在環保意識抬頭的今日，太陽能成為備受矚目的再生能源之一，利用 太陽能系統發電來解決電力供應不足的問題不失為一個好作法。然而欲發 展太陽能產業的資方最關切的問題，便是太陽能發電系統能有多大的轉換 效率，使廠商能從轉售電能中平衡系統設置成本，從中賺取利潤。因此本 研究以太陽能發電系統之轉換效率資料進行分析，提出了一套整合三項系 統的三階段預測模型，此預測模型對系統轉換效率擁有良好的預測能力，
提供太陽能相關產業進行後續研究的參考，協助工程人員能更精確地了解 太陽能發電系統的運作情況，且了解系統各部分組件規格與實際運作之間 的差異。5.1 節說明本研究的貢獻，5.2 節說明後續研究。
5.1 研究貢獻
本研究之貢獻有以下三點：
1. 過去一些太陽能轉換效率相關研究中，較少使用資料分析的手法。本研 究嘗試利用實際運作的資料，藉由已知的零組件特性規格去預測轉換效率，
此預測結果可作為工程師改良系統時的參考依據。
2. 本研究提出的三階段預測模型，為一套結合數種分析工具的預測方法，
目的為提高傳統單一預測模型的準確性，並透過實際案例的說明，驗證此 三階段預測模型確實可行且有效。
3. 本研究提出的三階段預測模型，在建構預測模型的階段，使用了自組性 演算法結合遺傳規劃法的混合預測模型進行預測，這兩種方法不需遵守統 計假設，且在非線性資料預測能力也很好，可避免資料不符合假設所造成 的預測誤差，得到更貼近真實情況的轉換效率預測值。
41
5.2 後續研究
1. 本研究以資料分析的方式來建構系統轉換效率的預測模型，在太陽能系 統相關研究中算是新的嘗試，不過礙於資料上的侷限，沒辦法取得其他系 統參數資料或是氣候資料，因此無法對這些因素深入探討。日後研究如能 取得這些資料，便能以類似的手法建構出更精確的預測模型，使結果能更 貼近實際運作的情況。
2. 本研究在建構預測模型的部分使用的方法為自組性演算法以及遺傳規 劃法，但仍有其他演算法在建構預測模型時有相當不錯的預測能力，如灰 預測模型(Grey Forecasting Model)、支援向量機(Support Vector Machine，
SVM)等，因此後續研究可利用其他方法進行預測，發展出更準確的預測 模型。
42
參考文獻
[1] 王英銘(2005)，「自組非線性系統應用於濁度預測」，國立成功大學水 利及海洋工程研究所，碩士論文。
[2] 邵承矩(1993)，「能源應用」，東華書局出版。
[3] 余靜芳(2008)，「利用自組性演算法與基因演算法於混合實驗最佳化之 研究」，國立交通大學工業工程與管理學系，碩士論文。
[4] 林愷為(2008)，「應用資料分析技術於國家公園棲地環境評估」，國立 中山大學海洋環境工程與管理學系，碩士論文。
[5] 林敬凱(2008)，「具多反應實驗設計最佳化演算法之研究」，國立交通 大學工業工程與管理學系，碩士論文。
[6] 林嘉宏(2007)，「鋪面紋理與摩擦力關聯性之初步研究」，逢甲大學交 通工程研究所，碩士論文。
[7] 胡建勳、陳宗亮(2008)，「應用資料群聚與關聯法則於網路拍賣使用者 之特性與偏好研究」，玄奘大學資訊科學研究所，知識社群與系統發展 研討會。
[8] 張子文(2000)，「太陽電池應用於建築上之研究」，國立成功大學建築 研究所碩士論文。
[9] 高翊倫(2009)，「建構台灣地區太陽能發電系統之發電量預測模型」， 國立交通大學工業工程研究所，碩士論文。
[10] 陳同孝、陳雨霖、劉明山、許文綬、林志強、邱永興(2006)，「結合 k-means 及階層式分群髮之二階段分群演算法」，國立台中技術學院資訊科技與 應用研究所。
[11] 陳英豪(2005)，「應用自組性演算法建構企業信用評等模型」，國立交 通大學工業工程與管理學系，碩士論文。
43
[12] 陳順宇(2005)，「多變量分析」四版，華泰書局出版。
[13] 黃美玲、施啟翔(2009)，「以模糊分群法結合邏輯斯迴歸於醫療輔助診 斷」，國立勤益科技大學工業工程與管理系。
[14] 游翔百(2004)，「建構複合式信用評等模型」，交通大學工業工程研 究所，碩士論文。
[15] 馮垛生(2008)，「太陽電發電原理與應用」，五南圖書出版。
[16] 經濟部能源委員會(2007)，「中華民國九十六年台灣能源統計年報」， 經濟部能源委員會出版。
[17] 謝易霖(1993)，「暴雨時期 GMDH 模式結合距離─水位模式應用於未 設站河段即時水位之預測」，國立成功大學水利及海洋工程研究所，碩 士論文。
[18] 蕭德勇(2004)，「以遺傳規劃技術應用於核能電廠之爐心燃料設計研 究」，元智大學資訊管理所，碩士論文。
[19] Dipti Srinivasan(2008),“Energy demand prediction using GMDH networks,＂ Neurocomputing,Vol72, pp.625-629.
[20] Gregg, A.,Perker, T. and Swenson, R(2005),“A real world examination of PV system design and performances,＂Photovoltaic Specialists
Conference,IEEE, Vol.31
[21] Ivakhnenko, A. G. (1971), “Polynomial Theory of Complex Systems,”
IEEE Trans. on Systems, Man and Cybernetics, Vol. 1, No. 4, pp. 364-378 [22] Koza, J. R.(1992), Genetic Programmng, On theProgramming of
Computer by means of Natural Selection, MIT Press, Cambridge,MA.
[23] Kuan-Yu Chen, Cheng-Hua Wang(2007),“A hybrid SARIMA and support vector machines in forecasting the production values of the machinery industry in Taiwan,＂Expert System with Applications,Vol(32),pp.254-264.
44
[24] Muller, J. A., Ivachnenko, A. G. and Lemke, F. (1998), “GMDH Algorithms for Complex Systems Modeling,” Mathematical and Computer Modeling of Dynamical Systems, Vol.4, No.4.
[25] Nahi Kandel, Rene Wamkene, Maarouf Saad and Semaan
Georges(2006)“ An efficient approach for short term load forecasting using artificial neural networks.”Power and Energy System,pp
525-530,Vol28
[26] Lewis, C. D.(1982), Industrial and Business Forecasting Methods, Butterworth, London.
[27] R.E Abdel-Aal(2006),“ Modeling and forecasting electric daily peak loads using abductive networks. ＂Electrical Power and Energy Systems, pp 133-141, 2006.Vol28.
[28] Subhash Sharma(1995),“Applied Multivariate Techniques.” John Wiley &
Sons Inc.
[29] Zhang G. Peter(2003),“Time Series forecasting using a hybrid model ARIMA and neural network model,＂Nerocomputing, Vol.50,pp.159-175.
網路資料
[30] 台灣經濟部能源局：http://www.moeaboe.gov.tw/
[31] 明道大學產業創新及經營學系：http://tinyurl.com/2437dfc [32] British Petroleum：
http://www.bp.com/bodycopyarticle.do?categoryId=1&contentId=7052055 [33] KUAS E.E. PEAL：
http://hpds.ee.kuas.edu.tw/index_link/intro/download_file/20060505.ppt
45
[34] PR Newswire,“SunPower Announces the Planet’s Most Powerful Solar Panel,＂
http://news.prnewswire.com/ViewContent.aspx?ACCT=109&STORY=/w ww/story/05-20-2009/0005029765@EDATE