專題實作|專題成果

111年

The Electrical Engineering department

The
Electrical
Engineering
department

基於卷積神經網路實現風速預測

指導老師

洪穎怡

組長

王儒璽

組員

林世勳

鑒於全球暖化的加劇,世界各國漸漸意識到燃燒化石燃料所產生的附加產物會對環境造成嚴重的破壞,進而開始採取環境保護的動作,其中的再生能源更是備受各國重視,原因在於其相較於化石燃料具有較少的碳排放量,且其發電來源具有乾淨且生生不息的特性。風能、太陽能、生質能皆屬於常見的再生能源臺灣因地理位置及四面環海之緣故,相當適合發展再生能源發電,尤其是風力發電,而臺灣西岸更是如此,秋冬兩季皆會受到東北季風的吹拂,風力資源十分充裕。台電表示,截至 111 年 4 月底,風力發電量達 4 億 6,861 萬度,且裝置容量達 40.6 萬千瓦。根據統計的觀測數據也顯示,每年的 1 至 3 月及10 至 12 月的風力發電量約占整年度的 70%左右。由此可知,風力發電在臺灣是個必不可缺的角色。

但凡事皆為雙面刃,風也是如此,雖然風力發電可減緩,甚至是降低環境的汙染,但其具發電不穩定的問題,原因在於風速及風向隨著時間千變萬化,使得風力發電無法如同火力發電般持續並穩定的供電。根據台電的歷年統計數據,相較於秋、冬兩季,夏季的風力發電量是明顯較少的,從此現況即可得知風的這個缺點會影響發電量。

為改進上述的現狀,學生想到能用預測未來風速的方法來補足風不穩定的缺點,利用預測的風速即能推測未來的預測發電量,不僅能讓電力公司預先做電力的調度,甚至能進而預測日後電價的趨勢。

本專題使用 Python 來實現深度學習模型的架構,並以臺灣五個城市(桃園、臺北、臺中、高雄及屏東)2021 年的風速資料作為輸入,以此來訓練模型,並透過手機 APP 及電腦介面兩種方式來做即時預測的呈現。本專題的目標是要以 2021 年的風速觀測資料來訓練模型,再利用網路爬蟲即時資料,並以此當作新的輸入來預測下一個小時的風速。

© 2024 Copyright - 中原大學 電機工程學系
- made by bouncin