氣候變遷下臺灣地區溫度變化對度日與電力供需之影響

全文

(1)國立臺灣師範大學地球科學研究所碩士論文. 指導教授：陳正達. 博士. 氣候變遷下臺灣地區溫度變化對度日與電力供需之影響 The Potential Impact of Taiwan Temperature Change on Degree-Day and Electricity Supply under Climate Change Scenarios. 研究生：張育瑋. 撰. 中華民國 102 年 6 月.

(2) 致. 謝. 首先誠摯的感謝指導教授陳正達博士的指導與教誨，對於研究的方向、觀念的啟迪、架構的匡正、資料的提供與求學的態度逐一斧正與細細關懷，於此獻上最深的敬意與謝意。論文口試期間，承蒙口試委員鄒治華老師、中興大學莊秉傑教授與臺電研究所洪紹平主任的鼓勵與疏漏處之指正，使得本論文更臻完備，在此謹深致謝忱。在研究所修業期間，感謝許晃雄老師、洪致文老師、鄒治華老師、洪志誠老師、王重傑老師和簡芳菁老師等諸位老師在課業知識的傳授。感謝美鳳在行政事務的協助。感謝小童學長、衍民學長、駱駝學長、英婷學姐、沛語學姐、庭慧、猴兄、拉瑪，程式教授之使用，獲益良多，永難忘懷。感謝騰平學長及柏智學長修改完善論文。感謝修立學長、建男學長、明甫學長、培根學長、阿昌學長、阿呆學長、瑩薰學姐、玉秀學姐、George、Gary、小傑、孟光、Jason、鄭浩、思瑩、阿德、大氣與雅惠，不厭其煩的指出我研究中的缺失，且總能在我迷惘時為我解惑，你們的幫忙我銘感在心。本論文的完成另外亦得感謝臺灣電力公司的謝瑋師小姐、吳世傑先生、林國順先生、葉於瑛小姐…..等臺電公司人員的大力協助。感謝好友小絢絢透過關係聯繫臺電員工。感謝好友玉米拿起滑鼠幫忙修圖。感謝老大與小甘拿起統計課本幫忙解決惱人的統計。感謝 Penny 與表姐英文上的修正。因為有你們的體諒及幫忙，使得本論文能夠更完整而嚴謹。牛頓也是站在巨人的肩膀上看世界的。感謝本文的所有文獻，每一篇都令本研究有了理論上的基礎，並且幫助我更瞭解問題的本質及各種應用方法。感謝父母無怨無悔的養育與無時無刻的關懷照顧，還有弟弟及妹妹在經濟上與精神上的支持，讓我能專注於課業研究中。感謝列祖列宗的保佑，讓我順利畢業。最後，特將本文獻給我最敬愛的家人以及許多幫助過我的人。.

(3) 摘. 要. 全球氣候變遷，臺灣地區夏季的氣溫逐年升高，使得冷氣使用所需的耗能也越來越多，尖峰負載年年創新高。為防止大規模停電，造成嚴重的經濟損失，因此本研究探討臺灣地區氣溫與電力需求兩者之間的關係。臺灣地區的電力需求呈現夏季多於冬季，平日多於假日的情形，溫度與電力負載呈現非線性關係，因此使用度日分析法使其氣溫與電力負載呈線性關係，以預測未來電力需求。臺灣地區自 1981 年至 2006 年間的度日特徵顯示，取暖度日明顯受緯度影響，出現於 11 月至隔年 4 月；降溫度日受都市化影響，出現於 5 月至 10 月。整體上，臺灣地區因為緯度較低、氣候溫暖，高溫出現日數較低溫出現日數多，所以降溫需求遠大於取暖需求。在未來變化預測上，使用 CMIP3 與 CMIP5 模式不同情境設定下的氣溫資料，做為推估未來溫度變化的依據。結果顯示，未來降溫度日將急速增加。假設電力負載只受溫度影響下，利用度日分析法所求得的迴歸方程預測未來可能的電力負載值，顯示電力負載於本世紀中葉及本世紀末皆呈現明顯增加的趨勢。. 關鍵字：度日、電力負載、氣候變遷、取暖度日、降溫度日. I.

(4) 氣候變遷下臺灣地區溫度變化對度日與電力供需之影響目. 錄. 摘. 要.........................................................................................................................I. 目. 錄....................................................................................................................... II. 圖表說明...................................................................................................................... III 第一章前言.................................................................................................................. 1 1.1. 文獻回顧....................................................................................................... 2. 1.2. 研究目的與論文架構................................................................................... 3. 第二章資料介紹.......................................................................................................... 5 2.1. 臺灣地區電力負載資料............................................................................... 5. 2.2. 臺灣地區氣象資料....................................................................................... 6 2.2.1. 觀測資料............................................................................................ 6. 2.2.2. 未來氣溫............................................................................................ 8. 第三章臺灣地區電力負載與氣溫............................................................................ 11 3.1. 電力負載資料分析..................................................................................... 11. 3.2. 電力負載與氣溫之關係............................................................................. 13. 第四章臺灣地區取暖與降溫需求............................................................................ 19 4.1. 度日分析法................................................................................................. 19. 4.2. 臺灣地區度日分布特徵............................................................................. 20. 4.3. 度日與電力負載之關係............................................................................. 23. 第五章未來推估........................................................................................................ 26 5.1. 未來降溫度日變化..................................................................................... 26. 5.2. 預測未來電力負載..................................................................................... 28. 第六章總結................................................................................................................ 30 參考文獻...................................................................................................................... 33 II.

(5) 圖表說明表說. 頁碼. 表 2.1. 臺灣電力公司供電月報 2000 年至 2006 年間「每日平均地區別負載分佈百分比」。系統負載的單位為百萬瓦(MW)。............................................ 37. 表 2.2. 本研究七個局屬氣象站之地理位置數據，資料取自中央氣象局。........ 38. 表 2.3. 為本研究所使用的 CMIP3 的 14 個氣候模式情境。打勾為有資料，打叉為無資料。.................................................................................................... 39. 表 2.4. 為本研究所使用的 CMIP5 的 19 個氣候模式列表情境。打勾為有資料，打叉為無資料。............................................................................................ 40. 表 4.1. 1981-2006 年，臺灣地區七個氣象站 HDD 月平均最大值、次要值，與其相應月份。.................................................................................................... 41. 表 4.2. 1981-2006 年，臺灣地區七個氣象站 CDD 月平均最大值、次要值，與其相應月份。.................................................................................................... 41. 表 4.3. 1981-2006 年，臺灣地區七個氣象站的年平均溫度與年 HDD，去趨勢後的相關係數。................................................................................................ 42. 表 4.4. 1981-2006 年，臺灣地區七個氣象站的年平均溫度與年 CDD，去趨勢後的相關係數。................................................................................................ 42. 表 4.5. 1981-2006 年臺灣地區七個氣象站，HDD 年際變化的統計特徵。........ 43. 表 4.6. 1981-2006 年臺灣地區七個氣象站，CDD 年際變化的統計特徵。 ........ 43. 表 4.7. 2000 年至 2006 年間取暖季，臺北地區、臺南地區、及宜蘭地區每月電力負載(y)與 HDD(x)的線性迴歸方程。..................................................... 44. 表 4.8. 臺北地區每月電力負載(y)與 HDD(x)的迴歸統計分析與 ANOVA。 ...... 44. 表 4.9. 臺南地區每月電力負載(y)與 HDD(x)的迴歸統計分析與 ANOVA。 ...... 45. 表 4.10 宜蘭地區每月電力負載(y)與 HDD(x)的迴歸統計分析與 ANOVA。 ...... 45 表 4.11 2000 年至 2006 年間降溫季，臺北地區、臺南地區、及宜蘭地區每月電力 III.

(6) 負載(y)與 CDD(x)的線性迴歸方程。 ......................................................... 46 表 4.12 臺北地區每月電力負載(y)與 CDD(x)的迴歸統計分析與 ANOVA。 ...... 46 表 4.13 臺南地區每月電力負載(y)與 CDD(x)的迴歸統計分析與 ANOVA。 ...... 47 表 4.14 宜蘭地區每月電力負載(y)與 CDD(x)的迴歸統計分析與 ANOVA。 ...... 47 表 5.1. 臺北地區、臺南地區及宜蘭地區，各情境下 2046 年至 2065 年間降溫季 CDD 年平均增加範圍。(單位：℃‧days) ................................................ 48. 表 5.2. 同表 5.1，惟時間為 2081 年至 2100 年。(單位：℃‧days).................... 48. 表 5.3. 降溫季不同情境下，臺北地區觀測 CDD 的年平均、本世紀中葉多模式預測的年平均 CDD、以及本世紀末多模式預測的平均 CDD。(單位：℃‧ days) ............................................................................................................... 49. 表 5.4. 同表 5.3，惟地區是臺南地區。(單位：℃‧days).................................... 49. 表 5.5. 同表 5.3，惟地區是宜蘭地區。(單位：℃‧days).................................... 49. 表 5.6. 臺北地區降溫季電力負載。(單位：百萬瓦，MW).................................. 50. 表 5.7. 同表 5.6，惟地區是臺南地區。(單位：百萬瓦，MW)............................ 50. 表 5.8. 同表 5.6，惟地區是宜蘭地區。(單位：百萬瓦，MW)............................ 50. 圖說. 頁碼. 圖 1.1. 全球平均地面溫度。圖片摘自於 IPCC 第四次評估報告之第一組工作報告決策者摘要。............................................................................................ 51. 圖 1.2. 美國加州氣溫與每日電力需求間之關係圖。X 軸為每日平均氣溫，Y 軸為每日電力需求。圖片摘自 Franco and Sanstad, 2008。 ......................... 51. 圖 2.1. 臺灣電力公司供電月報「每日平均地區別負載分佈百分比」供電分區及本研究所選用的七個地面氣象觀測站位置。............................................ 52. 圖 2.2. CMIP3 多模式集不同未來全球經濟與能源發展情境下，大氣二氧化碳濃度示意圖。X 軸為時間；Y 軸為二氧化碳濃度(單位：ppm)。圖片摘自於 IV.

(7) IPCC, 2000。 ................................................................................................. 52 圖 2.3. CMIP5 多模式集模擬未來輻射強迫示意圖。X 軸為時間；Y 軸為輻射強迫(人為加上自然)。圖片摘自 Meinshausen et al., 2011。 ........................ 53. 圖 2.4. 紅色框的範圍，為模式做區域平均所選取的範圍。北緯 22N 至 25.5N，東經 120E 至 122E。 .................................................................................... 53. 圖 2.5. 情境 A2 下，CMIP3 模式過去資料及未來資料的 CDF 圖。黑色線為過去資料；紅色線為本世紀中葉；藍色線為本世紀末。................................ 54. 圖 2.6. 觀測與模式預測各氣象站氣溫資料的 CDF 圖。實線為 2000 年至 2006 年觀測資料；虛線為模式預測情境 A2 下 2081 年至 2100 年多模式平均。紅色為臺北氣象站；藍色為臺南氣象站；綠色為宜蘭氣象站。............ 54. 圖 3.1. 2000 年至 2006 年間日平均地方負載百分比。......................................... 55. 圖 3.2. 臺灣地區 2000 年至 2006 年間每月電力負載變化。................................ 55. 圖 3.3. 臺灣地區逐年每日電力負載隨時間變化圖，分別為(a)2000 年、(b)2001 年、(c)2002 年、(d)2003 年、(e)2004 年、(f)2005 年、(g)2006 年。 .... 56. 圖 3.4. 臺灣地區 2000 年至 2006 年間電力負載的月變化。................................ 56. 圖 3.5. 臺灣各地區 2000 年至 2006 年間電力需求的月變化。(a)至(i)分別為，宜蘭、臺北、桃園、新苗、中部、雲嘉、臺南、高屏、東部九個地區。 57. 圖 3.6. 臺灣地區 2000 年至 2006 年間電力需求的日變化。................................ 58. 圖 3.7. 臺灣各地區 2000 年至 2006 年間電力需求的日變化。(a)至(i)分別為，宜蘭、臺北、桃園、新苗、中部、雲嘉、臺南、高屏、東部九個地區。黑色實線為平均 DSVI 值，紅色實線為最大 DSVI 值，藍色實線為最小 DSVI 值。................................................................................................................ 59. 圖 3.8. 2000 年至 2006 年間臺灣各地區人口分布百分比。資料取自內政部戶政司人口統計資料網，曆月人口統計資料中的「縣市村裡鄰戶數及人口數」計算求得。.................................................................................................... 60. 圖 3.9. 臺灣工業區分布圖，2004 年。圖片來源國立台中女中 GIS 中心鄭吉成繪， V.

(8) 參考出處經濟部工業局。藍色點為臺灣工業區。.................................... 60 圖 3.10 2000 年至 2006 年間電力負載與溫度隨時間變化圖。分別為(a)臺北地區、 (b)臺南地區、以及(c)宜蘭地區。 .............................................................. 61 圖 3.11 臺北地區 2000 年至 2006 年間電力負載與溫度隨時間變化圖。 ............ 62 圖 3.12 同圖 3.11，惟地區是臺南地區。 ................................................................ 63 圖 3.13 同圖 3.11，惟地區是宜蘭地區。 ................................................................ 64 圖 3.14 臺北地區 2000 年至 2003 年間工作日(WD)與假日(HD)的電力負載與溫度之關係分布圖，黑色線為迴歸曲線，右上角數字為相關係數。............ 65 圖 3.15 續圖 3.14，惟年份是 2004 年至 2006 年間。............................................ 66 圖 3.16 溫度與能源使用的理論之間的相關。X 軸為溫度，Y 軸為能源消耗，灰色區塊為基本負載。圖片摘自 Amato et al., 2005。 ................................. 67 圖 3.17 臺南地區 2000 年至 2003 年間工作日(WD)與假日(HD)的電力負載與溫度之關係分布圖，黑色線為迴歸曲線，右上角數字為相關係數。............ 68 圖 3.18 續圖 3.17，惟年份是 2004 年至 2006 年間。............................................ 69 圖 3.19 宜蘭地區 2000 年至 2003 年間工作日(WD)與假日(HD)的電力負載與溫度之關係分布圖，黑色線為迴歸曲線，右上角數字為相關係數。............ 70 圖 3.20 續圖 3.19，惟年份是 2004 年至 2006 年間。............................................ 71 圖 3.21 臺北地區 2000 年至 2006 年間電力負載與溫度之關係分布圖，黑色線為迴歸曲線，右下角藍色數字為相關係數。................................................ 72 圖 3.22 臺北地區 2000 年至 2006 年間，逐年溫度與電力負載之關係分布圖，黑色線為迴歸曲線，右下角藍色數字為相關係數。.................................... 73 圖 3.23 臺南地區 2000 年至 2006 年間電力負載與溫度之關係分布圖，黑色線為迴歸曲線，右下角藍色數字為相關係數。................................................ 74 圖 3.24 臺南地區 2000 年至 2006 年間，逐年溫度與電力負載之關係分布圖，黑色線為迴歸曲線，右下角藍色數字為相關係數。.................................... 75 圖 3.25 宜蘭地區 2000 年至 2006 年間電力負載與溫度之關係分布圖，黑色線為 VI.

(9) 迴歸曲線，右下角藍色數字為相關係數。................................................ 76 圖 3.26 宜蘭地區 2000 年至 2006 年間，逐年溫度與電力負載之關係分布圖，黑色線為迴歸曲線，右下角藍色數字為相關係數。.................................... 77 圖 3.27 宜蘭地區(2000 年、2004 年、2005 年以及 2006 年的溫度與電力負載與溫度之關係分布圖，黑色線為迴歸曲線，右下角藍色數字為相關係數。 78 圖 4.1. HDD 與 CDD 的定義。圖出自 Kadioglu et al., 2001。 ............................. 79. 圖 4.2. 1981 年至 2006 年間月平均 HDD。(a)至(d)為西部氣象站，依序分別為基隆、台北、台中和台南。(e)至(g)為東部氣象站，依序為宜蘭、花蓮、以及台東。(單位：℃‧days).......................................................................... 80. 圖 4.3. 1981 年至 2006 年間月平均 CDD。(a)至(d)為西部氣象站，依序分別為基隆、台北、台中和台南。(e)至(g)為東部氣象站，依序為宜蘭、花蓮、以及台東。(單位：℃‧days).......................................................................... 81. 圖 4.4. 1981 年至 2006 年間低於 16℃的日數年變化及 HDD 值的年變化圖。(a) 至(d)為西部測站，依序分別為基隆、台北、台中和台南。(e)至(g)為東部測站，依序為宜蘭、花蓮、以及台東。X 軸為時間；Y 軸為低於 16℃的日數；色階表示 HDD 值大小。 ................................................................. 82. 圖 4.5. 1981 年至 2006 年間高於 28℃的日數年變化及 CDD 值的年變化圖。(a) 至(d)為西部測站，依序分別為基隆、台北、台中和台南。(e)至(g)為東部測站，依序為宜蘭、花蓮、以及台東。X 軸為時間；Y 軸為高於 28℃的日數；色階表示 CDD 值大小。 ................................................................. 83. 圖 4.6. 1981 年至 2006 年間 HDD、CDD 與平均溫度的年變化及趨勢線。(a)至(d) 為西部測站，依序分別為基隆、台北、台中和台南。(e)至(g)為東部測站，依序為宜蘭、花蓮、以及台東。(單位：℃‧days).................................. 84. 圖 4.7. 2000 年至 2006 年間，取暖季每月 HDD 與電力負載之關係圖，分別為(a) 臺北地區；(b)臺南地區；(c)宜蘭地區。(電力單位：MW) .................... 85. 圖 4.8. 2000 年至 2006 年間，取暖季每月 HDD 與電力負載之分布圖及線性迴歸 VII.

(10) 方程，分別為(a)臺北地區；(b)臺南地區；(c)宜蘭地區。(電力單位：MW) ........................................................................................................................ 86 圖 4.9. 2000 年至 2006 年間，降溫季每月 CDD 與電力負載之關係圖，分別為(a) 臺北地區；(b)臺南地區；(c)宜蘭地區。(電力單位：MW) .................... 87. 圖 4.10 2000 年至 2006 年間，降溫季每月 CDD 與電力負載之分布圖及線性迴歸方程，分別為(a)臺北地區；(b)臺南地區；(c)宜蘭地區。(電力單位：MW) ........................................................................................................................ 88 圖 5.1. 各情境下降溫季，預測未來 CDD 變化的直條圖與盒狀圖，分別為(a)臺北地區、(b)臺南地區、(c)宜蘭地區。(單位：℃‧days) ........................ 89. 圖 5.2. 全球溫度變化及不確定性。括號中的數字為模式數量。圖片摘自 Knutti and Sedlacek, 2012。 .................................................................................... 90. 圖 5.3. 未來臺北地區降溫季各情境，氣溫高於 28℃的日數年變化及 CDD 值的年變化圖。(a)至(c)為 CMIP3 的情境；(d)至(f)為 CMIP5 的情境。X 軸為時間；Y 軸為氣溫高於 28℃的日數；色皆表示 CDD 值的大小。 ........ 91. 圖 5.4. 同圖 5.3，惟地區是臺南地區。.................................................................. 92. 圖 5.5. 同圖 5.3，惟地區是宜蘭地區。.................................................................. 93. 圖 5.6. 降溫季各地區電力負載直條圖，分別為(a)臺北地區、(b)臺南地區、(c) 宜蘭地區。(單位：百萬瓦，MW).............................................................. 94. VIII.

(11) 第一章. 前言. 許多經濟活動受天氣變化影響，能源消費即是其中一種。聯合國世界氣象組織中的政府間氣候變遷小組(Intergovernmental Panel on Climate Change，簡稱 IPCC)，在第四次評估報告(AR4)中，明確地指出全球氣候正在變遷，全球氣溫呈現上升趨勢(圖 1.1)。而臺灣相關的研究指出，臺灣的暖化在過去一百年與全球氣候變遷有相當的一致性，且受到區域性的都市熱島效應影響明顯，臺灣溫度增加約為全球的兩倍(劉紹臣，2011)。 Franco 與 Sanstad (2008)表示美國加州氣溫與電力需求兩者的關係，氣溫越高則電力需求越高。而氣溫下降時，電力需求則下降，到達某個臨界點，會因取暖需求，使得電力需求上升，但幅度沒有氣溫上升時顯著(圖 1.2)。這樣氣溫與用電之關係，在臺灣地區也應很明顯，因為臺灣地處中、低緯度，夏季天氣炎熱，需要開冷氣降溫的時間較長。全球暖化下，夏季氣溫將越來越高，使得空調降溫所需的耗能越來越多，又電力無法儲存，只能及時生產使用，尖峰負載將越來越大。為防止大規模停電，造成嚴重的經濟損失，因此必須探討臺灣氣溫與電力需求兩者之間的關係。. 1.

(12) 1.1. 文獻回顧探討氣溫與耗能相關的研究中，度日法為最常用的分析方法。度. 日為一基本設計參數，是計算熱狀況的單位，指日平均溫度與定義的基準溫度之差值(Downton et al., 1998；Eto, 1998)。這概念起源於 Strachey (1878)，他設計公式把高於基礎溫度 5.6℃的溫度累積起來，用來反映農作物成長，之後慢慢發展成為一個能夠反映供暖和製冷所需能源的時間溫度指數，並被廣泛應用於許多領域，如：發電、能源消耗、能源規劃、建築設計、天氣風險管理和軍事……等(Kadioglu et al., 1999；CIBSE, 2006)。 Thom (1952)為首位使用度日法來探討美國能源消費與溫度之關係的人，利用統計分析發現度日呈現高斯常態分佈 (Gaussian independent normal distribution)，且進一步解釋平均氣溫和基礎溫度為 65°F(18.3℃)與平均度日的關係，並導出通過月平均溫度標準差之月平均度日的方程(Thom, 1954；Thom, 1966)。Quayle 和 Diaz (1980)使用度日法對美國取暖所需消耗的能源做相關研究，利用簡單的回歸分析，描述取暖度日與取暖耗能兩者之關係，並表示短期準確的天氣預報，可以準確預測短期的能源消耗。此後亦有許多學者開始探討分析各地度日時間或空間的分布(Büyükalaca at el., 2001；Kadioglu at el., 2001；Matzarakis and Balafoutis, 2004；Christenson at el., 2006)。目前 2.

(13) 美國、英國……等已開發國家，在網站上公布逐日的度日值，有關研究部門或人們可根據發布的各地度日值，統計某一期間如 10 天、1 個月或 1 年的度日總和，以及相應消耗的總能源來預計未來能源的消耗情形或比較不同城市能源消耗情況，而統計時間越長，所得出的結論就越精確。度日分為三種類型：(1)取暖度日(Heating Degree Day，簡稱 HDD) 常用於計算取暖時所需的耗能；(2)降溫度日(Cooling Degree Day，簡稱 CDD)常用於計算降溫時所需的耗能；(3)成長度日(Growing Degree Day，簡稱 GDD)常用於計算農作物生長所需的能量。由於臺灣嘉義以北位於副熱帶、嘉義以南位於熱帶，因此本研究主要探討臺灣地區 HDD 及 CDD 與電力供需之關係。. 1.2. 研究目的與論文架構由上述文獻回顧中可知，需多國家已有溫度與耗能的相關研究. (美國、英國、瑞士、希臘、土耳其……等)，發現溫度與耗能有明確的相關性，如：當氣溫高於 28℃(82℉)，美國加州的尖峰電力負載會以每增加華氏一度，增加 700MW(百萬瓦)的速度增加(CEC, 2002)。目前臺灣類似的研究非常少，所以本研究欲建立臺灣地區氣溫與電力供需的相關性，並進一步推估在氣候變遷下，臺灣地區純粹受溫度影. 3.

(14) 響下未來電力增加之多寡，為預測未來電力負載之相關研究提供參考。本文共分為六個章節：第一章為前言；第二章為介紹資料的格式與來源；第三章則為探討臺灣地區電力負載與氣溫之關係；第四章將使用度日法，討論臺灣增溫與降溫需求，建立簡單的耗能與度日之間的推估方程；第五章將利用推估方程，探討在氣候變遷下，臺灣地區的度日及電力負載增加之多寡；第六章為總結及未來展望。. 4.

(15) 第二章. 資料介紹. 研究氣溫與耗能兩者關係時，氣溫會選用當地(或最接近的)氣候站觀測的平均溫度；耗能則選取住宅用戶，這是因為住宅用戶有明顯的季節性(Quayle et al., 1980；Yan, 1998；Timmer et al., 2007)。以下將介紹本研究所使用的資料及來源。. 2.1. 臺灣地區電力負載資料由於臺灣長時間住宅用電資料取得不易且困難，所以本研究使用. 2000 年至 2006 年間臺灣電力公司供電月報中「每日平均地區別負載分佈百分比」來做為依據。基本負載是指一個城市所需的電力；系統負載是指全系統變電所變壓器的供電量總和，是一種接近負載中心的供電量。因此，此資料可以做為臺灣地區的實際用電量，其中，包含所有經濟活動(工業、商業、以及住宅)所需的電力消耗。表 2.1 為原始每日平均地區別負載分佈百分比的資料，為當日系統負載除以 24 小時所求得，即當日平均每小時的系統負載，並非尖峰負載，單位為百萬瓦(MW)，將全國畫分為十個地區：(1)宜蘭：宜蘭縣；(2)臺北：臺北市、新北市、基隆市；(3)桃園：桃園縣；(4)新 5.

(16) 苗：新竹市、新竹縣、苗栗縣；(5)中部：臺中市、南投縣、彰化縣； (6)雲嘉：雲林縣、嘉義市、嘉義縣；(7)臺南：臺南市；(8)高屏：高雄市、屏東縣；(9)東部：花蓮縣、臺東縣；(10)離島：澎湖縣(圖 2.1)。而金門縣與連江縣兩地區的電力系統各自獨立，與本島電力網路不相連，所以資料中離島只有澎湖縣，並無統計金門縣與連江縣的資料。因為離島地區的供電量與其它地區相較，長期不足 0.1%，資料上顯示皆為 0%，所以接下來的討論，並無分析離島的電力負載特徵。. 2.2. 臺灣地區氣象資料. 許多研究指出，氣溫明顯影響能源需求，而其它天氣因子(溼度、風速……等)可以修正氣溫影響的誤差(Engle et al., 1992；Li and Sailor, 1995；Cancelo and Espasa, 1996；Yan, 1998；Valor et al., 2001)。這表示我們可以只分析氣溫對電力之影響即可，而其它天氣因子對於臺灣負載的影響則為未來工作。. 2.2.1 觀測資料 Weiss 和 Hays(2005)曾探討下列非線性計算之日平均溫度法，如： 1. 取 24 小時，每小時的觀測值平均做為 6. 。. 的方.

(17) 在此 i 為小時，為每 i 小時的氣溫。 2. 取 3 次觀測值的平均值，加權最後一項做為. 在此. 為地方時間 07 時的氣溫；. 溫；. 為地方時間 21 時的氣溫。. 3. 每 3 小時的觀測值平均做為. 。. 為地方時間 14 時的氣. 。. 即地方時間 03 時，06 時，……，21 時，24 時之氣溫總和。 4. 使用日最高氣溫(. 在此. 與日最低氣溫(. 為每日最低氣溫，. )的平均值做為. 。. 為每日最高氣溫。. 近年來，中央氣象局局屬氣象站(此以有觀測員觀測之氣象站為主)計算. ，即使用第一種方法所求得，為最理想的日平均氣溫。但. 由於需要每小時皆有資料，相對其它方法繁瑣，而早期部分氣象站並非每小時皆有溫度資料，造成早期氣溫資料計算方式與後期計算方式不同。早期非 24 小時皆有資料的. 計算方式，而是類似第二種方法. 與第三種方法，因為不需要每小時皆有氣溫觀測值。早期氣象局的計. 7.

(18) 算. 的方式，為視氣象站一天有幾次觀測的氣溫值累加平均求得，. 例：1981 年宜蘭站，一天有十筆氣溫資料，平均氣溫為十次累加除以十。第四種方法為本研究所使用的方法，一般民眾可在氣象局網站上取得各地當日最高、最低氣溫，自行推估研究。因此，本研究使用中央氣象局於 1981 年至 2006 年間觀測的. 與. 相加的平均值做為. 。此種方法最為簡便，資料也容易取得，國外學者經常使用此方法(Quayle et al.,1980；Sailor, 2001；Matzarakis et al., 2004；Hor et al.,2005；CIBSE, 2006)。選取基隆、臺北、臺中、臺南、宜蘭、花蓮以及臺東共七個中央氣象局局屬氣象站，代表臺灣北部地區、中部地區、南部地區及東部地區(圖 2.1 及表 2.2)。. 2.2.2 未來氣溫表 2.3 為本研究使用的 14 個 CMIP3(Coupled Model Intercomparison Project phase 3)氣候模式，每日最高溫度及最低溫度之資料。其中，20c3m (20th Century Climate in Coupled Models)為使用 20 世紀觀測所得之溫室氣體進行模擬的模式過去資料。CMIP3 多模式集的未來模擬為假設經濟發展、人口、科技……等不同情況下，改變未來溫室氣體的排放量(圖 2.2)。本研究使用的未來情境為：(1). 8.

(19) 情境 A1B，假設經濟成長快速，全球人口峰值出現於 21 世紀中葉，新技術的發展及運用非常快速。全球化的市場經濟導向，人均所得的差距消失，人類大幅投資教育與提高生活水準，科技的成長與資訊流通順暢。再生能源與石化燃料並用，土地使用變遷速度適中；(2)情境 A2，假設為強烈非均值之世界，全球的經濟體系都保有自給自足，保守且不開放的狀況。區域性的生態在互相整合與一致化的速率上，非常緩慢。因此人口數量持續成長，經濟發展朝向區域化，經濟成長與技術提升的速率，相對於其它情境都非常緩慢，且為片段零碎，為暖化最顯著的未來情境；(3)情境 B1，假設全球人口峰值出現於 21 世紀中葉，世界朝向整合均勻化發展的狀況，然而經濟形態轉為以服務及資訊化之方向發展，因此資源與能源密度持續下降，並應用清潔與資源效率高的新技術。這情境主要強調全球對經濟、社會、及環境永續發展的最佳解決方案，包括了增進平等性而不增加負荷的氣候公約，為暖化最不顯著的未來情境(IPCC，2000)。表 2.4 為本研究使用的 19 個 CMIP5(Coupled Model Intercomparison Project phase 5)氣候模式，每日最高溫度及最低溫度之資料。其中，Historical run 為使用 1950 年至 2005 年間觀測資料進行模擬的模式過去資料。而 CMIP5 多模式集的推估情境為溫室氣體濃度的代表性濃度路徑(Representative Concentration Pathways，簡稱. 9.

(20) RCP)。本研究使用的情境(圖 2.3)分別為：(1)rcp4.5 為 2100 年後溫室氣體增加所產生的輻射強迫穩定於 4.5W/m2 的情境，為選用的情境中暖化最不顯著的未來情境；(2)rcp6.0 為 2100 年後溫室氣體增加所產生的輻射強迫穩定於 6.0W/m2 的情境；(3)rcp8.5 為至 2100 年時溫室氣體增加所產生的輻射強迫達到 8.5W/m2，之後還會繼續上升的情境，為暖化最顯著的未來情境(Meinshausen et al.，2011)。因 CMIP3 與 CMIP5 氣溫日資料的時間長度不同，因此，從中選取相同的時間長度使用，分別為 1981 年至 2000 年(模式的過去資料)、 2046 年至 2065 年(本世紀中葉)、以及 2081 年至 2100 年(本世紀末)。求算未來溫度的方法：(1)取北緯 22N 至 25.5N，東經 120E 至 122E(圖 2.4)，將模式的溫度資料做區域平均；(2)將區域平均後的資料做累積機率分布(Cumulative Distribution Functions，簡稱 CDF)，如此一來資料就會依照值的大小排序而年份則會分散(圖 2.5)；(3)模式模擬的未來情境資料與模式的過去資料，相同百分位相減，留下氣候的變化幅度(Wood et al., 2004；Maurer, 2007)；(4)將氣象站 2000 年至 2006 年間的溫度資料做 CDF 排序(圖 2.6 實線)；(5)將求得的氣候變化幅度與氣象站資料的 CDF 相同百分位疊加，求得圖 2.6 虛線；(6) 再將求得的未來溫度資料 CDF，按照資料的年份排序回去，即可得到未來溫度資料。. 10.

(21) 第三章. 3.1. 臺灣地區電力負載與氣溫. 電力負載資料分析圖 3.1 為 2000 年至 2006 年間每日地方負載百分比平均，顯示電. 力負載分配不均，這可能是受到各地人口稠密、經濟發展、社會結構……等因素影響。而由臺灣地區電力負載隨時間的變化圖(圖 3.2 及圖 3.3)，可發現電力負載有季節及日兩種週期性變化。Valor 等人 (2001)制定指數探討此變化，分別為：月週期變化指數 (Monthly seasonal variation indices ，簡稱 MSVI) 與日週期變化指數 (Daily seasonal variation indices，簡稱 DSVI)。以下為 MSVI 及 DSVI 之定義說明。 MSVI 定義為：. 為 j 年 i 月的指數值，. 為 j 年 i 月的月電力消耗，為 j. 年的月平均電力負載。圖 3.4 為全臺的電力負載月變化，紅色虛線為最大 MSVI，藍色虛線為最小 MSVI，兩者之間的範圍，表示平均 MSVI(黑色實線)的誤差範圍。平均的 MSVI 顯示臺灣地區一整年的電力負載特徵，最低值出現於二月，穩定上升至七、八月達最高值，之. 11.

(22) 後慢慢下降。夏季電力負載大於冬季，造成此現象可能是因為臺灣地區夏季炎熱需使用大量的空調降溫所致。圖 3.5 則為臺灣各地區的電力負載月變化，黑色實線為平均 MSVI 值，紅色實線為最大 MSVI 值，藍色實線為最小 MSVI 值。此圖明顯呈現出臺灣各地區的電力負載特徵。其中，臺北地區(圖 3.5(b))的平均 MSVI 值呈現明顯的季節變化，而高屏地區(圖 3.5(h))的平均 MSVI 值的季節變化則較不明顯。整體上，所有地區皆呈現夏季電力負載大於冬季電力負載。而圖 3.5(a) 宜蘭地區的最大 MSVI(紅色實線)呈現出兩個高峰，造成此現象的原因，可能與後文將提及之宜蘭地區 2001 年至 2003 年間因不明原因電力負載與溫度之間關聯性不佳有關。 DSVI 定義為：. 為 k 年第 j 週的第 i 日(指週一至週日)DSVI 值，一日的電力負載，. 為同. 為 k 年第 j 週的日平均電力負載。圖 3.6 為全臺. 每週的最大、最小、以及平均的 DSVI 值，紅色虛線為最大 DSVI，藍色虛線為最小 DSVI，兩者之間的範圍，表示平均 DSVI (黑色實線) 的誤差範圍。平均 DSVI 值顯示，電力負載於週末(星期六與星期日) 呈現下降趨勢。這是因為週末經濟活動大量減少(如：商業大樓放假、工廠停機……等)，使得電力負載在週末下降。而週一的電力負載又 12.

(23) 較其它工作日低，是受到週末經濟活動減少所造成的慣性，這同樣反應在每個國定假日之後的第一個工作日，以及兩個國定假日之間的工作日。臺灣假日電力負載較工作日電力負載低的現象，與 Franco 和 Sanstad(2008)針對美國加州的研究結果一致。圖 3.7 為臺灣各地區的電力負載日變化，黑色實線為平均 DSVI 值，紅色實線為最大 DSVI 值，藍色實線為最小 DSVI 值。整體上，除了宜蘭地區(圖 3.7(a))與東部地區(圖 3.7(i))，全臺其它地區的平均 DSVI 值，皆是週末的電力需求低於週一至週五。而宜蘭地區與東部地區則是假日時的電力負載大於工作日，造成此現象的原因可能與這兩地區的工廠、人口較其它地區少(圖 3.8 及圖 3.9)，且觀光業興盛有關。. 3.2. 電力負載與氣溫之關係挑選臺北、臺南以及宜蘭三個地區，進行電力負載與溫度之探討. 研究，藉此討論臺灣地區城鄉與南北的電力負載差異。圖 3.10 為 2000 年至 2006 年間電力負載與溫度隨時間變化圖，黑色實線為月電力負載變化，黑色虛線為趨勢線；紅色實線為月溫度變化，紅色虛線為趨勢線。電力負載有明顯城鄉差異，臺北地區的電力負載遠大於宜蘭地區。而三個地區電力負載皆有明顯上升的趨勢，這是受到經濟發展、社會結構改變……等因素影響，有明顯的季節變化，最大值出現於夏. 13.

(24) 季，最低值出現於冬季。其中，宜蘭地區(圖 3.10(c))在 2000 年末至 2003 年間，電力負載雖然呈現季節變化，但相對於其它年份全年明顯的低許多。圖 3.11 為臺北地區 2000 年至 2006 年間歷年電力負載與溫度隨時間變化圖，黑色實線為每日電力負載變化，紅色虛線為每日氣溫變化，綠色框框為過年假期大致上的時間。電力負載明顯有前文提到的日週期變化，最低值發生於周末，最高值約出現於工作日中間。於每年的二月左右，不論溫度高低，皆會有一段時間電力負載呈現連續低值的情形(綠色框框)。這是因為過年連續假期經濟活動大量減少所造成的現象，時間長度大致為 2000 年 2 月 4 日至 2 月 7 日、2001 年 1 月 21 日至 1 月 27 日、2002 年 2 月 9 日至 2 月 14 日、2003 年 1 月 31 日至 2 月 5 日、2004 年 1 月 21 日至 1 月 26 日、2005 年 2 月 6 日至 2 月 13 日、以及 2006 年 1 月 28 日至 2 月 2 日，而一年中電力負載的最低值也大多發生於此時間。季節上也明顯的可看出，臺北地區夏季的電力負載大於冬季，一年中電力負載的最大值皆出現在夏季。電力負載與溫度季節變化有良好的一致性，這也顯示出台灣夏季降溫需求大於冬季取暖需求；而臺南地區(圖 3.12)的電力需求整體上與臺北地區是相同的。比較特別的是宜蘭地區，由圖 3.13 可發現，宜蘭地區的電力負載變化與臺北、台南兩地區相反，由前文宜蘭地區的. 14.

(25) DSVI(圖 3.7(a))可知，這是因為宜蘭地區的電力需求於週末時上升，而工作日時下降所造成。在 2000 年、2004 年至 2006 年間，仍可發現農曆年假所造成的影響。整體上來說，宜蘭地區的溫度與電力負載之關係並無像臺北、臺南兩地區良好。圖 3.14 及圖 3.15 為臺北地區 2000 年至 2006 年間歷年電力負載與氣溫之關係分布圖，因前文提及電力負載在假日與工作日有區別，因此將資料分為工作日與假日作探討，可以發現臺北地區工作日及假日的電力負載與氣溫之關係良好，分布密集，相關係數工作日較假日高，且假日的電力負載較工作日稍低。由 Franco and Sanstad (2008) 及 Amato et al. (2005)研究可知，能源消耗與溫度之關係圖會呈現 U 型或 V 型(圖 1.2 及圖 3.16)，即溫度與耗能分布會有低點(即平衡點)，顯示氣溫的極端值會使能源消耗增加。但由圖 3.14 及圖 3.15 中的迴歸曲線(黑色實線)可發現，臺北地區的電力負載與溫度之分布並無明顯的平衡點，且約在 24℃時，隨溫度越高，電力負載會呈現急遽增加的趨勢。圖 3.17 及圖 3.18 為臺南地區工作日與假日的電力負載。圖中顯示臺南地區假日分布較無工作日密集，相關係數也較低，電力負載工作日僅約略比假日高，且由分布圖大致可以發現，約在 16℃至 20℃ 間，當溫度下降時，電力負載有微幅上升的趨勢。與臺北地區相同的. 15.

(26) 是，工作日約在 24℃時，溫度越高，電力負載有增加的趨勢，但不像臺北呈現急遽增加；而假日則是約在 28℃時，隨溫度增加，電力負載也會快速增加。圖 3.19 及圖 3.20 則為宜蘭地區工作日與假日的電力負載。相較於臺北及臺南兩地區的分布，不論工作日或假日其電力需求無顯著差異。與其它兩區相反，相關係數大體上呈現假日較工作日高，電力負載與溫度之間並無明顯的平衡點，且不論工作日或假日皆於約 24℃ 時，隨溫度升高，電力負載會快速增加。因此，就整體而言，臺北、臺南兩地區溫度與電力負載工作日的分布較假日密集，相關係數較高。而宜蘭地區則相反，假日的相關係數較工作日高，分布較其它兩區稀疏。上述的部分是針對工作日與假日之電力負載與溫度分布的討論，下面將討論全年度電力需求與溫度分布的的關係。圖 3.21 為臺北地區 2000 年至 2006 年間電力負載與溫度相關分布圖，圖 3.22 為逐年分布圖。可知臺北地區，電力負載與溫度相關性良好，無明顯平衡點，在約 24℃時，隨溫度上升，電力需求會開始急速增加。圖 3.23 及圖 3.24 則分別為臺南地區 2000 年至 2006 年間電力負載與溫度相關分布圖、逐年分布圖及對應的迴歸方程。電力負載與溫. 16.

(27) 度相關性良好，除了 2006 年。圖型略呈現 U 型分布，約在 16℃至 20℃間，隨溫度下降，電力負載會開始增加。與臺北地區相同，約在 24℃時，溫度越高，電力負載也會增加。雖然於 2006 年溫度與電力負載的相關係數只有 0.470，這是受到電力資料於夏季一段時間連續出現低值影響(圖 3.10(b)及圖 3.12(g))，但因圖 3.23 分布密集影響不大，因此，接下來的研究臺南地區的電力資料會全部使用。宜蘭地區由圖 3.25 可發現，宜蘭地區的分布較臺北、臺南兩地區而言，其氣溫與電力負載的相關性並不好。圖 3.26 為宜蘭地區 2000 年至 2006 年，歷年的溫度與電力負載相關分布圖。可以發現，在 2001 年至 2003 年電力負載相較於其他年份低(圖 3.10(c))，雖然 2002 年時溫度與電力負載的相關係數有 0.588，但因為這三年的整體電力負載值較低，使得圖 3.26 分布稀疏。因此，接下來的研究宜蘭地區的電力資料會扣除這三年，圖 3.27 為扣除這三年後宜蘭地區的溫度與電力負載分布圖，可發現溫度與電力負載分布密集，相關性變好有 0.646，無明顯平衡點，溫度約在 24℃時，隨溫度越高，電力需求會急速上升。由上述可知，臺北、臺南以及宜蘭三個地區，氣溫與電力負載，整體上呈現非線性，高溫時所需的電力負載遠大於低溫時所需的電力負載，即溫度越高，電力負載越大。同時，臺灣因緯度較低，氣候溫. 17.

(28) 暖，人民較少使用電暖爐取暖之習慣，所以三個地區溫度與電力負載分布並無明顯的呈現出 U、V 曲線。. 18.

(29) 第四章. 4.1. 臺灣地區取暖與降溫需求. 度日分析法氣溫與電力供需之關係呈現非線性，溫度增加或減少皆會使電力. 負載增加，且有明顯的季節性。因此，將高溫與低溫分開，更方便容易取得預測方程。這可以使用度日的概念(Kadioglu et al., 1990；Lam, 1998；Eto, 1998；Kadioglu et al., 2001；Büyükalaca et al., 2001；Valor et al., 2001)，如圖 4.1 所示，HDD 為一段時間內每日室外溫度低於基準溫度的累積值，室外溫度越低，HDD 值越大，如果室外溫度高於基準溫度時，當日 HDD 值為零。定義公式如下：. 式中的為定義的基準溫度，. 為每日室外平均溫度。. 而 CDD 的定義與 HDD 相反，為一段時間內每日室外溫度高於基準溫度的累積值，室外溫度越高，CDD 值越大，如果室外溫度低於基準溫度時，當日 CDD 值為零(圖 4.1)。定義公式為：. 19.

(30) 為每日室外平均溫度，為定義的基準溫度。. 基準溫度是人為規定的一個溫度閥值。各個國家(或地區)往往根據能源供應、人體生理需求、經濟水平和溫度變化等特點選取適合的參考溫度。美國將基礎溫度定為 65℉(18.3℃)；英國因能源價格方面的原因，取暖期基準溫度為 15.5℃，降溫期基準溫度取為 22.0℃。本研究依照經濟部能源局《100-109 年長期負載預測與電源開發規劃摘要報告》中「冷氣度」的定義，將 CDD 的基準溫度定為 28.0℃，而 HDD 的基礎溫度參考前章臺南地區(圖 3.23)的研究取 16.0℃。. 4.2. 臺灣地區度日分布特徵圖 4.2 為 1981 年至 2006 年 HDD 的月變化，七個氣象站除了臺. 東氣象站，分布集中皆於每年的 11 月至隔年 4 月，取暖期隨緯度越低越短。東部 HDD 小於西部 HDD，這是可能是受黑潮終年流經臺灣東部地區影響，溫暖的海水使得局部區域出現類似暖溼氣團的性質，使東部地區在氣候特徵上出現溫暖的情形。由表 4.1 可發現，HDD 明顯受緯度影響，越往南部 HDD 越小，除了臺東氣象站最大值出現於 3 月份，其餘的氣象站最大值皆出現於 1 月，次要值出現於 2 月。 20.

(31) 圖 4.3 為臺灣地區 CDD 的月變化，七個氣象站分佈皆集中在每年的 5 月至 10 月，降溫期隨緯度越低越長。受到都市化程度影響明顯，緯度差不多的西部氣象站 CDD 大於東部氣象站 CDD，並無明顯的緯度差異，最高值皆出現於 7 月，次要值出現於 8 月(表 4.2)。臺灣地區度日的月變化，取暖季為 11 月至隔年 4 月，降溫季為 5 月至 10 月，整體上呈現 CDD 大於 HDD 的情形，這是因臺灣位於副熱帶與熱帶交界處，緯度偏低所影響。圖 4.4 為臺灣地區低於 16℃的日數年變化及 HDD 年變化，可發現緯度越低，低於 16℃的天數出現越少，且 HDD 越小，明顯受緯度影響。而圖 4.5 則為臺灣地區高於 28℃的日數年變化及 CDD 年變化明顯可知，高於 28℃的天數逐年遞增，且越往南部地區高溫天數越多，但 CDD 值的大小並不受緯度影響。其中，圖 4.5(b)的臺北地區高溫出現天數並無臺南地區(圖 4.5(d))多，但兩地區的 CDD 卻相差不大，這是因為臺北地區出現極端高溫的機率大於臺南地區。圖 4.6 為臺灣地區 HDD、CDD 與平均溫度的年變化圖。黑色實線為平均溫度的年變化，虛線為趨勢線；藍色實線為 HDD 的年變化，藍色虛線為趨勢線；紅色實線為 CDD 的年變化，紅色虛線為趨勢線。由平均溫度的年變化可發現，東、西半部差異不大，越往南部平均溫度越高，整體呈現上升趨勢。而 HDD 的年變化分佈呈現西部地區大. 21.

(32) 於東部地區，緯度越高則值越高，整體呈現逐年下降的趨勢，與平均溫度的年變化呈現負相關(表 4.3)，即隨著全球暖化，因取暖需求所消耗的能源將減少。臺灣地區 CDD 的年變化分布同樣呈現西部地區高於東部地區，並無明顯的緯度變化，但 CDD 有都市高於鄉村的特點，整體呈現逐年上升趨勢，與平均溫度的年變化呈現正相關(表 4.4)，即隨著全球暖化，需要開冷氣降溫的能源消耗量將增加。圖 4.4 亦可明顯的看出臺灣地區 HDD 與 CDD 兩者的關係，緯度越低兩者值相差越大。配合表 4.5 及表 4.6 可知，七個氣象站年平均 CDD 皆大於 HDD，且值皆呈現西半部大於東半部。HDD 呈現明顯緯度變化，越往南部越小。 CDD 不受緯度影響，西部地區基隆與臺中，以及臺北與臺南 26 年平均 CDD 值非常接近。這是因為臺灣北部四季明顯，CDD 於夏季七、八月時值遠遠大於其它季節(圖 4.3)。整體上來說，臺灣地區緯度較低，氣候溫暖，高溫出現天數大於低溫出現天數，冬季取暖需求較小。因此，CDD 遠大於 HDD，即降溫需求遠高於取暖需求。. 22.

(33) 4.3. 度日與電力負載之關係探討主要取暖季(11 月至隔年 4 月)及降溫季(5 月至 10 月)度日與. 電力負載之關係，並建立線性迴歸方程，以推估未來純粹受溫度影響的電力增減。圖 4.7 為臺北地區、臺南地區及宜蘭地區 2000 年至 2006 年取暖季，每月 HDD 與電力負載之關係圖，藍色實線為 HDD，黑色虛線為電力負載。HDD 於臺北地區(圖 4.7(a))及宜蘭地區(圖 4.7(c))，可能受緯度較高影響，因此 HDD 明顯較臺南地區(圖 4.7(b))穩定出現，HDD 最大值會出現於取暖季中間。而由電力負載可以發現低值出現於取暖季中間，配合表 4.7 的相關係數可知，臺南地區相關係數有 0.514，剩下的兩個地區相關性並不好，臺北地區為 0.052，宜蘭地區為 0.205。圖 4.8 為臺北地區、臺南地區及宜蘭地區 2000 年至 2006 年主要取暖季，每月 HDD 與電力負載之分布圖。雖然三個地區的線性迴歸方程呈現出 HDD 越大電力負載越高，但臺北地區(圖 4.8(a))及宜蘭地區(圖 4.8(c))點的分布很稀疏，不能明顯看出 HDD 與電力負載之關係。而臺南地區(圖 4.8(b))分布雖然也很稀疏，但可看出隨著 HDD 越大，電力需求會上升。表 4.7 為對應的線性迴歸方程及相關係數列表。而表 4.8、表 4.9 及表 4.10 分別為臺北地區、臺南地區及宜蘭地區的迴 23.

(34) 歸統計分析及變異數分析(Analysis of variance，簡稱 ANOVA)。因為 X 變數為 0 並沒有意義，因此，在統計學中會較關心斜率，而非截距。由分析結果的第三個表格顯示，除了臺南地區(表 4.9)線性方程斜率 409.428 的 p 值小於 0.05，臺北地區(表 4.8)及宜蘭地區(表 4.10)斜率 p 值皆大於 0.05。根據虛無假定，H0 表示迴歸方程無解釋能力，H1 表示迴歸方程有解釋能力。p 值如果小於或等於 0.05，就表示拒絕 H0，係數達顯著。故除了臺南地區的迴歸方程對 HDD 有顯著的解釋能力外，其餘兩地區的迴歸方程皆對 HDD 無顯著的解釋能力。圖 4.9 為臺北地區、臺南地區及宜蘭地區 2000 年至 2006 年降溫季，每月 CDD 與電力負載之關係圖，紅色實線為 CDD，黑色虛線為電力負載。與 HDD 不同，CDD 皆穩定出現。臺北地區(圖 4.9(a))及宜蘭地區(圖 4.9(c))的 CDD 呈現單峰，而臺南地區(圖 4.9(b))則有雙峰，CDD 的最大值出現於降溫季中間(即每年 7、8 月)，而電力負載的與 CDD 相同，臺北地區及宜蘭地區呈單峰，而臺南地區則為雙峰，最高值出現於降溫季中間。由表 4.11 可以發現三個地區的相關係良好，臺北地區為 0.879，臺南地區為 0.601，宜蘭地區為 0.743。圖 4.10 為降溫季，每月 CDD 與電力負載之分布圖。三個地區點的分布明顯較 HDD(圖 4.8)密集，臺北地區(圖 4.10(a))分布最集中，呈現 CDD 越大，電力需求上升；臺南地區(圖 4.10(b))及宜蘭地區(圖. 24.

(35) 4.10(c))分布雖無臺北集中，但仍可看出 CDD 越大，電力需求越高。且由表 4.12、表 4.13 及表 4.14 的第三個表格可知，三個地區的線性方程斜率 p 值皆小於 0.05，係數達顯著。故三個地區的迴歸方程對 CDD 有顯著的解釋能力。因此，利用表 4.11 的線性迴歸方程進行預測，所求取出來的值有一定的可性度。且方程顯示 CDD 每增加 1℃‧ days，臺北地區每月的電力負載會增加 0.39%；臺南地區每月的電力負載會增加 0.26%；宜蘭地區每月的電力負載會增加 0.65%。整體上，臺灣地區緯度較低，氣候溫暖，降溫季電力負載遠高於取暖季電力負載。因此，在探討未來溫度與電力負載時，可只考慮降溫季 CDD 的變化。. 25.

(36) 第五章. 5.1. 未來推估. 未來降溫度日變化本節將探討六個未來情境(情境 A1B、情境 A2、情境 B1、情境. rcp4.5、情境 rcp6.0 及情境 rcp8.5)下，本世紀中葉與本世紀末降溫季的 CDD 變化，並且假設電力負載只受溫度影響，預測未來可能的電力負載量。圖 5.1 為各情境下降溫季，預測未來 CDD 變化的直條圖與盒狀圖。黃色直條圖為觀測資料 2000 年至 2006 年 CDD 的年平均值；藍色直條圖為多模式預測本世紀中葉 CDD 的年平均值；綠色直條圖為多模式預測本世紀末 CDD 的年平均值。黑色盒狀圖為各情境下，模式的差異，由下至上分別為：最小、25%、75%及最大值。其中，盒狀圖顯示，情境 A2 及情境 B1 下各模式所得的 CDD 值差異小，且於世紀末時不論哪個情境，CDD 變化幅度皆大於本世紀中葉。由表 5.1 可知，本世紀中葉時，臺北地區將增加 76℃‧days 至 414℃‧days；臺南地區將增加 96℃‧days 至 497℃‧days；宜蘭地區將增加 63℃‧ days 至 365℃‧days。而本世紀末時(表 5.2)，臺北地區將增加 100℃‧ days 至 708℃‧days；臺南地區將增加 122℃‧days 至 769℃‧days；宜蘭地區將增加 151℃‧days 至 884℃‧days。 26.

(37) 圖 5.1(a)直條圖及表 5.3 為臺北地區，顯示出本世紀中葉，CDD 將增加 58%至 114%。而至本世紀末時，CDD 將增加 85%至 225%。臺南地區(圖 5.1(b)直條圖及表 5.4)，於本世紀中葉時，CDD 將增加 76%至 149%。本世紀末時，增加 111%至 283%。而宜蘭地區(圖 5.1(c) 直條圖及表 5.5)，本世紀中葉 CDD 增加 120%至 245%。世紀末時，增加 180%至 508%。由圖 5.1 及表 5.3 至表 5.5 可知，三個地區皆顯示本世紀中葉 CMIP3 的 CDD 由小至大依序分別為：情境 B1、情境 A2 及情境 A1B； CMIP5 的 CDD 由小至大依序分別為：情境 rcp6.0、情境 rcp4.5 及情境 rcp8.5，其中情境 rcp4.5 與情境 rcp6.0 兩者 CDD 非常接近。而本世紀末 CMIP3 的 CDD 由小至大依序分別為：情境 B1、情境 A1B 及情境 A2；CMIP5 的 CDD 由小至大依序分別為：情境 rcp4.5、情境 rcp6.0 及情境 rcp8.5。這樣的情形與全球地表溫度變化一致(圖 5.2)。整體而言，本世紀中葉的 CDD 由小至大依序分別為：情境 B1、情境 rcp6.0、情境 rcp4.5、情境 A2、情境 A1B 及情境 rcp8.5；世紀末 CDD 由小至大依序分別為：情境 B1、情境 rcp4.5、情境 rcp6.0、情境 A1B、情境 A2 及情境 rcp8.5。 2000 年至 2006 年間，降溫季 CDD 的平均顯示(表 5.1)，臺北地區為 243℃‧days；臺南地區為 227℃‧days；宜蘭地區為 97℃‧days。. 27.

(38) CDD 由大至小地區依序為：臺北地區、臺南地區及宜蘭地區。但未來模擬無論何情境下，CDD 由大至小地區排序將變為(表 5.3、表 5.4 及表 5.5)：臺南地區、臺北地區及宜蘭地區。圖 5.3、圖 5.4 及圖 5.5 為三個地區未來降溫季不同情境下，氣溫高於 28℃的日數年變化及 CDD 值的年變化圖。各情境皆有三小格，第一格為 2000 年至 2006 年降溫季的觀測值；第二格為本世紀中葉降溫季的多模式平均值；第三格為本世紀末降溫季的多模式平均值。可明顯發現 2000 年至 2006 年間降溫季，臺南地區氣溫超過 28℃的天數比臺北地區多，但兩地區 CDD 差不多。因此，當氣溫資料加上相同的未來模式預測的溫度差時，新的溫度(未來溫度)值超過門閥值 28 ℃的天數將變多，使得無論哪個未來情境臺南地區 CDD 大於臺北地區 CDD。整體而言，三個地區不論何情境下，於未來降溫季高溫出現的日數皆會變多，且 CDD 也將急速增加。. 5.2. 預測未來電力負載接下來使用 CDD 與電力負載之線性迴歸方程(表 4.11)，求得三. 地區的未來電力負載變化圖 5.6，其中，黃色直條圖為 2000 年至 2006 年間實際月平均電力負載；紅色直條圖為使用 2000 年至 2006 年間. 28.

(39) CDD 代入線性迴歸方程所求得的電力負載；藍色直條圖為預測本世紀中葉，各情境下的電力負載；綠色直條圖為預測本世紀末，各情境下的電力負載。黑色盒狀圖為各情境下，模式的差異，由下至上分別為：最小、25%、75%及最大值。而表 5.6、表 5.7 及表 5.8 為對應表格。可見三個地區 2000 年至 2006 年間實際的電力負載(圖 5.6 黃色直條圖所示)與使用 CDD 所求出的電力負載(圖 5.6 紅色直條圖所示)有些許差異，臺北地區相差-3.83%，臺南地區 0%，宜蘭地區 20.99%。臺北及臺南地區的關係良好，而宜蘭地區可能是因為資料不足造成兩者誤差大。本研究主旨為探討用電量受氣溫影響的改變量，因此將使用 CDD 所求出的用電量(圖 5.6 紅色直條圖所示)與未來各情境預估的用電量(圖 5.6 藍色與綠色直條圖所示)做比較。預估在本世紀中葉，臺北地區電力負載將增加 9%至 19%；臺南地區電力負載將增加 6% 至 14%；宜蘭地區電力負載將增加 22%至 48%。而本世紀末時，臺北地區電力負載將增加 14%至 36%；臺南地區電力負載將增加 9%至 26%；宜蘭地區電力負載將增加 36%至 82%。整體上，全球暖化將使得未來 CDD 明顯升高，而電力負載亦有增加，但不如 CDD 增加之多。. 29.

(40) 第六章. 總結. 根據 IPCC AR4 得知全球氣溫正逐年上升中，未來極端高溫的天氣將越來越常出現，這將衝擊整個地球生態圈。且許多研究皆證明氣溫會影響能源消耗，極端高溫或極端低溫皆會使能源需求增加。臺灣相關的研究也指出，臺灣的暖化在過去一百年與全球氣候變遷有相當的一致性，且溫度增加約為全球的兩倍(劉紹臣，2011)。因此，為使供電保持穩定，防止大規模停電，造成嚴重的經濟損失。臺灣地區氣溫與電力負載之關係是值得討論的。臺灣地區的電力負載於每年過年連假，受經濟活動大量減少所影響出現連續低值，且呈現明顯的季節性變化與日變化。季節上，夏季電力負載高於冬季。而日變化，電力負載大體呈現平日高於假日，除了宜蘭地區與東部地區因觀光業興盛、工廠及人口稀少……等因素，使得電力負載呈現假日高於平日。探討臺北地區、臺南地區及宜蘭地區，三個地區的氣溫與電力負載之關係，分布呈現非線性，隨氣溫上升，電力需求越大。因此，使用度日分析法使其關係呈線性。本文使用 1981 年至 2006 年間中央氣象局七個氣象站的氣溫資料統計，可知臺灣地區的度日分布特徵，HDD 明顯受緯度影響，且整. 30.

(41) 體呈現下降趨勢，主要出現於每年 11 月至隔年 4 月，稱為取暖季。而 CDD 受到人口密度及都市化程度影響，呈現上升的趨勢，主要出現於每年 5 月至 10 月，稱為降溫季。三個地區的 HDD 與電力負載之相關係數皆不高，而 CDD 與電力負載之關係皆有 0.6 以上。整體而言，臺灣地區因緯度較低、氣候溫暖，高溫出現天數多於低溫出現天數，故冬季取暖需求較小。因降溫需求遠高於取暖需求，故針對 CDD 進行未來預測的探討。我們依據 CMIP3 的 14 個氣候模式與 CMIP5 的 19 個氣候模式，在情境 A1B、情境 A2、情境 B1、情境 rcp4.5、情境 rcp6.0、以及情境 rcp8.5 下，探討本世紀中葉與本世紀末 CDD 的變化。預測指出，本世紀中葉，臺北地區 CDD 將增加 58%至 114%；臺南地區 CDD 將增加 76% 至 149%；宜蘭地區 CDD 將增加 120%至 245%。CDD 由小至大分別為：情境 B1、情境 rcp6.0、情境 rcp4.5、情境 A2、情境 A1B 及情境 rcp8.5。到了本世紀末，臺北地區 CDD 將增加 85%至 225%；臺南地區 CDD 將增加 111%至 283%；宜蘭地區 CDD 將增加 180%至 508%。 CDD 由小至大分別為：情境 B1、情境 rcp4.5、情境 rcp6.0、情境 A1B、情境 A2 及情境 rcp8.5。整體上，未來各情境下，高溫出現的日數將變多，且 CDD 增加急速。假設電力負載只受氣溫影響，利用 CDD 與電力負載求出的迴歸. 31.

(42) 方程預測未來可能的電力負載值。由預測中發現本世紀中葉，臺北地區電力負載將增加 9%至 19%；臺南地區電力負載將增加 6%至 14%；宜蘭地區電力負載將增加 22%至 48%。而到了本世紀末時，臺北地區電力負載將增加 14%至 36%；臺南地區電力負載將增加 9%至 26%；宜蘭地區電力負載將增加 36%至 82%。本研究在預測未來電力負載方面僅假設電力負載受氣溫影響的前提下，使用線性迴歸方程進行預測。但影響長期的電力負載的因素很多，氣溫對於長期負載預測並非最重要的因子，若要更正確的預測未來的電力負載，需要改進以下幾點：(1)有更長時間的電力資料；(2) 考慮各地人口、經濟、產業結構、以及其它氣象因子，建立更加接近真實的迴歸方程；(3)需要更小尺度的未來氣候預測數據；(4)考量未來人口、經濟成長、電價……等變化(柳中明，2011)。不論如何，在氣候變遷下，臺灣地區用電量都將增加。由臺灣電力公司網路公布的數據可知，目前電力來源以傳統的火力發電為主，其次為核能發電。在控制溫室氣體排放的目標下，除了興建新的核能電廠以提高供電需求外，亦可持續針對綠色能源進行研發，最終朝向無核家園的世界趨勢邁進。. 32.

(43) 參考文獻柳中明，「氣候變遷對電力需求的預期分析：文獻回顧」，台電工程月刊，第 759 期，第 44-60 頁，2011 年。經濟部能源局，「100-109 年長期負載預測與電源開發規劃摘要報告」，第 17 頁， 2011 年。劉紹臣，「台灣氣候變遷」，台電工程月刊，第 759 期，第 1-8 頁，2011 年。 Amato, A. D., M. Ruth, P. Kirshen, and J. Horwitz, 2005：Regional energy demand response to climate change：Methodology and application to the Commonwealth of Massachusetts. Climatic Change, 71, pp.175-201. Büyükalaca, O., H. Bulut, and T. Yılmaz, 2001：Analysis of variable-base heating and cooling degree-days for Turkey. Applied Energy, 69, 269–283. Cancelo, J. R., and A. Espasa, 1996：Modelling and forecasting daily series of electity demand. Invest. Econ., 20, 359-376. CEC, 2002：2002-2012 Electricity outlook report. California Energy Commission Rep. P700-01-004F, 174 pp. Christenson, M., H. Manz, and D. Gyalistras, 2006：Climate warming impact on degree-days and building energy demand in Switzerland. Energy Conversion and Management, 47, 671-686. CIBSE, 2006：Degree-days. Theory and Application., The Chartered Institute of Building Services Engineers , 1-52. Downton M W, Stewart T R, Miller K A, 1988：Estimating Historical Heating and Cooling Needs. Per Capita Degree Days. Journal of Applied Meteorology, 27, 84-90. Engle, R. F., C. Mustafa, and J. Rice, 1992：Modelling peak electricity demand. J. Forecasting, 11, 241-251. 33.

(44) Eto, J. H., 1998：On using degree-days to account for the effects of weather on annual energy use in office buildings. Energy Build., 12, 113-127. Franco, Guido, and Alan H. Sanstad, 2008：Climate change and electricity demand in California. Climatic Change, 87, S139-S151. Hor, Ching-Lai, Simon J. Watson, and Shanti Majithia, 2005：Analyzing the Impact of Weather Variables on Monthly Electricity Demand. IEEE Transactions on Power Systems, 20(4), 2078-2085. IPCC 2007 Summary for Policymakers, Climate Chang 2007：The Physic Science Basis. Contribution of Working Group I to the Fourth Assessment Report of the Intergovernmental Panel on Climate Chang, Cambridge Univ. Press, Cambridge. [Online]. Available： http://www.ipcc.ch/pdf/assessment-report/ar4/wg1/ar4_wg1_full_report.pdf IPCC, 2000：The IPCC Special Report on Emissions Scenarios (SRES). , Intergovernmental Panel on Climate Change. Jones, C.A., and J.R. Kiniry, 1986：CERES-Maize. A simulation Model of Maize Growth and Development. Texas A&M University Press, College Station. Kadioglu, M. and Z. Sen, 1999：Degree-day formulations and application in Turkey. Journal of Applied Meteorology, 38, 827-846 Kadioglu, M., Z. Sen, and L. Gültekin, 2001：Variations and trends in Turkish seasonal heating and cooling degree-days. Climatic Change, 49, 209-223. Knutti, R. and J. Sedlacek, 2013：Robustness and uncertainties in the new CMIP5 climate model projections. Nature Climate Change, 3, pp370. Lam, J. C., 1998：Climatic and economic influences on residential electricity consumption. Energ. Convers. Manage., 39, 623-629. Li, X., and D. J. Sailor, 1995：Electricity use sensitivity to climate and climate change. World Res. Rev., 7, 334-346. 34.

(45) Matzarakis, A. and C. Blaafoutis, 2004：Heating Degree-days over Greece as an index of energy consumption, Int. J. Climatol, 24, 1817-1828. Maurer, E. P., 2007：Uncertainty in hydrologic impacts of climate change in the Sierra Nevada, California under two emissions scenarios, Climatic Change, 82, 309-325. Meinshausen, M. et al., 2011：The RCP greenhouse gas concentrations and their extensions from 1765 to 2300. Climatic Change, 109, 213-241. Quayle, R. G. and H. F. Diaz, 1980：Heating degree day data applied to residential heating energy consumption. Journal of Applied Meteorology, 19, 241-246. Sailor, D., 2001：Relating residential and commercial sector electricity loads to climate─Evaluating state level sensitivities on residential electricity consumption. Energy, 26, 645-657. Strachey Lt-Gen. Sir Richard, 1878：Paper on the computation and quantity of heat in excess of a fixed base temperature received at any place during the course of the year to supply a standard comparison with the progress of vegetation. Quarterly Weather Report Appendix II. Thom H. C., 1952：Seasonal degree day statistics for the United States. Monthly Weather Review, 80, 143-149. Thom H. C., 1954：The relationship between heating degree-days and temperature. Monthly Weather Review, 82, 1-6. Thom H. C., 1966：Normal degree-days above any base by the universal truncation coefficient. Monthly Weather Review, 94, 461-465. Timmer, R. P. and P. J. Lamb, 2007：Relations between Temperature and Residential Natural Gas Consumption in the Central and Eastern United States. Journal of Applied Meteorology and Climatology, 46, 1993-2013.. 35.

(46) Valor, Enric, Vicente Meneu, and Vicente Caselles, 2001：Daily Air Temperature and Electricity Load in Spain. Journal of Applied Meteorology, 40, 1413-1421. Weiss, A. and C. J. Hays, 2005：Calculating daily mean air temperatures by different methods. Implications from a non-linear algorithm. Agricultural and Forest Meteorology, 128, 57-65. Wood, A. W., L. R. Leung, V. Sridhar, and D. P. Lettenmaier, 2004：Hydrologic implications of dynamical and statistical approaches to downscaling climate model outputs. Clim. Change, 62, 189-216. Yan, Y. Y., 1998：Climate and residential electricity consumption in Hong Kong. Energy, 23, 17-20.. 36.

(47) 表 2.1. 臺灣電力公司供電月報 2000 年至 2006 年間「每日平均地區別負載分佈百分比」。系統負載的單位為百萬瓦(MW)。. 37.

(48) 表 2.2. 本研究七個局屬氣象站之地理位置數據，資料取自中央氣象局。. 局屬氣象站. 經度(°E). 緯度(°N). 海拔(m). 基隆. 121.732. 25.135. 26.7. 台北. 121.507. 25.040. 5.3. 台中. 120.676. 24.147. 84.0. 台南. 120.197. 22.995. 13.8. 宜蘭. 121.748. 24.766. 7.2. 花蓮. 121.605. 23.977. 16.1. 台東. 121.147. 22.754. 9.0. 38.

(49) 表 2.3. 為本研究所使用的 CMIP3 的 14 個氣候模式情境。打勾為有資料，打叉為無資料。 Modeling center. Canadian Center for Climate Modeling and Analysis Centre National de Recherches Meteorologiques NOAA / Geophysical Fluid Dynamics Laboratory NASA / Goddard Institute for Space Studies LASG / Institute of Atmospheric Physics Instituto Nazionale di Geofisica e Vulcanologia Center for Climate System. Model name. 20c3m. A2. A1 B. B1. cccma_cgcm3_1_t47. V. V. V. V. cccma_cgcm3_1_t63. V. X. V. V. cnrm_cm3. V. V. V. V. gfdl_cm2_1. V. V. V. V. giss_aom. V. X. V. V. giss_model_e_r. V. V. V. V. iap_fgoals1_0_g. V. X. V. V. ingv_echam4. V. V. V. X. mirco3_2_hires. V. X. V. V. mirco3_2_medres. V. V. V. V. miub_echo_g. V. V. V. V. mpi_echam5. V. V. V. V. mri_cgcm2_3_2a. V. V. V. V. ipsl_cm4. V. V. V. V. Research (The University of Tokyo), National Institute for Environmental Studies, and Frontier Research Center for Global Change (JAMSTEC) Meteorological Institute of the University of Bonn, Meteorological Research Institute of KMA, and Model and Data group Max-Planck-Institut for Meteorology JMA / Meteorological Research Institute Institute Pierre Simon Laplace. 39.

(50) 表 2.4. 為本研究所使用的 CMIP5 的 19 個氣候模式列表情境。打勾為有資料，打叉為無資料。. Modeling center. Model name. Historical. rcp45. rcp60. rcp85. CanESM2. V. V. X. V. CCSM4. V. V. V. X. CNRM-CM5. V. V. X. X. CSIRO-MK3.6.0. V. V. V. V. GFDL-CM3. V. X. V. V. GFDL-ESM2G. V. V. V. V. GFDL-ESM2M. V. V. V. V. HadGEM2-CC. V. X. X. V. HadGEM2-ES. V. X. X. V. INM-CM4. V. V. X. X. IPSL-CM5A-LR. V. X. V. V. IPSL-CM5A-MR. V. V. V. V. IPSL-CM5B-LR. V. X. X. V. MIROC5. V. V. V. V. MIROC-ESM. V. V. V. V. MIROC-ESM-CH EM. V. V. V. V. MPI-ESM-LR. V. V. X. V. Meteorological Research Institute. MRI-CGCM3. V. V. V. X. Norwegian Climate Centre. NorESM1-M. V. V. V. V. Canadian Centre for Climate Modeling and Analysis National Center for Atmospheric Research Centre National de Recherches Meteorologiques / Centre Europeen de Recherche et Formation Avancees en Calcul Scientifique Commonwealth Scientific and Industrial Research Organisation and the Queensland Climate Change Centre of Excellence NOAA Geophysical Fluid Dynamics Laboratory. Met Office Hadley Centre Institute for Numerical Mathematics. Institut Pierre-Simon Laplace. Atmosphere and Ocean Research Institute (The University of Tokyo), National Institute for Environmental Studies, and Japan Agency for Marine-Earth Science and Technology Max Planck Institute for Meteorology. 40.

(51) 表 4.1. 1981-2006 年，臺灣地區七個氣象站 HDD 月平均最大值、次要值，與其相應月份。最大值/. 最大值. 次要值/. 次要值. (℃‧days). 月份. (℃‧days). 月份. 基隆. 34.054. Jan.. 27.642. Feb.. 臺北. 33.687. Jan.. 28.583. Feb.. 臺中. 17.310. Jan.. 14.246. Feb.. 臺南. 8.190. Jan.. 6.009. Feb.. 宜蘭. 29.577. Jan.. 24.812. Feb.. 花蓮. 8.969. Jan.. 8.487. Feb.. 臺東. 2.712. Mar.. 2.693. Jan.. 氣象站. 西部地區. 東部地區. 表 4.2. 1981-2006 年，臺灣地區七個氣象站 CDD 月平均最大值、次要值，與其相應月份。最大值/. 最大值. 次要值/. 次要值. (℃‧days). 月份. (℃‧days). 月份. 基隆. 53.235. Jul.. 42.777. Aug.. 臺北. 70.365. Jul.. 61.542. Aug.. 臺中. 38.492. Jul.. 30.942. Aug.. 臺南. 53.354. Jul.. 43.944. Aug.. 宜蘭. 34.465. Jul.. 27.260. Aug.. 花蓮. 25.075. Jul.. 22.863. Aug.. 臺東. 38.342. Jul.. 37.950. Aug.. 氣象站. 西部地區. 東部地區. 41.

(52) 表 4.3. 1981-2006 年，臺灣地區七個氣象站的年平均溫度與年 HDD，去趨勢後的相關係數。. 北部地區相關係數中部地區相關係數南部地區相關係數基隆. -0.614. 臺中. -0.574. 臺南. -0.433. 臺北. -0.749. 花蓮. -0.656. 臺東. -0.404. 宜蘭. -0.605. 表 4.4. 1981-2006 年，臺灣地區七個氣象站的年平均溫度與年 CDD，去趨勢後的相關係數。. 北部地區相關係數中部地區相關係數南部地區相關係數基隆. 0.609. 臺中. 0.441. 臺南. 0.281. 臺北. 0.720. 花蓮. 0.629. 臺東. 0.671. 宜蘭. 0.609. 42.

(53) 表 4.5. 1981-2006 年臺灣地區七個氣象站，HDD 年際變化的統計特徵。年平均/. 最大值/. 最大值. 最小值/. 最小值. 變化趨. (℃‧days). (℃‧days). 年份. (℃‧days). 年份. 勢. 基隆. 92.475. 179.85. 1984. 55.40. 1990. -1.676. 西部. 臺北. 93.515. 176.20. 1984. 46.65. 1990. -1.757. 地區. 臺中. 48.546. 116.95. 1986. 17.60. 2002. -1.149. 臺南. 20.981. 67.45. 1986. 3.95. 1994. -0.369. 宜蘭. 84.740. 149.00. 1986. 45.15. 1994. -1.011. 花蓮. 24.935. 84.65. 1984. 4.65. 1988. -0.849. 臺東. 6.692. 24.60. 1986. 無. 1988. -0.060. 地區. 東部地區. 表 4.6. 1981-2006 年臺灣地區七個氣象站，CDD 年際變化的統計特徵。年平均/. 最大值/. 最大值. 最小值/. 最小值. 變化趨. (℃‧days). (℃‧days). 年份. (℃‧days). 年份. 勢. 基隆. 137.633. 225.80. 1998. 66.80. 1985. 1.825. 西部. 臺北. 200.929. 303.35. 1991. 103.10. 1997. 3.228. 地區. 臺中. 111.746. 193.05. 2003. 52.45. 1985. 2.191. 臺南. 187.269. 298.75. 2005. 111.75. 1985. 4.066. 宜蘭. 79.998. 160.90. 1998. 38.95. 1992. 1.813. 花蓮. 61.725. 130.90. 1998. 13.50. 1985. 1.586. 臺東. 121.946. 213.20. 1983. 51.45. 1986. 1.851. 地區. 東部地區. 43.

(54) 表 4.7. 2000 年至 2006 年間取暖季，臺北地區、臺南地區、及宜蘭地區每月電力負載(y)與 HDD(x)的線性迴歸方程。. 地區. 線性迴歸方程. 相關係數. 臺北. y = 33.2495 x + 96512.9. 0.052. 臺南. y = 409.428 x + 36803.5. 0.514. 宜蘭. y = 8.86322 x + 8015.99. 0.205. 表 4.8. 臺北地區每月電力負載(y)與 HDD(x)的迴歸統計分析與 ANOVA。迴歸統計 R 的倍數 R 平方調整的 R 平方標準誤觀察值個數. 0.052 0.003 -0.041 9130.039 25. ANOVA 自由度迴歸殘差總和. 1 23 24. SS. MS. 5154425.906 1917225116.979 1922379542.885. F. 5154425.906 83357613.782. 係數. 標準誤. t 統計. P-值. 截距. 96512.880. 3002.585. 32.143. 1.28*10-20. x. 33.249. 133.711. 0.249. 0.806. 44. 0.062. 下限 95%. 顯著值 0.806. 上限 95%. 90301.559 102724.201 -243.353. 309.851.

(55) 表 4.9. 臺南地區每月電力負載(y)與 HDD(x)的迴歸統計分析與 ANOVA。迴歸統計 R 的倍數 R 平方調整的 R 平方標準誤觀察值個數. 0.514 0.264 0.221 4046.087 19. ANOVA 自由度迴歸殘差總和. 截距 x. 1 17 18. SS. MS. 99869098.052 278303881.292 378172979.344. F. 99869098.052 16370816.547. 顯著值. 6.100. 0.024. 係數. 標準誤. t 統計. P-值. 下限 95%. 上限 95%. 36803.518 409.428. 1409.332 165.767. 26.114 2.470. 3.68*10-15 0.024. 33830.087 59.691. 39776.949 759.164. 表 4.10 宜蘭地區每月電力負載(y)與 HDD(x)的迴歸統計分析與 ANOVA。迴歸統計 R 的倍數 R 平方調整的 R 平方標準誤觀察值個數. 0.205 0.042 -0.045 666.889 13. ANOVA 自由度迴歸殘差總和. 截距 x. 1 11 12. SS. MS. 215107.497 4892143.505 5107251.002. F. 215107.497 444740.319. 0.484. 顯著值 0.501. 係數. 標準誤. t 統計. P-值. 下限 95%. 上限 95%. 8015.992 8.863. 341.720 12.744. 23.458 0.695. 9.60*10-11 0.501. 7263.871 -19.187. 8768.113 36.913. 45.