負載平準化分析下高壓用電戶最適契約容量之研究：以某生產工廠為例

A STUDY ON OPTIMAL CONTRACT CAPACITY OF HIGH-VOLTAGE POWER CONSUMER UNDER LOAD LEVELING ANALYSIS: TAKE A FACTORY AS AN EXAMPLE

黃允成(Yun-Cheng Huang)；陳憲中(Hsien-Chung Chen)；張簡政利(Cheng-Li Chang Chien)

平準化 ； 流動電費 ； 基本電費 ； 契約容量 ； heavy electrical equipment ； contracted capacity ； leveling ； mobile electricity charges ； basic electricity charges

技術學刊

38卷3期（2023 / 09 / 01）

219 - 239

繁體中文;英文

本研究以個案公司為例，針對重電設備汰舊換新、最高需量平準化及最適契約容量之訂定，以節省流動電費及基本電費之支出。經由實證結果發現、重電設備之汰舊換新，每年約可節省流動電費1,158,537元／年，節省比例達15%以上。用電需量平準化實施改善前後之變異數由150,952降至20,387.2，降幅達86.295%，確有明顯改善效益。本研究以「歷史資料分析法」及「數值積分分析法」求解最適契約容量，實證結果發現，此二種方法皆具改善效益，但「數值積分分析法」之節費效果優於「歷史資料分析法」，「數值積分分析法」節省電費達16.64%，而「歷史資料分析法」為15.46%。簡言之，「數值積分分析法」更具經濟效益。

This study takes a company as an example, aiming at the replacement of old and heavy electrical equipment, the leveling of maximum demand and the setting of optimal contracted capacity, to save the expenditure of mobile electricity and basic electricity. Through the empirical study, it was found that the replacement of heavy electrical equipment could save about NT$1,158,537 in mobile electricity bills every year, and the saving rate is more than 15%. The variation of electricity demand leveling before and after the improvement reduced from 150,952 to 20,387.2, a decrease of 86.295%. In this study, the "historical data analysis method" and the "numerical integral analysis method" were used to find the optimal contract capacity. The empirical results show that both methods have benefits. However, the "numerical integral analysis method" has a cost-saving effect. Better than the "historical data analysis method" with a saving of 15.46%, the "numerical integration analysis method" saves 16.64% on electricity bills. In short, the "numerical integration analysis method" is more economical.

1. 黃允成,林宜蓉(2013)。台電公司高壓用電戶最適契約容量之研究—以空軍某基地為例。管理研究學報，13(2)，1-31。
   連結：
2. 士林電機，2021，「油浸式配電變壓器」，士林電機。2021年 12 月 1 日取自：https://www.seec.com.tw/。
3. 大同股份有限公司，2021，「油浸式非晶質變壓器」，大同股份有限公司。 2021 年 12 月 1 日取自：https://www.tatung.com/Product/Transformer/793。
4. 台灣電力公司，2018，「電價表」，經濟部。2021 年 12月 1 日取自：https://www.taipower.com.tw/tc/page.aspxmid=238。
5. 台灣電力公司，2019，「營業規章」，經濟部。2021 年2 月 1 日取自：https://www.taipower.com.tw/tc/page.aspxmid=158。
6. 台灣電力公司，2021，「高壓用戶服務入口網站」，台灣電力公司。2021 年 12 月 1 日取自：https://hvcs.taipower.com.tw/。
7. 呂金河,洪哲裕(2012).基礎統計在 STATISTICATM上的實踐與應用.臺北:美商史丹索特股份有限公司臺灣分公司.
8. 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。明新學報，31，87-99。
9. 林裕淵(2004)。臺北，大同大學。
10. 洪國禎,吳國榮,鄭玉成(2009)。運用灰預測技術於最佳契約電力需求容量之探討－以復興崗校區為例。黃埔學報，56，19-30。
11. 張名輝,陳世宏,戴良伊(2007)。以模糊基因演算法預測年度尖峰用電需量。中國機械工程學會第 24 屆全國學術研討會，桃園:
12. 陳義分,李子元,楊展耀(2006)。契約用電量最佳化之研究：以某渡假村為例。修平學報，13，251-266。
13. 黃允成(2013).統計學：原理與應用.臺北:雙葉書廊.
14. 黃允成,高聿聖(2015)。高壓二段式時間電價用電戶最適契約容量研究—以某化工廠為例。技術學刊，30(4)，303-317。
15. 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。台灣管理學刊，17(1)，45-76。
16. 蔡明堂,陳松齡,鄭富升(1998)。時間電價工業用戶最佳契約容量之訂定。正修學報，11，117-124。
17. 顧克平(2002)。桃園，元智大學。