區域能源整合及電網輔助服務商業模式研究 1. 德國電力負載需求管理
德國目前電力系統主要是按照「負載需求量決定電力供給量」的運作方式，發電端 配合負載需求調配機組出力，隨時確保發電量與用電量一致，用戶可以自由決定何時及 如何用電，不必顧慮到電力系統的整體供需狀況，這種以滿足需求為導向的傳統模式，
造成供電端必須維持高度的電力輸出，缺乏供電效率。在全球氣候變遷的背景下，節能 減碳與提升能源效率已是國際趨勢，為了降低發電負載，先進國家改從管理電力的需求
面著手，彈性調整用電需求，降低發電端的最高負載，並推動相關政策，積極發展負載
B. 現貨市場交易
的管理方，可監控到管轄範圍內建築之用電情形。因此，CEMS 或 EMS 可向交易平台 進行投標或競標。透過交易平台進行媒合和驅動智慧合約，智慧合約將持續驗證上傳至 區塊鏈的用電或產電資訊。如交易執行時間結束，智慧合約便會檢驗投標方是否符合原 先設定之投標量進行投標，並加以結算。
智慧合約於區塊鏈之角色為處理各種交易的商業邏緝，所有行為將會記錄於智慧合 約內，最後將整份合約上傳至區塊鏈節點，供買賣雙方使用，可視為交易行為之準則，
且整個流程為透明公開，所有使用者皆可檢驗，以建立買賣雙方信任，所有交易行為亦 可於日後進行追溯。
圖二、區塊鏈綠能交易平台架構圖
下圖為目前規劃與BEMS、CEMS 和交易平台鏈接之區塊鏈架構，用於記錄用戶的 用電量及需量反應行為，所有智慧電錶(Advanced Metering Infrastructure)上的用電記錄 和需量反應的執行記錄都會由 BEMS 收集，並上傳區塊鏈群節點(Swarm Node)叢集。
群節點將會嵌入在 BEMS 的系統內，資料交由群節點整理後交由完整節點(Full Node) 上傳 IOTA。目前規劃完整節點將由分散式帳本實驗室節點提供。當資料被搜尋時，群 節點會往完整節點發出請求，回傳所需要的交易紀錄，再交由群節點進行資料連結，並 整理成可讀性資料，回傳CEMS 或交易平台。
圖三、系統運作架構 以邊緣智慧為基礎之非侵入式負載監測技術研發
由於本計畫預計使用之 NILM 演算法若僅使用穩態功率進行負載辨識，將導致特
徵不足無法處理功率變化範圍大的負載，因此需加入暫態特徵幫助演算法分析。評估之 後，本團隊選用可以自行計算出有功、無功和視在功率，並支持微分型比流器(CT)與輸 出所有通道的波形數據，芯片還提供電力品量檢測的「ADE7878」。
ADE7878 的波型取樣將會以時脈 8MHz 的速度每秒傳送 512KB 的原始數據，若以 傳統的UART 或 I2C 傳輸會因為傳輸速度過慢而無法即時讀取取樣數據，且在微控制器 內執行 NILM 演算法可能因效能不足導致演算速度過慢，因此選用的微控制器必須同 時具備高傳輸速率的 SPI 串列傳輸以及得以藉由網路傳輸將數據傳出至雲端中心進行 演算法計算的功能。在經過多方比較評估後，最終選用 Maker 時常使用的 ESP32 作為 整體架構的微控制器。
晶片選用結束後，本團隊藉由ADE7878 的規格手冊與微控制器所需腳位設計「次 世代智慧型電表-第一版工程樣板」，並委託電路印刷企業協助製作。在製作過程中，本 團隊先行購入ADE7878 開發版，以 I2C 通訊功能測試該晶片有功、無功、視在功率以 及有效電壓電流的運算功能，並依據規格手冊調整各暫存器設定參數，以驗證ADE7878 具有事先評估所需之功能。
當「次世代智慧型電表-第一版工程樣板」完成後，本團隊將驗證工程樣板之電路，
並個別測試ADE7878 與 ESP32 功能，確認電路完整性與晶片之完善。待確認完畢後，
本團隊將依序開發無線連網、I2C 串列通訊、SPI 串列通訊以及數據傳輸功能，並評量 微控制器之效能，以決定「將數據傳至雲端中心進行演算法計算」或「於微控制器內進 行演算法計算」的運算方式，於109 年完成非侵入式負載辨識平台之辨識系統整合。
基於平行分散式運算叢集架構之資料科學分析與決策支援雲端平台
本計畫執行成果在於完成「雲端深度機器學習AI 基礎之需求面負載管理與分析軟 體引擎平台」的軟、硬體系統環境建置及其測試。該系統架構如圖四所示。其中，系統 整合3rd-party 即時訊息推播 push notifications service（LINE Notify）。另外，在接續的 計畫執行階段（第四季），將介接SCADA 系統於 EMS 及 DER 的終端裝置之感測資訊 存儲的NCKU MySQL 資料庫。在圖四所示的電腦系統建置方面，實際的執行步驟說明 如下。
圖四、雲端深度機器學習AI GPU 基礎之需求面負載管理與分析軟體引擎平台架構 首先，完成架設GPU (Graphics Processing Units)硬體：透過支援 GPU 運算的 nVIDIA 顯示卡的GPU Driver 驅動的安裝，於 WIN 10 作業系統上，架設 GPU 平行計算硬體，
如圖五所示。本子計畫系統GPU 為 nVIDIA GeForce GTX 1060 3 GB；其硬體規格如表 一所示。
圖五、架設nVIDIA GeForce GTX 1060 3 GB GPU 平行計算硬體
表一、nVIDIA GeForce GTX 1060 3 GB 硬體規格
資料來源: https://www.nvidia.com/zh-tw/geforce/products/10series/geforce-gtx-1060/
GeForce GTX 1060 3 GB GPU 架構 Pascal
NVIDIA CUDA® Cores 1152 畫面緩衝 3 GB GDDR5 記憶體速度 8 Gbps
相對加速時脈 1.4x
實際加速時脈 1708 MHz
接著，在 WIN 10 OS 環境下，完成配置 CUDA 與 cuDNN。統一計算架構 CUDA
(Compute Unified Device Architecture)，GPGPU 的正式名稱，是由 nVIDIA 所推出的一 種平行運算整合技術。透過此一技術，程式開發者可利用nVIDIA 的 GeForce 8 版本以 上的 GPU 及較新版的 Quadro GPU 實現平行計算。基於本子計畫於第一年的計畫執行 的整體預期成果為「完成建置雲端深度機器學習基礎之需求面負載管理與分析軟體引擎 平台（GPU 平行計算及分散式深度機器學習框架 TensorFlow (Python)實現）」，cuDNN，
其為nVIDIA 所發展的深層神經網路/機器學習技術的原式函式庫，函式庫被引入。
最後，基於 Anaconda，完成架設 Python 環境及建立 TensorFlow-GPU 虛擬環境：
安裝免費開源的Python 和 R 語言的發行版本 Anaconda，並建立 TensorFlow-GPU 虛擬 環境。Python 將被用以基於 TensorFlow 進行深度機器學習模型的開發；其呼叫所導入 之 nVIDIA 所 發 展 的 cuDNN Library 於 深 度 機 器 學 習 模 型 （ Deep Computational Intelligence 包含 CNN、RNN、HMM 及 GPU-accelerated GA 等）於能源需求面負載管 理與分析（非侵入式負載監測(NILM)及其用電負載解析予 EMS 電力調度決策支援等）
的研究與應用發展使用。「雲端深度機器學習 AI 基礎之需求面負載管理與分析軟體引 擎平台」的軟、硬體系統堆疊及環境建置整體流程分別如圖六與圖七所示。
圖六、本計畫雲端AI 基礎之需求面負載管理與分析引擎平台堆疊
圖七、本計畫雲端AI 基礎之需求面負載管理與分析引擎平台建置流程
在平台的軟、硬體系統測試方面，基於所完成建置之 GPU 平台軟、硬體，完成於 GPU 上加速執行程式運算速度的提升（可作為本子計畫後續 GPU-accelerated NILM/AMI (Advanced Metering Infrastructure)演算法於 TensorFlow (Python)GPU 上開發的單元測試 與評估基準），如圖八及圖九所示。圖八所示為系統以Python-TensorFlow API 指派 GPU 執行測試程式，兩個大小相等的(size*size)隨機實數矩陣相乘，的運算過程。圖九所示為 系統的 GPU 與 CPU 的運算效能測試評估結果。如圖九所示，隨著矩陣運算規模的增 加，GPU 運算的耗時僅為線性成長增加（CPU 運算的耗時為指數成長增加）；兩者的執 行速度差異約10 倍。
圖八、指派GPU 執行運算過程（> activate tensorflow-gpu）
圖九、GPU vs. CPU 效能測試評估（座標橫軸：矩陣大小(size)；座標縱軸：時間 (sec.)）
圖十所示為所完成設計、開發與建置佈署的系統經由網路連線存取圖四所示的 NCKU (圖十一所示國立成功大學電機系館 92702 室-三相三線 110/220V 迴路) MySQL DB 的冷氣用電資料。如此，進一步開發雲端資料驅動(data driven)的 NILM 演算法於負 載分析與建模。另外，將可介接SCADA/DB 於其底層終端裝置之資訊（EMS 及分散式 能源DER 等的感測數據）接收。
圖十、成大電機系館92702 室的冷氣用電資料
圖十一、成大電機系館92702 室配電迴路圖
智慧電網系統之資訊安全
本子計畫基於台電現行之電力調度控制系統，進行其資訊交換之安全性防護架構建 設。包含SCADA 資訊採集監控系統、終端儲電/用電設備之 Modbus 通訊、管理系統之 人機介面、用戶權限控管等，皆是將納入分析且研擬安全性技術之部分。各年度之架構 圖如圖十二所示。
圖十二、各年度架構圖
本年度之執行內容為研究現行之電力調度控制系統的各項節點，以及其所使用之通 訊協定，包括Modbus、Modbus TCP/UDP、HTTP 等協定，學習之並了解其運作，並研
究國外相關案例並研擬移植之可行性。其後將針對SCADA 系統本身可能存在漏洞進行 5. Malicious File Execution (惡意檔案執行)檢測 6. Backup File(備份檔案)檢測
7. PUT Method (不適當配置管理)檢測 8. Directory Indexing (目錄索引)檢測 9. 主機弱點檢測
圖十三、EMS 人機介面架構圖
(c)太陽能發電資訊 (d)路燈即時資訊
(e)充電樁 (f)充電樁設定
圖十四、人機介面之資料顯示部分畫面 (2) 電器控制
本計畫所設計之人機介面APP，可根據資料庫所記錄之電器資料，於介面中動態新 增設備，其中依照場域內所安裝的感測器，可啟用自動調光，抑或是偵測人體移動以進 行開關燈的動作，如圖十五(a)所示，達到節電效果。於圖十五(b)、(c)、(d)中，所顯示 電器均可經由手機進行遠端控制，當使用者點擊設定項目，系統將透過後端 API 執行
Web Socket 連線，對該電器之控制器下達指令。燈具的部分由調光控制器設定其亮度與 開關，風扇、空調則使用紅外線發射器與遙控器設定當前狀態。
(a)電器控制-快速操作 (b)電器控制-燈具設定
(c)電器控制-空調設定 (d)電器控制-插座設定 圖十五、人機介面之電器控制部分畫面
(3) 需量反應
於用電尖峰時期全台的備轉容量往往吃緊，同一時間之電費相對較高，本子計畫根
於用電尖峰時期全台的備轉容量往往吃緊，同一時間之電費相對較高，本子計畫根