果.... 212 表6-24 計量模式區域電力電力尖峰負載事前預測結果..... 213 表6-25 未來各區電力尖峰負與電源裝置容量增加量....... 216 附表一 北部各需電模式變數灰色修正局部關聯度分析結果 231 附表二 中部各需電模式變數灰色修正局部關聯度分析結果 232 附表三 南部各需電模式變數灰色修正局部關聯度分析結果 233 附表四 東部各需電模式變數灰色修正局部關聯度分析結果 234 附表五 北部各尖峰負載模式變數灰色修正局部關聯度分析結果 235 附表六 中部各尖峰負載模式變數灰色修正局部關聯度分析結果 236 附表七 南部各尖峰負載模式變數灰色修正局部關聯度分析結果 237 附表八 東部各尖峰負載模式變數灰色修正局部關聯度分析結果 238

    1. 王塗發，區域經濟指標估計之研究，行政院經濟建設委員會都市及住宅發展處委託研究，1996。

    2. 台電公司，台灣電力公司九十年年報，2002。

    3. 台電公司企劃處，91年長期負載預測（91年至105年），台電公司，2002。

    4. 台電公司企劃處，統計年報，台電公司，1981-2002。

    5. 田自力，灰色理論在預測與決策之研究，國力成功大學機械工程研究所博士論文，1996。

    6. 中央氣象局，氣象統計年報，1981-2000。

    7. 石齊平、郭照榮，當代計量經濟學，三民書局，1985。

    8. 行政院主計處，中華民國85年台閩地區工商及服務業普查報告，1988。

    9. 行政院經濟建設委員會，都市及區域發展統計彙編，1981-2001。

    10. 行政院主計處，中華民國台灣地區國民所得，1981-2001。

    11.行政院主計處，中華民國台灣地區家庭收支調查報告，1981-2001。

    12.何明山，台灣地區未來用電需求量之預測研究，國立成功大學電機工程研究所碩士論文，1997。

    13.李肖宗，“台灣電業市場自由化的競爭與限制”，邁向電力新紀元-電業自由化的展望國際研討會，2000。

    14.吳漢雄、鄧聚龍、溫坤禮，灰色分析入門，高立圖書有限公司，1996。

    15.姚良彬，模糊類神經網路應用於電力系統短期負載預測之研究，國立成功大學電機工程研究所碩士論文，1994。

    16.許哲強、陳家榮，“灰色理論在區域需電預測之應用“，能源季刊，第29卷，第4期，頁96-108，1999。

    17.許哲強，陳家榮，〝灰色理論在台灣地區短期負載預測之應用〞，台電工程月刊，第625期，頁132-140，2000。

    18.許哲強，陳家榮，賴正文，〝類神經網路在區域負載預測之應用〞，台銀季刊，第52卷，第3期。頁215-243，2001。

    19.許哲強，賴正文，陳家榮，〝預測方法之比較以台灣地區負載預測為例〞，能源季刊，第31卷，第4期。頁66-80，2001。

    20.許哲強，賴正文，“灰色預測在電力負載預測之應用研究”，二OO一年灰色系統理論與應用學術研討會論文集，2001。

    21.葉怡成，類神經網路模式應用與實作，儒林圖書公司，1995。

    22.葉怡成，應用類神經網路，儒林圖書公司，1999。

    23.葉若春、鄭春生、卜玉枝，“以實驗設計方法對倒傳遞類神經網路學習參數進行最佳化研究：對藥物動力學的應用為例”，管理與系統，第6卷，第1期，頁65-92，1999。

    24.張偉哲、溫坤禮、張廷政，灰色關聯模型方法與應用，高立圖書有限公司，2000年。

    25.張紘炬、張山盛，“台灣地區電力尖峰負載預測理論模型及其應用“，中國統計學報，第25卷，第12期，頁12490-12517，1987。

    26.陳家榮、施勵行、賴正文，負載預測方法及制度之規劃研究，台灣電力公司與國立成功大學建教合作案，1993。

    27.梁天旗，電力系統負載預測之灰色系統模式，國立成功大學電機工程研究所碩士論文，1995。

    28.梁瑞勳、鄭清吉，“結合複線性回歸分析及模糊專家系統於短期負載預測“，第二十屆電力研討會論文集，頁1146-1150，2000。14.黃有評、陳朝光，“灰色系統之應用與展望”，模糊系統學刊，第4卷，第1期，頁1-7，1998。

    29.黃世杰、史光榮,“高階統計方法應用於電力系統短期負載預測“,第二十屆電力研討會論文集,頁1161-1166，2000。

    30.黃昭明、楊宏澤、王瑋明，“應用模糊時間序列模式於短期負載預測之研究“，第二十屆電力研討會論文集,頁1151-1155，2000。

    31.董大鈞，類神經網路在中長期電力負載及需求預測之應用，國立成功大學資源工程研究所碩士論文，1994。

    32.賴正文，區域性負載預測及電力供給規劃模型建立之研究，國立成功大學資源工程研究所博士論文，1997。

    32.賴正文、陳家榮、許哲強，人工神經網路在長期負載之應用研究，台灣電力公司與南榮技術學院及國立成功大學建教合作案，2001。

    34.薛立敏，台灣地區家計部門電力需求之研究，經濟部能委會，1985。

    35.謝邦昌、李世傑、洪紹平、陳鳳惠、洪育民、陳振鴻，“台灣地區區域別電力需求預測之研究“，台電工程月刊，第601期，頁36-47，1998。

    36.謝政勳，“應用灰色一次累加生成於短期電力負載預測“，第二十屆電力研討會論文集,頁1156-1160，2000。

    37.Al-Saba.T., I.El-Amin, ” Artificial Neural Networks as Applied to Long-term Demand Forecasting”, Artificial Intelligence in Engineer, Vol.13,1999, pp. 189-197.

    38.Barakat E.H., S.A. Al-Rashed, ”Analysis of the Impact of Dynamic Events on Power Requirements”, Electric Power Systems Research, Vol. 37, 1996, pp. 137-142.

    39.Chandrashekara A.S., T Ananthapadmanabha, A.D. Kulkarni, “A Neuro-expert System for Planning and Load Forecasting of Distribution Systems”, Electric Power and Energy Systems, Vol. 21, 1999, pp. 309-314.

    40.Chen C.S., Y.M. Tzeng, J.C. Hwang,” The Application of Artificial Neural Networks to Substation Load Forecasting”, Electric Power Systems Research, Vol. 38, 1996, pp. 153-160.

    41.Chen J.F., W.M. Wang, C.M. Huang, “ Analysis of an Adaptive Time-series Autoregressive Moving-average (ARMA) Model for Short-Term Load Forecasting”, Electric Power Systems Research, Vol.34, pp. 187-196, 1995.

    42.Chen S. T., D. C. Yu, A. R. Moghaddamio,” Weather Sensitive Short Term Load Forecasting Using Nonfully Connected Neural Network”, Transactions on Power Systems, Vol. 7, No. 3, Aug. 1992, pp. 1098-1105.

    43.Chin C.C., L.J. Kao, D.F. Cook, ”Combining a Neural Network with a Rule-Base Expert System Approach for Short -Term Power Load Forecasting in Taiwan”, Expert System With Application, Vol. 13, No. 4, 1997, pp. 229-305.

    44.Chow T.W.S., C.T. Leung,” Neural Network Based Short-Term Load Forecasting Using Weather Compensation”, IEEE Transactions on Power Systems, Vol. 11, No. 4,Nov. 1996, pp. 1736-1742.

    45.Dash P.K., H.P. Satpathy, A.C. Liew, S. Rahman,” A Real-Time Short-Term Load Forecasting System Using Functional Link Network”, IEEE Transactions on Power Systems, Vol. 12, No. 2, May 1997, pp. 675-680.

    46.Darbellay G.A., M. Slama, ”Forecasting the Short-term Demand for Electricity Do Neural Networks Stand a better chance?”, International Journal of Forecasting, Vol.16, 2000, pp. 71-83.

    47.Dash P. K., H. P. Satpathy, A. C. Liew, ” A Real-Time Short-Term Peak and Average Load Forecasting System Using a Self-Organising Fuzzy Neural Network “, Engineering Applications of Artificial Intelligence, Vol. 11, 1998, pp. 307-316.

    48.Djukanovic M., S. Ruzic, B. Babic, Y.H. Pao, “A neural-net based short term load forecasting using moving window procedure”, Electrical Power & Energy System, Vol. 17, No. 6, pp. 391-397, 1995.

    49.Drezga I., S. Rahman, “ Input Variable Selection for ANN-Base Short Term Forecasting”, IEEE Transactions on Power Systems, Vol. 13, No. 4, Nov. 1998, pp. 1238-1244.

    50.Drezga I., S. Rahman, “ Short Term Load Forecasting with Local ANN Predictors”, IEEE Transactions on Power Systems, Vol. 14, No. 3, Aug. 1999, pp. 844-850.

    51.El-Keib, Ma X., Ma H., “ Advancement of Statistical Based Modeling Techniques for Short-Term Load Forecasting”, Electric Power Systems Research, Vol.35, 1995, pp. 51-58.

    52.Girgis A.A., S. Varadan, ” Unit Commitment Using Load Forecasting Based on Artificial Neural Networks”, Electric Power Systems Research, Vol.32, 1995, pp. 213-217.

    53.Hobbs B.F., U. Helman, S. Jitprapaikulsarn, S. Konda, D. Maratukulam,” Artificial Neural Networks for Short- term Energy Forecasting: Accuracy and Economic Value”, Neurocomputing, Vol. 23, pp. 71-84, 1998.

    54.Hsu C.C.,” A Modified Grey Forecasting Model for Long-term Prediction” Journal of the Chinese Institute of Engineers, (Accepted), 2002.

    55.Infield D.G., D.C. Hill,” Optimal Smoothing for Trend Removal in Short Term Electricity Demand Forecasting”, IEEE Transactions on Power Systems, Vol. 13, No. 3, Agu. 1998, pp. 1115-1120.

    56.Islam S.M., S.M. Al-Alawi, K.A. Ellithy,” Forecasting Monthly Electric Load and Energy for a Fast Growing Utility Using an Artificial Neural Network”, Electric Power Systems Research, Vol. 34, pp. 1-9, 1995.

    57.Kermanshahi B.,” Recurrent Neural Network for Forecasting Next 10 Year Loads of Nine Japanese Utilities”, Neurocomputing, Vol. 23, 1998, pp.. 125-133.

    58.Kiartzis S.k., A.G. Bakirtzis, V. Petridis, “ Short-Term Load Forecasting Using Neural Networks” Electric Power Systems Research, Vol. 33, 1995, pp. 1-6.

    59.Kiartzis S.J., C.E. Zoumas, J.B. Theocharis, A.G. Bakirtzis, V. Petridis, “ Short-term Load Forecasting in Autonomous Power System Using Artificial Neural Networks”, IEEE Transactions on Power Systems, Vol. 12, No. 4, Nov. 1997, pp. 1591-1596..

    60.Kim Kwang-Ho, John-Keun Park, Kab-Ju Hwang, ”Implementation of Hybrid Short-term Load Forecasting System Using Artificial Neural Networks and Fuzzy Expert System”, IEEE Transactions on Power Systems, Vol. 10, No. 3, Aug. 1995, pp. 1534-1539.

    61.Khotanzad A., A.R. Reza, T.L. Lu,” ANNSTLF-A Neural-Network-Based Electric Load Forecasting System”, IEEE Transactions on Neural Networks, Vol. 8, No. 4, July, 1997, pp. 835-846.

    62.Kodogiannis V.S., E.M. Anagnostakis, “ A Study of Advanced Learning Algorithms for Short-Term Load Forecasting”, Engineering Applications of Artificial Intelligence, Vol. 12, 1999, pp. 159-173.

    63.Lee, K.Y. and Park, J.H., “Short-term Load Forecasting Using an Artificial Neural Network”, IEEE Transactions on Power Systems, Vol.7, No.1, 1992, pp.124-131.

    64.Liu K., S. Subbarayan, R.R. Shouts, M.T. Manry, C. Kwan, F.L. Lewis, J. Naccarino, ”Comparison of Very Short-Term Load Forecasting Techniques”, IEEE Transactions on Power Systems, Vol. 11, N2. 4, May. 1996, pp. 877-882.

    65.Lu C.N., H.T. Wu, S.Vemuri,” Neural Network Based Short Term Load Forecasting”, IEEE Transactions on Power Systems, Vol. 8, No. 1, Feb. 1993, pp. 336-342.

    66.McMenamin J. S., F. A. Monforte,” Short Term Energy Forecasting with Neural Networks”, The Energy Journal, Vol. 19, No. 4, 1998, pp.43-61.

    67.Mohammed O., D. Park, R. Merchant, T. Dinh, C. Tong, A. Azeem,” Practical Experiences with An Adaptive Neural Network Short-Term Load Forecasting System”, IEEE Transactions on Power Systems, Vol. 10, No. 1, Feb. 1995, pp. 254-265.

    68.Mohamad E.A., M.M. Mansour, S. El-Debeiky, K.G. Mohamad, N.D. Rao,” Result of Egypian Unified Grid Hourly Load Forecasting Using an Artificial Neural Network with Expert System Interface”, Electric Power Systems Research, Vol. 39, 1996, pp. 171-177.

    69.Mohamed E.A., M.M. Mansour, S. El-Debeiky, K.G. Mohamed, ” Egyptian Unified Grid Hourly Load Forecasting Using Artificial Neural Network”, Electrical Power & Energy Systems, Vol. 20, No. 7, 1998, pp. 495-500.

    70.Murphy, F.H., Conti, J.J., Shaw, S.H. and Sanders, R., “Modeling and Forecasting Energy Markets with the Intermediate Future Forecasting System”, Operations Research, Vol.36, No.3, 1988, pp.406-420.

    71.Novak B.,” Superfast Autoconfiguring Artificial Neural Networks and Their Application to Power Systems”, Electric Power Systems Research, Vol. 35, 1995, pp. 11-16.

    72.Paarmann L.D., M.D. Najar, ”Adaptive Online Load Forecasting Via Time Series Modeling”, Electric Power Systems Research, Vol.32, pp. 219-223, 1995.

    73.Peng T.M., N.F. Hubele, G.G. Karady, ”Advantage in the Application of Neural Networks for Short Term Load Forecasting”, IEEE Transactions on Power Systems, Vol. 17, No. 1, Feb. 1992, pp. 250-257.

    74.Peng T.M., N.F. Hubele, G.G. Karady, ”An Adaptive Network Approach to One-Week Ahead Load Forecasting”, IEEE Transactions on Power Systems, Vol. 8, No. 3, Aug. 1993, pp. 1195-1203.

    75.Ramanathan R., R. Engle, C.W.J. Granger, F. Vahid-Araghi, C. Brace, “ Short-run Forecasts of Electricity Loads and Peaks”, International Journal of Forecasting, Vol.13, 1997, pp.161-174.

    76.Sforna M., F. Proverbio, “ A Neural Network Operator Oriented Short-term and Online Load Forecasting Environment”, Electric Power Systems Research, Vol. 33, pp. 139-149, 1995.

    77.Shinha A.K., J.K. Mandal,” Hierarchical Dynamic State Estimator Using ANN-Based Dynamic Load Prediction”, IEE Proc. Transm. Distrib. Vol. 146, No.6, 1999.

    78.Svozil D., V. Kvasnicka, J. Pospichal, ”Introduction to Multilayer Feed-Forward Neural Networks”, Chemometrics and Intelligent Laboratory Systems, Vol. 39, pp.43-62, 1997.

    79.Walczak S. N. Cerpa, ” Heuristic Principles for the Design of Artificial Neural Networks”, Information and Software Technology, Vol. 41, pp. 107-117, 1999.

    80.Walczak S., Cerpa N., “ Heuristic Principles for the Design of Artificial Neural Networks”, Information and Software Technology, Vol. 41, pp. 107-117, 1999.

    81.Willis, H.L. and Northcote-Green, J.E.D., “A Hierachical Recursive Method for Substantially Improving Trending of Small Area Load Forecasting”, IEEE Trans. on Power Apparatus and Systems, Vol.PAS-101, No.6, 1982, pp.1776-1783.

    82.Willis, H.L. and Tram, H.N., “A Cluster Based V.A.I. Method for Distribution Load Forecating”, IEEE Transactions on Power Apparatus and Systems, Vol.PAS-102, No.8, 1983, pp.2677-2684.

    83.Wong K.P.” Artificial Intelligence and Neural Network Applications in Power Systems”, IEE 2nd International Conference on Advances in Power System Control Operation and Management, pp. 37-46,Dec. 1993, Hong Kong.

    84.Yoo H., R.L. Pimmel, ”Short Term Load Forecasting Using a Self-supervised Adaptive Neural Networl”, IEEE Transactions on Power Systems, Vol.14, No. 2, May 1999, pp. 779-784.

    下載圖示 校內：2003-11-22公開
    校外：2003-11-22公開
    QR CODE