為了實踐我國之國家自定預期貢獻(Intended Nationally Determined Contribution, INDC)目標，經濟部於2017年5月提出「能源轉型路徑」：2025年達到發電占比燃氣發電50%、燃煤發電30%及再生能源20%之情境，本研究根據建構之電力供給規劃模型(SMAGE-II)模擬我國未來2025年之電源開發規劃結果，且於模型中引入儲能系統，以穩定再生能源之供給，並計算加入儲能系統之成本變化。
此外，近年空污議題愈發嚴重，地方政府時常提出降載及生煤減量之要求，增加燃煤機組的發電限制，對電力供給將造成影響。再者2018年公投通過火力機組發電量年減1%之限制，對我國電力供給亦可能造成很大之影響，故本研究亦針對此兩種情境模擬對發電端造成之影響。
研究結果顯示，按目前之機組退役及新增規劃，民國108~114年我國之備用容量率均滿足法定15%之規範，民國114年若能達到能源轉型路徑之目標，則總CO2排放量由125.5(百萬公噸)降為113.2(百萬公噸)，單位發電成本則由2.93(元/度)提升至3.04(元/度)。
引進儲能系統部分，民國114年時若再生能源發展順利達標，每使用鋰離子電池儲10%電量將造成單位成本增加約0.06(元/度)。生煤減量部分，與基礎情境相比民國108~114年各年之年度總CO2排放量約減少10(百萬公噸)，相對地單位成本增加約0.1(元/度)。公投限制部分顯示，至民國114年為止若欲達成公投限制，則核能機組須延役或將提升再生能源裝置容量提升至太陽光電33,412MW及離岸風力5,037MW之目標方能達成。

In order to achieve the goal of Taiwan's Intended Nationally Determined Contribution(INDC), the Government proposed the policy of “Energy Transformation Path”, hoping that the portfolio of gas-fired power generation(50%), coal-fired power generation(30%) and renewable energy (20%) will be successfully reached in 2025. This study simulates Taiwan's power supply planning in 2025 based on “Simulation Model for Aggregate Generation Expansion Planning (SMAGE-II)”. This research focuses on incorporating the energy storage system into the model for the purpose of stabilizing the intermittence of renewable energy and calculates the change of cost.
Moreover, local governments often request reduction of coal consumption because air pollution, which may increase power generation limit on coal-fired units. Futhermore, the limit of 1% annual reduction on power generation of fossil fuel in the referendum passed in 2018 may have a significant impact on Taiwan's power supply planning. Hence, this study also analyzes the impact of these two issues on power generation.
According to the research results, on the basis of decommissioning and renewing of the current power units, the reserve margin of Taiwan from 2019 to 2025 meets the statutory standard(i.e. 15%). If the Energy Transformation Path is reached in 2025, the total amount of CO2 emission will be reduced from 125.5 (million metric tons) to 113.2 (million metric tons). However, the unit cost of power generation will increase from 2.93 (NTD/kWh) to 3.04 (NTD/kWh).
In the scenario of applying energy storage systems, if the renewable energy development successfully reaches the goal in 2025, the unit cost of using lithium-ion batteries to store 10% of electricity from renewable energy will increase by about 0.06 (NTD/kWh). In the scenario of reduction of coal consumption, compared to the basic scenario, the total amount of annual CO2 emission from 2019 to 2025 may decrease by about 10 (million metric tons), and the unit cost may increase by about 0.1 (NTD/kWh) each year. In the scenario of the referendum limit, the nuclear power unit have to be extended; otherwise the government should increase the capacity of solar photovoltaic to 33,412MW and offshore wind power to 5,037MW.

中文部分：
1. 中央選舉委員會(2018)，公投公報。
2. 王京明及林祐民(2017)，非核家園與政府再生能源推廣目標下之碳稅與最適電源組合分析，臺灣能源期刊，4(2)，199-222。
3. 王鈺惠(2011)，台灣電力部門供給面減碳政策效益評估 ，國立成功大學資源工程研究所碩士論文。
4. 台中市環境保護局(2019)，網址：https://www.epb.taichung.gov.tw/。
5. 台灣電力公司(2019)，淨尖峰能力之考量與定義。
6. 台灣電力公司(2019)，歷年發電量與結構。
7. 行政院環保署(2015)，我國溫室氣體減量承諾：「國家自訂預期貢獻」(INDC)。
8. 吳瑞南及范建得(2013)，因應除核之能源政策調和研究，行政院國家科學委員會專題研究計畫期末報告。
9. 周裕豐、郭瑾瑋、劉子衙及洪明龍 (2012)， 儲能技術對電力供給結構之影響－臺灣TIMES模型之應用， 2012年海峽兩岸第七屆汽電共生/熱電聯產學術交流會論文集。
10. 林志傳(2008)，台灣電力部門發展低碳能源與再生能源技術策略之經濟與環境效益評估，國立臺北大學自然資源與環境管理研究所碩士論文。
11. 施品甄(2015)，臺灣電力業排放標準訂定之影響分析 ，國立成功大學資源工程研究所碩士論文。
12. 高雄市環境保護局(2019)，網址：https://www.ksepb.gov.tw/Home/Index?disktop=true。
13. 梁啟源、鄭睿合、郭博堯及郭箴誠(2015)，我國最適電力配比之研究，臺灣能源期刊，2(4)，481-496。
14. 郭瑾瑋、周裕豐、洪明龍及劉子衙(2015)，應用臺灣TIMES模型進行我國長期電力供需規劃，臺灣能源期刊，2(4)，363-382。
15. 雲林縣環境保護局(2019)，網址：http://www.ylepb.gov.tw/。
16. 黃郁青、陳治均及葛復光(2017)，利用TIMES模型進行我國電網級儲能分析，臺灣能源期刊，4(1)，45-58。
17. 新北市環境保護局(2019)，網址：https://www.epd.ntpc.gov.tw/。
18. 經濟部(2017)，能源轉型白皮書網站，網址：https://energywhitepaper.tw/news/?recordId=5。
19. 經濟部(2017)，能源轉型路徑規劃。
20. 經濟部能源局(2016)，105 年度未來電力供需分析與規劃。
21. 經濟部能源局(2018)，綠能科技，網址：https://www.contacttaiwan.tw/company/docdetail.aspx?uid=771&pid=763&docid=323&lang=1。
22. 經濟部能源局(2019)，106年度電力排放係數。
23. 經濟部能源局(2019)，107年全國電力資源供需報告。
24. 經濟部能源局(2019)，108年度再生能源電能躉購費率審定會會議記錄。
25. 經濟部能源局(2019)，我國燃料燃燒二氧化碳排放統計與分析。
26. 經濟部能源局(2019)，風力發電單一服務窗口，網址：https://www.twtpo.org.tw/index.aspx。
27. 經濟部能源局(2013~2019)，能源統計月報。
28. 劉哲良、王鈺惠及陳家榮(2015)，電廠碳排放標準對我國電力業之成本與碳排放衝擊評析，綠色經濟電子期刊，1(1)，A1-A16。
29. 賴正文(1997)，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。
30. 謝錦隆、薛康琳、鍾岳霖及戴志揚(2016)，臺灣風力發電與液流電池系統儲電情境模擬，臺灣能源期刊，3(1)，55-78。
31. 鍾雨璇(2014)，台灣發電業最適電力配比之研究，國立成功大學資源工程研究所碩士論文。
32. 魏宜峰(2017)，台灣電業自由化對供給面的影響分析，國立成功大學資源工程研究所碩士論文。
英文部分：
1. Afful-Dadzie A., Afful-Dadzie E., Iddrisu A. & Banuro J.K. (2017), Power generation capacity planning under budget constraint in developing countries, Applied Energy, 188, 71-82.
2. Anagnostopoulos J.S. & Papantonis D.E. (2012), Study of pumped storage schemes to support high RES penetration in the electric power system of Greece, Energy, 45(1), 416-423.
3. Delgado F., Ortiz A., Renedo C.J., Pérez S., Mañana M. & Zobaa A.F. (2011), The influence of nuclear generation on CO2 emissions and on the cost of the Spanish system in long-term generation planning, International Journal of Electrical Power & Energy Systems, 33(3), 673-683.
4. Eurelectric (2012), https://www.eurelectric.org/
5. European Parliament. (2015), Energy storage: which market designs and regulatory incentives are needed?
6. Guerra O.J., Tejada D.A., Rodríguez R. & Reklaitis G.V. (2015), A Spatial Multi-Period Mixed Integer Linear Programming (MILP) Model for Optimal Power Planning: CO2 Emissions Mitigation, Computer Aided Chemical Engineering, 37, 2345-2350.
7. Hemmati R., Saboori H. & Jirdehi M.A. (2017), Stochastic planning and scheduling of energy storage systems for congestion management in electric power systems including renewable energy resources, Energy, 133, 380-387.
8. IRENA (2017), Electricity storage renewables: costs and markets to 2030.
9. Joint Research Centre (2018), Cost development of low carbon energy technologies.
10. Lazard (2018), Lazard's levelized cost of storage analysis-version 4.0.
11. Min D., Ryu J.H. & Choi D.G. (2018), A long-term capacity expansion planning model for an electric power system integrating large-size renewable energy technologies, Computers & Operations Research, 96, 244-255.
12. Moreno R., Moreira R. & Strbac G. (2015), A MILP model for optimising multi-service portfolios of distributed energy storage, Applied Energy, 137, 554-566.
13. National Renewable Energy Laboratory (2017), 2016 Cost of Wind Energy Review.
14. Pereira S., Ferreira P. & Vaz A.I.F. (2016), Optimization modeling to support renewables integration in power systems, Renewable and Sustainable Energy Reviews, 55, 316-325.
15. Rodrigues E.M.G., Godina R., Santos S.F., Bizuayehu A.W., Contreras J. & Catalão J.P.S. (2014), Energy storage systems supporting increased penetration of renewables in islanded systems, Energy, 75, 265-280.
16. Rodrigues T., Ramírez P.J. & Strbac G. (2016), The value of storage for a wind farm offering energy and spinning reserve, 5th IET International Conference on Renewable Power Generation (RPG 2016).
17. Sigrist L., Lobato E. & Rouco L. (2013), Energy storage systems providing primary reserve and peak shaving in small isolated power systems: An economic assessment, International Journal of Electrical Power & Energy Systems, 53, 675-683.
18. Stan A.I. & Stroe D.I. (2014), Lithium ion battery chemistries from renewable energy storage to automotive and back-up power applications - an overview, IEEE 2014 International Conference on Optimization of Electrical and Electronic Equipment.
19. Tekiner H., Coit D.W. & Felder F.A. (2010), Multi-period multi-objective electricity generation expansion planning problem with Monte-Carlo simulation, Electric Power Systems Research, 80(12), 1394-1405.
20. Wierzbowski M., Lyzwa W. & Musial I. (2016), MILP model for long-term energy mix planning with consideration of power system reserves, Applied Energy, 169, 93-111.