1. 緒 論
根據世界經濟論壇(World Economic Forum, WEF)所刊登之「The Global Risks Report 2016」(WEF, 2016)，「減緩和調適氣候變遷行 動的失敗」在2013年至2016年已成為具有高衝 擊性的風險事件，同時，「社會動盪」在近年 來已重新成為重要的風險事件。為因應氣候變 遷對於地球、自然生態、人類健康所帶來的各 種重大威脅(IPCC, 2014、葉俊榮等，2014)，
1992年聯合國通過「聯合國氣候變化綱要公 約」(United Nations Framework Convention on Climate Change) ，而國際上後續的協議如1997 年「京都議定書」、2009年的「哥本哈根協 定」、2010年的「坎昆協議」等國際規範，而
於2014年在利馬召開的「聯合國氣候變化綱要 公約」第20次締約方會議(COP20)，全球190多 個國家達成提出溫室氣體減量排放目標基本規 則的協議，並提出一份巴黎協議草案，2015年 12月12日的聯合國氣候峰會中，更是通過了巴 黎協議，並於2016年4月22日世界地球日時，
171國代表在聯合國總部簽署巴黎協議。雖然 於2017年6月1日，美國新任總統唐納•川普宣布 美國將會退出巴黎協議，然而，包含中國在內 的諸多國家，均表示會履行巴黎協議的相關承 諾。
臺灣自主能源極其缺乏，過去大量仰賴化 石能源的使用，根據經濟部能源局於2017年所 出版之能源統計手冊(經濟部能源局，2017)，
我國2016年的進口能源依存度仍高達97.64%。
Volume 4, No. 4, December 2017, pp. 401-430
太陽光電年發電量預測模型建置及策略研究
蕭子訓
1*黃孔良
1張耀仁
2摘 要
本研究透過線性規劃的數學方法，建構太陽光電的年發電量預測模型，結合情境的設計與分 析，探討太陽光電於2025年的年發電量機率分布曲線，並進一步針對年發電量預測模型的各項參 數，包含效能遞減率、整體的影響與損失係數、各區全天空日射量的相關程度、土地來源、各年度 裝置量策略及不同目標式等，進行敏感度分析，探討各個參數對於年發電量機率分布曲線的影響。
研究分析成果發現，效能遞減率及整體的影響與損失係數對於發電量期望值有較高的影響，因此，
建議政府後續可透過獎勵或加嚴相關規範，來督促廠商選用較佳的太陽光電產品，其將有助於協助 政府更好的達成能源轉型，此外，亦建議政府須將太陽光電盡量集中架設於陽光較佳的區域，以提 升太陽光電年發電量的期望值，其有助於達成再生能源的政策目標。另外，若調整各年度裝置量策 略及各地區的裝置順序，可在犧牲少數的2025年發電量期望值，進而有效的提升2016年至2025年整 體太陽光電的發電量，進而對於解決全球暖化的問題盡更大的心力。
關鍵詞：太陽光電，年發電量，日射量，預測模型，策略研究
收到日期: 2017年08月31日 修正日期: 2017年10月23日 接受日期: 2017年11月02日
1 行政院原子能委員會核能研究所技術員
2 行政院原子能委員會核能研究所副工程師
*通訊作者, 電話: 03-4711400#2727, E-mail: [email protected]
為抑制溫室效應的影響，國際能源署所出版的 世界能源展望2016 (IEA, 2016)提及，電力部 門中，主要通過部署可再生能源、核能及碳 捕存技術，降低全球的碳排放，若觀2016年 我國各電力來源實際發電裝置容量及發電量，
可以發現傳統火力發電裝置容量之比例高達 75.04%，核能為10.31%，再生能源占9.43%，
其中風力及太陽光電占總裝置容量的4.80%；
但從發電量可以發現，傳統火力發電量之比 例高達81.99%(其中燃煤發電45.44%、天然氣 發電32.41%)，核能為11.99%，而再生能源僅 占4.77%，其中風力及太陽光電占總發電量的 0.98%。
為響應國際上對於氣候變遷影響的重視，
並著手改善我國的能源系統，自1998年起迄 今，我國共召開了四次全國能源會議(梁啟源，
2014、胡瑋元，2014、經濟部，2009a、經濟 部，2009b、行政院國家科學委員會，2008、經 濟部能源局，2015)，會議中主要聚焦於二氧化 碳減量的探討及電力結構的比例，其中又以再 生能源、核電與天然氣發電的討論最為聚焦。
爾後，為邁向2025年非核家園的目標，蔡英文 總統在競選期間，就已經提出了：「2025非核 家園是我們不變的主張，透過提出穩健的能源 轉型計畫並加以落實，就能將臺灣打造成一個 就算沒有核電也不會缺電的非核家園。」而其 競選期間具體的能源政策包含(1)確保台電現有 的電源開發方案都能如期完成、(2)落實「時間 電價」、「需量競價」，並搭配「儲能設備」
的尖峰管理政策及(3)發展綠能產業1。而其能 源智囊團更是提出了太陽光電裝置量達20 GW 的宏大目標，以作為核電的替代品。
我國太陽能電池(Cells)產量，為全球市占 第二大，若以太陽能產能單位GW來看，全球 的市占率約一成五，於2016年，臺灣廠商包含 茂迪+聯景、新日光、昱晶、元晶、昇陽科及 英穩達等產能排名世界前20大的結晶矽太陽能
電池公司，其產能已達10.55 GW/年。另外，臺 灣海峽擁有世界一級的離岸風場，長遠來看應 能提供相當可觀的電力2。雖然臺灣地狹人稠，
但若在不考量核能發電的情況下，且考量技術 成熟度及天然資源稟賦後，短、中期內二氧化 碳減排將主要依賴太陽光電及風力等再生能源 的使用。
從目前政府所提出之新能源政策的規劃 中可以發現，其政策規劃的主要目的為(1)能 源轉型、(2)電業改革及(3)帶動自主綠能產業 發展。針對其能源轉型的部分，更於新能源 政策中提出擴大再生能源發展於2025年達發電 量20%的目標。結合近月來政府部門多次的宣 示，目前政府對於2025年電力配比的規劃為 50%天然氣發電、30%燃煤發電及20%再生能源 發電。相較於目前的發電結構，其明顯是利用 再生能源替代核能發電，並利用部分天然氣發 電替代燃煤發電，這也是其能源轉型主要的目 標。為了達到非核家園及再生能源占總發電量 比例20%的能源轉型目標，能源局提出了再生 能源發展目標，如表1所示，太陽光電於2025年 的裝置目標為20 GW，其占再生能源發展目標 總裝置量的72.9%，預估發電量為250億度，占 再生能源發電量的48.5%，若考量目前各再生 能源發電裝置的比例，可以發現太陽光電將是 我國達成2025年再生能源達發電量20%目標的 主要核心。
從表2中2004年至2016年的整體太陽光電 發電量之資料來看(經濟部能源局，2017)，太 陽光電的容量因數介於0.068至0.133之間，單位 裝置容量的發電量介於0.006至0.012億度/MW 之間，若根據2004年至2016年的數據，可以計 算其單位裝置容量的發電量之標準差為0.0014 億度/MW。若假設達成20 GW的太陽光電發展 目標後，預期可產生之太陽光電發電量達250億 度，且發電量的變異程度與裝置量成正比時，
根據歷史數據可推估2025年太陽光電發電量之
1 《英派革新》蔡英文的永續能源政策 http://iing.tw/videos/72
2 英國4C offshore, http://www.4coffshore.com/offshorewind/
標準差為28.90億度。另一方面，若以歷史數據 進行預估，由於2004年至2016年的平均單位裝 置容量的年發電量為0.009億度/MW，故可預估 2025年若已完成20 GW太陽光電廠的建設，太 陽光電的預估發電量為185.3億度。
目前，國內政策及策略研究多以固定的容 量因數進行太陽光電的發電量評估，以我國再 生能源發展目標為例，由2020年及2025年太陽
能的裝置量及發電量目標來計算，其所使用之 容量因數約為0.143。從表2中可以看到，2004 年至2016年太陽光電的容量因數介於0.068至 0.133之間，再生能源發展目標的太陽能容量因 數預估值高於2004年迄今的歷史數據，故政府 在太陽光電發電量的預估上較為樂觀。若從陽 光屋頂百萬座所提供的公開資訊來看3，於2014 年中，彰化、雲林、臺南太陽光電發電量的容 表1 再生能源發展目標
2015年 2020年 2025年
裝置容量
(MW) 發電量
(億度) 裝置容量
(MW) 發電量
(億度) 裝置容量
(MW) 發電量 (億度) 太陽光電 842 11 6,500 110 20,000 250
陸域風力 647 16 800 19 1,200 29
離岸風力 0 0 520 19 3,000 111
地熱能 0 0 150 10 200 13
生質能 741 54 768 56 813 59
水力 2,089 46 2,100 47 2,150 48
燃料電池 0 0 22.5 2 60 5
總計 4,319 127 10,861 263 27,423 515 資料來源：本研究整理
表2 太陽光電歷史績效評估
年度 太陽光電裝置容量
(MW) 太陽光電發電
量(億度) 太陽光電發電 容量因數
太陽光電單位裝置 容量的年發電量
(億度/MW)
2004 0.6 0.006 0.114 0.010
2005 1.0 0.010 0.114 0.010
2006 1.4 0.015 0.122 0.011
2007 2.4 0.022 0.105 0.009
2008 5.6 0.046 0.094 0.008
2009 9.5 0.092 0.111 0.010
2010 22.0 0.256 0.133 0.012
2011 117.9 0.703 0.068 0.006
2012 222.5 1.731 0.089 0.008
2013 392.0 3.379 0.098 0.009
2014 620.1 5.517 0.102 0.009
2015 842.0 8.755 0.119 0.010
2016 1210.31 11.322 0.107 0.009 2020 8,776 110 (預估值) 0.143 (預估值)
2025 20,000 250 (預估值) 0.143 (預估值) 資料來源：本研究整理
3 陽光屋頂百萬座 http://mrpv2.mynet.com.tw/information.php?sort_id=31
量因數超過能源局所使用之預估值0.143，其 餘地區則低於該值，若僅以目前的數據評估，
未來欲達到太陽光電發電量的目標，將需要在 彰化、雲林、臺南等陽光較佳的區域有較大量 的太陽光電廠的建設，才有較高達到目標的機 會。
可以發現，能源局所評估之太陽光電的 預估發電量與用歷史值之預估有所差異，這可 能源於太陽光電板的技術近幾年才趨於成熟，
未來所建設之太陽能板預期有更佳的效能，且 許多相關的性能測試亦在近幾年方訂定較合 適的標準，如我國能源局於102年起辦理「優 質太陽光電產品評選活動」，其所設置的「金 能獎」依據IEC (International Electrotechnical Commission, 國際電工委員會)國際太陽光電最 新、最高標準，並配合產業發展與市場需求，
每年制訂新的評選標準與加嚴測試條件，透過 公平公正的審查機制，以期選出最具代表性的 臺灣優質太陽光電產品。技術未成熟的因素，
可能是歷史發電量低於能源局所評估的原因。
但由於太陽光電對於天氣的高度依賴，與 傳統能源較為不同的是，其對於發電量較難以 預估，從表2中2004年至2016年的容量因數來 看，其平均容量因數為0.106，容量因數的標準 差為0.016，其變異係數為15.59%，相較之下，
同期的燃煤發電變異係數僅2.36%。從以上結 果可以發現，太陽光電發電量的變異程度較傳 統能源較高，若僅以單一容量因數進行發電量 的預測，將有較大的不確定性，因此，本研究 假設長期而言，太陽光電發電量的機率分布為 高斯分布，透過太陽光電年發電量模型的建 構，進而描繪太陽光電未來可能的發電機率分 布。
2. 太陽光電年發電量預測模型
2.1 太陽光電年發電量評估
太陽光電單位裝置量的年發電量與其廠 址所在關係密切，此外，發電量尚會受到「天 氣的高度依賴」及「設備老化或耗損等設備因 素」的影響，故在考量以上因素後，若要進行 太陽光電發電量的預測，無論是僅透過我國既 有的太陽光電廠之歷史發電量進行評估，抑或 者使用固定容量因數計算，可能均有所偏頗，
故有必要重新建立進行發電量預估的方法。
太陽光電發電量的多寡，除了本身的光電 轉換效率及當地的全天空日射量影響外，尚受 到陽光日射角、光譜變化、日照量變化、陽光 遮陰、模組溫度、模組年固定衰退率、線路耗 損、直流轉交流之逆變器損耗等因素所影響，
然若要進行如此較為詳細的評估，需要有較多 細部的數據，但目前我國實際安裝的太陽光電 板較少，故難以進行深入的探討。
實際上較常用的發電量評估方式，為透過 觀察一段時間的日照強度，換算相當於ASTM (American Society for Testing and Materials, 美 國材料和測試協會) E1036標準的等效日照小時 (Equivalent Sunshine Hours, ESH)，以進行太陽 光電年發電量計算，ESH的換算方程式如下：
ESH = 逐年累積全天空日射量(MJ/m2) ÷ 3.6
÷ 365天 (1) 而1 kW的太陽光電模組組列年發電量可用 以下方程式預估：
1 kW組列年發電量 = 1 × ESH × 365天 (2) 但如前述，太陽光電板發電量的多寡尚受 到諸多因素的影響，若考量此影響後，1 kW的 太陽光電模組組列年發電量可修訂如下：
修正後1 kW組列年發電量 = 1 × ESH × (1 – Floss) × 365天 (3) 其 中Floss為 整 體 的 影 響 與 損 失 係 數 ， 根 據 臺 灣廠商的實際經驗，整體的影響與損失約為 15%~25%4。而將方程式(1)代入方程式(3)後可
4 聚恆科技 http://www.hengs.com/solarcase%20qa.html
發現，主要影響修正後1 kW組列年發電量的變 數為逐年累積全天空日射量(MJ/m2)及整體的影 響與損失5。
2.2 逐年累積全天空日射量之資料 分析
全天空日射量的資料主要透過中央氣象局 取得，然林博雄(2003)發現中央氣象局轄下觀 測站於1990年代開始使用之全日空日射計，未 經仔細校驗之參數設定值對於每日累積量數據 低估了15.2%到32.6%不等。因此，中央氣象 局自2002年7月至2003年4月對其麾下的所有一 級氣象觀測站所使用之全日空日射計，進行操 作參數的校驗與修訂(張克勤等，2016)，故自 2003年5月後所提供之日射量當較為準確。即使 透過數據的修正，但修正過後的數據本身的不 確定性就較高，若要將其用於本研究進行不確 定性的探討，將會導致結果更加的不準確，另 由於本研究所探討之太陽光電發電量聚焦於年 發電量，故本研究所用於分析的歷史數據將聚 焦於2004年迄今。
本研究後續進行太陽光電發電量之評估，
預計將臺灣分成基隆市、臺北市、新北市、桃 園市、新竹縣、新竹市、苗栗縣、臺中市、彰 化縣、南投縣、雲林縣、嘉義縣、嘉義市、臺 南市、高雄市、屏東縣、臺東縣、花蓮縣、宜 蘭縣、澎湖縣、金門縣、連江縣共22個區域，
各縣市之逐年累積全天空日射量資料，其所使 用的代表測站或詳細的評估方式可見表3。
目前，中央氣象局共有29個一級測站，然 而由於新竹市、苗栗縣、彰化縣及雲林縣並無 一級測站，故陳家榮(2015)在進行之臺灣屋頂 型太陽光電潛力之研究時，新竹市、苗栗縣鄰 近於新竹縣，以新竹縣資料代替，彰化縣鄰近 於臺中市，以臺中市資料代替，雲林縣鄰近於 嘉義縣，以嘉義縣資料代替。本研究認為，苗
栗縣位於新竹與臺中之中，故改為使用該兩縣 市測站資料的平均進行評估，彰化縣及雲林縣 因為鄰近，則沿用陳家榮(2015)的評估方式。
另外，如表4的資料所顯示，從新北市的 板橋測站及淡水測站、臺中市的臺中測站及梧 棲測站、及宜蘭縣的宜蘭測站與蘇澳測站的逐 年累積全天空日射量資料可以發現，同一縣市 中，較為靠近海邊的淡水測站、梧棲測站及蘇 澳測站，其逐年累積全天空日射量的標準差較 高，約為遠離海邊測站的2~3倍，然若比較其 他測站的資料，遠離海邊測站的資料較為一 致，故本研究在該三個縣市中，選用遠離海邊 測站的資料作為該縣市逐年累積全天空日射量 評估之代表測站。
最後，桃園市已於2013年建立了新屋測 站，但由於本研究的分析年度為2004年至2016 年，故其資料有所缺乏，另外，比較其逐年累 積全天空日射量的資料與鄰近的新竹縣及新北 市可以發現，其逐年累積全天空日射量的數值 異常偏高，故本研究使用板橋及新竹測得的資 料平均進行評估。
由於我國政府已提出2025年綠能發電佔比 將達20%之目標，且規劃2025年將裝設20 GW 的太陽光電板，故可預期未來太陽光電將為臺 灣重要的電力來源，然如先前所述，影響太陽 光電發電量的因素眾多，故相關的天氣資料對 於太陽光電的評估至關重要，然從表3可以看 到，苗栗、彰化、雲林並無一級測站，依據陽 光屋頂百萬座的公開資料顯示，該三縣市在 2014年太陽光電的發電量的效能相較其他縣市 為佳，故建議氣象局能即早於該三縣市建立一 級測站，以供未來相關研究者進行運用。
經資料彙整後，各縣市於2004年至2016年 間的逐年累積全天空日射量的平均值及標準差 的資料分析結果可見表5。可以發現我國日照最 好的區域為雲林、嘉義、臺南、高雄及屏東，
5 陽光日射量是以單位面積在單位時間內獲得的光能量，逐年累積全天空日射量基於中央氣象局的氣象資料，以每 平方米在一年為單位時間之日射量，單位為百萬焦耳/平方米(MJ/m2) ，1焦耳相當於1瓦特電功率在1秒鐘累積電 能，因此由其可換算成相對應的電功率。
表3 評估臺灣各縣市逐年累積全天空日射量之代表測站或評估方式
縣市 代表測站名 站碼 備註
基隆市 基隆 466940 彭佳嶼測站非在本島，故選用基隆測站。
臺北市 臺北 466920 臺北測站相較於鞍部及竹子湖測站的海拔較低，故選用之。
新北市 板橋 466880 淡水測站較靠近海岸，故選用板橋測站。
桃園市 板橋 新竹
466880 467571
桃園雖有新屋測站，但其2013年7月才開始觀測，數據較少，且 全天空日射量異常偏高，故本研究使用板橋及新竹測得的資料平 均進行評估。
新竹縣 新竹 467571 新竹縣僅有此測站。
新竹市 新竹 467571 新竹市無測站，故選用新竹縣的新竹測站。
苗栗縣 新竹 臺中
467571
467490 苗栗縣並無一級測站，故本研究透過使用鄰近縣市的新竹及臺中 測站之資料進行平均評估。
臺中市 臺中 467490 梧棲測站較靠近海岸，故選用臺中測站。
彰化縣 臺中 467490 彰化縣無一級測站，故彰化縣使用鄰近的臺中測站資料進行評 估。
南投縣 日月潭 467650 相較於玉山測站，日月潭測站海拔較低，故選用之，然其海拔仍 有1017.5公尺。
雲林縣 嘉義 467480 雲林縣無一級測站，故雲林縣使用鄰近的嘉義測站資料進行評 估。
嘉義縣 嘉義 467480 嘉義縣雖有阿里山測站，但其海拔較高，故選用嘉義市的嘉義測 站作為代表。
嘉義市 嘉義 467480 嘉義市僅有此測站。
臺南市 臺南 467410 臺南市僅有此測站。
高雄市 高雄 467440 高雄市僅有此測站。
屏東縣 恆春 467590 屏東縣僅有此測站。
臺東縣
臺東 成功 大武
467660 467610 467540
臺東共有三個測站，分別位於臺東縣的北、中、南部，且其地理 位置等資訊及海拔高度並無明顯之差異，故本研究將三測站的資 料平均進行評估。
花蓮縣 花蓮 466990 花蓮縣僅有此測站。
宜蘭縣 宜蘭 467080 蘇澳測站較靠近海岸，故選用宜蘭測站。
澎湖縣 澎湖 467350 東吉島測站不在澎湖本島上，故選用澎湖測站。
金門縣 金門 467110 金門縣僅有此測站。
連江縣 馬祖 467990 連江縣僅有此測站。
資料來源：本研究整理
表4 2004年至2016年間，近海及近陸測站的逐年累積全天空日射量資料比較
縣市 站碼 站名 逐年累積全天空日射量
平均值(MJ/m2) 標準差(MJ/m2) 新北市 466880 板橋 (近陸) 4,222.5 318.3
466900 淡水 (近海) 4,249.3 524.2 臺中市 467490 臺中 (近陸) 5,238.2 192.8 467770 梧棲 (近海) 4,985.1 546.0 宜蘭縣 467080 宜蘭 (近陸) 4,003.1 186.0 467060 蘇澳 (近海) 3,880.5 526.0 資料來源：本研究整理
臺灣本島的太陽光電發電量之變異係數約在 3.1%至12.9%之間，澎湖的變異係數則相對較 高，其為18.0%。其中，全天空日射量相對較 高的雲林、嘉義、臺南、高雄及屏東中，除高 雄變異係數為5.9%相對較低，其餘地區的變異 係數均介於8.1%至9.9%之間；金門、馬祖及花 東地區的變異係數相對較高；北部及中部除基 隆、臺北、新北的變異係數相對偏高外，其餘 的變異係數均相對不高。
2.3 太陽能發電量之標準差
在傳統能源中，容量因數的波動主要來 自於機組老化帶來的影響以及實際操作時由於 背景環境溫度的不同所帶來的影響，雖然機組
偶會遭遇臨時的故障，然而由於備援機組的存 在，實際上對於發電量的波動影響將不大，故 其整體的變異係數不大，如2004年至2016年燃 煤發電變異係數僅2.36%。然而，太陽光電的 情況大有不同，除了固有的來自於機組老化帶 來的影響，由於太陽光電的能量源自於太陽，
故太陽的日射量波動將會造成發電量的波動，
如表5所示，我國各地區的日射量變異係數約 在3%至18%不等，此外，周圍環境的溫度及溼 度等性質的改變，亦會造成太陽能發電量的波 動，且太陽能與傳統能源不同，並無備援的太 陽能板存在，故太陽能板若出現故障，但裝置 容量在評估時若無進行修正，則會導致容量因 數的波動。此外，裝設同樣容量的太陽能板，
表5 2004年至2016年間，各縣市的逐年累積全天空日射量數據資料
縣市 逐年累積全天空日射量
平均值(MJ/m2) 標準差(MJ/m2) 變異係數*
基隆市 3,788.9 419.6 11.1%
臺北市 3,988.1 370.6 9.3%
新北市 4,222.5 318.3 7.5%
桃園市 4,340.0 249.1 5.7%
新竹縣 4,457.5 179.8 4.0%
新竹市 4,457.5 179.8 4.0%
苗栗縣 4,847.8 186.3 3.8%
臺中市 5,238.2 192.8 3.7%
彰化縣 5,238.2 192.8 3.7%
南投縣** 4,330.7 134.1 3.1%
雲林縣 5,573.4 494.6 8.9%
嘉義縣 5,573.4 494.6 8.9%
嘉義市 5,573.4 494.6 8.9%
臺南市 5,610.0 553.3 9.9%
高雄市 5,403.0 318.2 5.9%
屏東縣 5,564.8 482.0 8.7%
臺東縣 5,080.9 412.3 8.1%
花蓮縣 4,340.8 562.1 12.9%
宜蘭縣 4,003.1 186.0 4.6%
澎湖縣 4,594.2 827.9 18.0%
金門縣 5,019.0 395.7 7.9%
連江縣 4,190.2 455.8 10.9%
*變異係數的定義為標準差除以平均數
**南投日月潭測站由於2016年6至8月並無資料，故其僅使用2004至2015年數據進行分析 資料來源：本研究整理
年初安裝或者年底安裝對於年發電量的貢獻 亦不相同，然其亦會導致容量因數的波動，因 此，如台電的統計年報則透過月平均裝置容量 的評估，來避免其影響。
本研究將透過年發電量的平均數及標準差 描繪太陽光電發電量的機率分布，如表6所示，
從歷史數值來看，若包含2000年及2001年的數 據，太陽光電的變異係數較高，而若看近幾年 的數據，其變異係數明顯降低；陸域風力的變 異係數有類似的情況，若包含2000年的資料，
其變異係數高達27.7%，近幾年的資料明顯降 低，而若僅考量2006年或2007年至2015年的資 料，其變異係數進一步降低至約10%。從陸域 風力的資料來看，由於2006年陸域風力裝置量 有明顯大量的增加，且之後其變異係數約維持 於10%，這可能是由於當裝置量增加時，故障 及損壞所導致容量因數的波動將維持一固定的 比例，而每年該比例的變化不大，故對於容量 因數的波動影響不大。太陽光電雖於2002年之 後的資料分析有明顯的下降，然其與陸域風力 早期的資料一樣，其變異係數很大程度的來源 可能是統計的誤差，故太陽能的變異係數目前 約為14.6%至17.0%之間，若參照陸域風力的 經驗，太陽光電當裝設的容量更多時，可能有 進一步降低變異係數的空間，誠然，目前太陽 光電的裝置量已超過陸域風力，但太陽光電的 容量因數較低，因此，其可能需要更大的裝設 量才能對於變異係數的波動有明顯的影響。此
外，由於本研究的資料源自於能源統計手冊，
其裝置容量的統計並非月平均裝置容量，故其 亦會造成容量因數的波動。
為考量機組老化帶來的影響，本研究所使 用的發電量預測方程式將納入效能遞減率的影 響，故在評估2025年的發電量不確定性時可忽 略效能遞減率的影響，故太陽能發電量的標準 差可表示如下：
(4) 其中，發電量的不確定性將源於日射量所導致 的不確定性σweather及其他因素所導致的不確定性
σnonweather，ρ為兩不確定性來源之相關係數，本
研究假設其為無相關，故其值為0。
若以各縣市逐年累積全天空日射量變異係 數平均值7.5%來評估，目前太陽光電的總不確 定性以2002年至2007年為起始年度至2016年的 平均值15.9%來預估，由於其他因素所導致的 不確定性約為14.0%，其值約為逐年累積全天 空日射量變異係數平均值的1.87倍。然從目前 的數據來看，僅有源於日射量所導致的不確定 性能夠進行預測，其餘的數值有所困難，故本 研究將假設數個可能情境，來進行太陽能發電 量總不確定性的評估，並假設方程式4可以表示 為：
(5) 其中α為發電量不確定性的調整係數，依據不 同的假設將呈現不同的數值，其假設如下：
1. 源於日射量所導致的不確定性主導太陽能發 電量總不確定性，其他因素所導致的不確定 性假設為0%，其發電量不確定性的調整係數 α為1。
2. 其他因素所導致的不確定性於2025年將有明 顯降低，其值約與日射量所導致的不確定性 相當，故其太陽能發電量的標準差為1.414
σweather，其發電量不確定性的調整係數α為
1.414。
3. 其他因素所導致的不確定性於2025年並無明 表6 各年度至2016年間，太陽光電及陸域風力
容量因數之變異係數
使用的資料年度 太陽光電 陸域風力 2000~2016 19.2% 27.2%
2001~2016 19.9% 18.1%
2002~2016 14.6% 18.7%
2003~2016 15.0% 17.5%
2004~2016 15.6% 18.2%
2005~2016 16.2% 18.6%
2006~2016 16.9% 10.2%
2007~2016 17.0% 10.0%
資料來源：本研究整理
( )
2 weather nonweathernonweather weather2
2025
solar, = + +2
E
( Esolar,2025) = weather
顯降低，其仍約為日射量所導致的不確定 性的1.87倍，故其太陽能發電量的標準差為 2.118σweather，其發電量不確定性的調整係數α 為2.118。
而 源 於 日 射 量 所 導 致 的 不 確 定 性σweather
(Esolar, 2025)可進一步表示為：
(6) 其中，σi 及σj 為個別太陽能電廠的年發電量標 準差，ρij 為兩太陽能電廠間年發電量之相關係 數，而為簡化問題，本研究將各縣市之太陽光 電視為一電廠，進而進行發電量標準差的評 估。因此，於方程式(6)可以看到，欲要進行太 陽能總發電量標準差的評估，需先得知個別太 陽能電廠年發電量間的相關係數及個別太陽能 發電廠的年發電量標準差，以下將分別探討。
1. 太陽能電廠年發電量間的相關係數
太陽能電廠年發電量間的相關係數有兩 種取得之途徑，分別可由實際天氣數據及實績 發電量進行相關性的分析。如方程式(1)及(3) 所示，太陽能廠發電量的評估主要透過逐年累 積全天空日射量的數據進行評估，因此，各區 域間逐年累積全天空日射量的相關性將會對於 太陽能發電量標準差的評估有重要的影響，目 前全臺29個一級氣象觀測站至2004年至2016年 間，其逐年累積全天空日射量的相關性約有七 成的數值呈現正相關，平均的相關係數值約為 0.3，故從數據上可以發現，全臺各地的日照量 間的相關性雖為正相關，但其相關程度有限。
另分析臺灣電力公司所建置之中火、金 門、興達、民雄、永安鹽灘、中部儲運、新 伯公、澎湖、路北、卓蘭、中大、核三廠、
大潭、七美、后里及龍井共16個太陽能電廠的 數據(台灣電力公司，2017)，其太陽光電數據 的時間範圍如下：中火為2008年至2015年；金 門、興達、民雄為2010年至2015年；永安鹽 灘、中部儲運、新伯公、澎湖為2011年至2015 年；路北、卓蘭、中大、核三廠、大潭、七美
為2012年至2015年；后里及龍井為2013年至 2015年。其中，各電廠間太陽光電發電量的相 關性約有八成五的數據呈現正相關，平均的相 關係數值約為0.5至0.6。故從數據上可以發現，
實績的發電量的相關性當為正相關，且其相關 性亦高。
從以上資料分析可以發現，若從逐年累積 全天空日射量的資料來看，臺灣各縣市的逐年 累積全天空日射量間為低度相關，但若探討台 電近年的實績運維資料，其各電廠的發電量相 關性為中度相關。而從方程式(6)可以知道，當 兩太陽能電廠的相關係數越高時，其總發電量 的標準差越高，故本研究經研擬後決議，將分 別探討三種情況如下：
(1) 完全正相關(ρij = 1) (2) 中度正相關(ρij = 0.5) (3) 低度正相關(ρij = 0.3)
2. 個別太陽能發電廠的年發電量標準差
同樣的，太陽能電廠年發電量間的標準 差也有兩種取得之途徑，分別可由實際天氣數 據模擬或實績發電量進行年發電量標準差的分 析。
然而，若欲使用台電實績發電量的數據，
臺灣本島僅桃園、苗栗、臺中、嘉義、高雄及 屏東有太陽能電廠的實績數據資料，且其資料 的範圍僅有近3至8年不等，因此，由於數據資 料較少，且分布區域較少，其資料較難以進行 全臺太陽能廠年發電量之模擬分析。基於以上 考量，本研究將以逐年累積全天空日射量的實 際天氣數據，進行年發電量標準差的分析。
2.4 效能遞減率(模組年固定衰退率)
一般而言，進行太陽能財務分析的模型，
大都將每年的發電效率遞減設定為0.7%至1%
之間，這也是目前市面上品質較優之太陽能板 的效能遞減率。但是，根據元晶廖董事長國榮 於2016太陽能與儲能科技應用論壇暨期末成果 展所述，從營運績效顯示，部分品質較差之模 組，其實績模組效能遞減率高達3%至5%，其
( ) ∑∑
= =
= n
i n
j ij i j
E
1 1
2025 solar, weather
不但嚴重影響了電廠的投資報酬，亦會對於太 陽光電的預期發電量產生巨大的衝擊，進而加 劇電力規劃之風險，而當太陽光電在發電量所 占比例較高時，該資訊在電力規劃的重要性不 言而喻。
因此，為進行太陽光電年發電量的評估，
本研究預計探討不同發電效率遞減的情況下，
對於太陽光電年發電量的影響，將分別探討三 種情況如下：
1. 高效能：發電效率遞減為0.7%
2. 中低效能：發電效率遞減為3.0%
3. 低效能：發電效率遞減為5.0%
2.5 太陽光電模組裝設面積分析
我國政府規劃於2025年完成20 GW太陽能 板的裝設，其中3 GW為屋頂型太陽光電，另 17 GW為地面型太陽光電。根據經濟部能源局 的陽光屋頂百萬座網站資料顯示6，一般而言，
每1 kW屋頂型太陽光電模組所需裝設面積約為 10平方公尺，若屋頂是斜的，所需的面積則為 7至8平方公尺；而根據經濟部能源局所提出之 太陽光電2年推動計畫資料顯示，經濟部能源局 盤點可設置地面型太陽光電土地包含：鹽業用 地排除濕地後有803公頃，具535 MW的設置潛 能、掩埋場及已受汙染土地共有1,633.8公頃，
具1,755 MW的設置潛能、農委會開放嚴重地層 下陷不利耕作18區共1,253公頃，具835 MW設 置潛能、高鐵沿線雲彰地區嚴重地層下陷不利 耕作區1,266公頃，具844 MW潛能、水域設施 (包含水庫、滯洪池、埤塘)約2,721公頃，潛能 約1,814 MW，以上資料顯示，經濟部能源局所 估算之1 kW地面型太陽光電所需裝設面積為15 平方公尺；實際上，1 kW太陽能板的模組面積 約為10平方公尺，實際尺寸則看其效能優劣而 略有不同，地面型太陽能板之間通常會有一段 間隙，其主要是為了降低太陽能板間的遮蔭效 應，同時考量各項成本及投資報酬後，所進行 的最佳設置規劃。
由於本研究的成果主要是希望透過太陽光 電年發電量的評估，協助政府更好的達成其政 策目標，因此，考量各方資訊後，本研究依據 經濟部能源局的資料，將1 kW屋頂型太陽光電 模組所需裝設面積假設為10平方公尺，1 kW地 面型太陽光電裝設面積則假設為15平方公尺，
以進行後續的分析。
2.6 太陽光電廠土地來源分析
我國政府規劃於2025年完成20 GW太陽能 板的裝設，其中3 GW為屋頂型太陽光電，另 17 GW為地面型太陽光電。若將1 kW屋頂型太 陽光電模組所需裝設面積假設為10平方公尺，1 kW地面型太陽光電所需裝設面積假設為15平方 公尺，則需30平方公里的屋頂面積及255平方公 里的土地面積以用於建設太陽能電廠。如此龐 大的土地面積，在地狹人稠的臺灣並不易輕易 獲得，因此，無論是政府機關、國內各大研究 機構及太陽光電廠商，均提出了各種獲得土地 的方案(馬維揚等，2014、陳家榮，2015、洪慧 芬，2016、韓佳佑，2016、工業技術研究院，
2014)，望能協助政府順利的推動其綠能政策，
然而，短時間內要找齊合適的土地是相當有難 度的。
本研究整理相關研究報告所提可能使用之 太陽光電用地來源，排除無法取得統計資料之 用地，初步篩選出本研究擬彙整之用地，包含 屋頂型用地(中央公有屋頂、工廠屋頂、其他 屋頂)，地面型用地：地層持續下陷區域、受汙 染土地、農業用地(含長期休耕地)、魚塭、鹽 業用地、水庫、埤塘、滯洪池、掩埋場、交通 用地(國道、臺鐵、高鐵)、閒置漁港，另加入 閒置機場。相關用地擬依能源局屋頂型及地面 型分類，彙整各縣市別可供使用之太陽光電用 地面積。而為進行太陽光電未來年發電量的預 估，以下將分項討論屋頂型太陽光電及地面型 太陽光電的土地來源。
1. 屋頂型太陽光電土地來源分析
6 陽光屋頂百萬座網站 http://mrpv.org.tw/page/f80b9aa7
馬維揚等(2014)提出，由於鋼筋混凝土建 築物之平均使用年限為50年，太陽光電系統目 前的保固期限多為25年，後續將可能調整至30 年，故若建置太陽能板的建築物本身較為古 老，其投資報酬率將會較差，因此，本研究所 評估可用於建置屋頂型太陽光電廠的最大可能 屋頂為20年內新建案屋頂面積，雖然未來將會 有新的建案陸續提出，然而屋齡較老的屋頂亦
會退出該統計的數值，故本研究假設其增加與 減少的數量相差不遠，以進行後續的評估。根 據營建署民國104年營建統計年報資料顯示，臺 灣20年內新建案屋頂面積如表7所示，而依據能 源局太陽光電二年推動計畫資料顯示，在臺灣 可建構屋頂型太陽能板的地點中，主要可分類 為公有屋頂、工廠屋頂、農業設施屋頂及包含 住宅和商用等其他屋頂四個大類，其中又以公
表7 屋頂型太陽光電土地來源之潛力評估 推估20年內新建公有
機關屋頂面積(km2)
推估20年內新建公有 機關屋頂裝設潛力
(km2)
20年內新建案屋頂
面積(km2) 20年內新建案屋頂 裝設潛力(km2)
基隆市 0.0285 0.0142 1.13 0.29
臺北市 0.0629 0.0315 5.09 1.29
新北市 0.0223 0.0111 10.43 2.61
桃園市 0.1883 0.0942 20.46 5.16
新竹縣 0.0578 0.0289 5.75 1.45
新竹市 0.0070 0.0035 2.48 0.62
苗栗縣 0.0209 0.0104 5.24 1.32
臺中市 0.1372 0.0686 20.92 5.26
彰化縣 0.4461 0.2230 9.14 2.40
南投縣 0.0870 0.0435 3.86 0.99
雲林縣 0.0696 0.0348 13.50 3.39
嘉義縣 0.1454 0.0727 8.37 2.13
嘉義市 0.0632 0.0316 1.84 0.48
臺南市 0.3335 0.1667 18.08 4.60
高雄市 0.6144 0.3072 17.51 4.53
屏東縣 0.0872 0.0436 7.36 1.86
臺東縣 0.0473 0.0236 1.92 0.49
花蓮縣 0.0403 0.0202 4.36 1.10
宜蘭縣 0.0484 0.0242 4.30 1.09
澎湖縣 0.0096 0.0048 0.94 0.24
金門縣 0.0157 0.0078 0.12 0.03 (修訂為0.05)*
連江縣 0.0129 0.0064 0.03 0.01
總計 2.5455 1.2725 162.83 41.34
註1： 本研究利用20年內新建案屋頂裝設潛力作為屋頂型太陽光電潛力之評估，然而，金門縣屋頂 型太陽光電的潛力根據該評估方式將小於其目前所裝設之屋頂型太陽光電裝置量，因此，本 研究根據2016年金門縣既有屋頂型太陽光電版的裝置量作為其20年內新建案屋頂裝設潛力。
註2： 本研究中，20年內新建案屋頂面積乃是根據營建署核發建物使用執照資料中彙整而得，然由 於其中並無公有機關於各縣市屋頂面積的詳細資料，因此，本研究透過分析營建署104年統 計年報中，公有機關用地(機關用地、郵政、電信用地)佔目前都市計畫「公有設施及特定專 用區等」項目中面積的比例，並假設新建案中公有機關屋頂面積於營建署核發建物使用執照 資料相應的「其他」項目中將維持該比例進行估算，據以推估20年內新建案屋頂面積中公有 機關屋頂面積。
資料來源：本研究整理
有屋頂由於為中央政府所持有，故本研究認為 其在屋頂取得的難度相對較低，特別是機關用 地、電力用地、郵政及電信用地等項目，如表7 所示，20年內新建公有機關屋頂(僅包含機關用 地、電力用地、郵政及電信用地)共有2.5平方 公里的面積，實際上，因營建署統計年報的縣 市建築執照並未統計公有機關建築面積，故本 研究透過縣市建築執照之其他區地面層面積與 公有機關比例的乘積進行估算。
然而，一般住宅的屋頂上尚有女兒牆、逃 生設施、水塔等設施，而工廠尚需考量通風設 備的安裝，且安裝太陽能設備時須考量周圍環 境所導致的遮蔭效應，故一般在估算能夠安裝 太陽能板的屋頂面積時，會將原始的面積大小 乘上一個使用的比率，本研究所使用的使用比 率為50%。此外，在推廣太陽能設施時，亦並 非所有的住戶均願意安裝，因此，在評估時尚 會透過假設一普及率，據此評估最大可能的裝 設面積，本研究假設裝設太陽能板的屋頂的普 及率為50%，然普及率通常是在推廣時可能遭 遇屋頂所有人有其他的規劃或想法導致不願安 裝太陽能設施所導致，而公有機關屋頂的所有 權歸政府機構所有，故其不會遭遇到此情境，
故假設公有機關的普及率為100%，因此，如表 7所示，可發現我國具有41.34平方公里的太陽 能屋頂的裝設潛力，若以每kW太陽能設施需10 平方公尺的屋頂面積預估，最多將可安裝約4.1 GW的屋頂型太陽能板。
2. 地面型太陽光電土地來源分析
本研究彙整過去研究者的文獻資料，蒐集 國內相關單位最新的土地盤點資訊，並結合能 源局公告的相關資料，盤點地面型太陽光電可 用土地如表8。本研究所盤點的土地包含農業 用地(長期耕作地、長期休閒地及陸上盜濫採土 石坑洞善後處理計畫列管地)、地層下陷地區、
汙染土地、掩埋場、鹽業用地、休養中內陸養 殖地、水域空間(水庫、內陸養殖地、滯洪池、
蓄水池)、交通用地(國道、臺鐵、高鐵及閒置 用地)等。然而，本研究依據過去研究者的文獻
資料，所探討之交通用地主要為包含國道、臺 鐵、高鐵等交通用地的延伸，然而交通用地延 伸將會受到鄰近的地形及建築的限制，如東半 部的交通用地通常鄰近山地，而西半部則鄰近 住宅，其要延伸在交通用地的周圍興建太陽光 電廠將有所限制，而高架化的交通用地在延伸 上則更加困難。另外，鑒於社會輿論對於農地 上建構太陽能存有疑慮，其主要肇因於我國糧 食自給率不高，且考量長期耕作地的機會成本 所導致，故研究於表9進行地面型太陽光電土地 來源潛力評估時，將長期耕作地及包含國道、
臺鐵、高鐵等交通用地單獨列出，可提供政府 做為長期太陽光電開發的潛力評估參考，例如 長期可針對長期閒置休耕地做適度開放，在 不妨害作物生長情形下，於農地上架設覆蓋率 20%的太陽能板，此部分可先請農委會農試所 建立示範農場試行後，再研擬開放農業耕作用 地。
於表9進行地面型太陽光電土地來源潛力 評估時，可以發現其中部分土地來源其所有權 歸屬於政府，其在能源局所提出之太陽光電2 年推動計畫的資料中也可以看到，能源局在評 估時普及率均設定為100%，故本研究延續其 假設，在附表3的鹽業用地、水庫、滯洪池、
蓄水池及掩埋場等國有土地，其普及率均設定 為100%，其餘土地的普及率則設定為50%，
長期耕作地由於考量前述因素，設定結合農業 的使用率為20%，並據此評估最大可能的裝設 面積，其結果如表9所示。結合先前所假設之 1 kW地面型太陽光電所需裝設面積為15平方公 尺，可評估地面型太陽光電潛力為26.43 GW，
其當可滿足17 GW地面型太陽光電板之土地需 求。
另外，根據能源局所提出之太陽光電2年 推動計畫，其主要盤點地面型太陽光電土地來 源包含鹽業用地、掩埋場、汙染土地、嚴重地 層下陷區、水庫、滯洪池、埤塘共5.783 GW 的潛力，然而，根據本研究與國內各政府機關 的接觸與了解，原規劃部分土地的可供太陽光
表8 地面型太陽光電可用土地盤點表(單位：km2 ) ġġġġġġ䓐⛘⎵䧙 ䷋ⶪ⇍
彚㤕䓐⛘ ĩ攟㛇侽 ἄ⛘Ī
彚㤕䓐⛘ ĩ攟㛇ẹ 攺⛘Ī
映ᶲ䚄㾓 ㍉⛇䞛⛹ 㳆┬⼴嗽 䎮妰䔓↿ 䭉⚳㚱彚 㤕䓐⛘⛘Ⰼ㊩临 ᶳ星⋨➇
♜慵⛘Ⰼ ᶳ星⛘⋨ ᶵ⇑侽ἄ ⼿姕伖䵈 傥姕㕥䭬 ⚵㰁㝻⛇⛘㍑❳⟜
渥㤕䓐⛘ ĩ傥㸸⯨ 夷∫Ī
㯜䓊梲㬾 䓐⛘ĩℏ 映梲㬾ẹ 梲Ī㯜⹓朊䧵
㯜䓊梲㬾 䓐⛘ĩℏ 映梲㬾Ī㺗㳒㰈朊 䧵
➌⠀ˣ 㰈ˣ㹄䫱 呬㯜㰈Ṍ忂䓐⛘ ĩ⚳忻ĪṌ忂䓐⛘ ĩ⎘揝ĪṌ忂䓐⛘ ĩ檀揝Ī攺伖Ṍ忂 䓐⛘ ➢昮ⶪıįĴĵIJįıĶıįıııįıııįıııįıııįIJĴıįıııįıııįıĴıįıııįıııįıIJıįIJııįķĹıįıııįıı ⎘⊿ⶪijįĸĹıįĶijıįıııįıııįıııįıIJıįıĴıįıııįıııįıııįıııįıııįıIJıįijĵıįıııįĵĵıįıı 㕘⊿ⶪIJijįķĶĸķįĸĹıįıııįıııįıııįĸĶıįıııįıııįıııįĶIJıįıĴıįıııįIJĸıįĶĶijįĶķıįĵĴıįıı 㟫⚺ⶪķįĶĴijĺįĵĹıįıııįıııįııIJįijĴıįıĸıįııĴįĹķıįĵĴĶįĴĸıįıııįĶĹıįĶĸIJįĴijIJįĸııįıı 㕘䪡䷋ĺįĵĸIJĵįĸııįıııįıııįıııįıĵıįıķıįıııįıııįIJķIJįĵĹıįıııįIJĹıįijĹIJįķĵIJįıĶıįıı 㕘䪡ⶪıįĴĹIJįĴIJıįıııįıııįıııįıĶıįıĵıįıııįıĶıįıııįIJIJıįıııįıijıįIJııįĺijıįıĶıįıı 剿㞿䷋IJĹįĴĶijĵįijĸıįıııįıııįıııįijĺıįıIJıįıııįıııįĴĺıįIJķıįıııįĴĴıįĶĵĴįĶĵijįıııįıı ⎘ᷕⶪĵĵįĴĵIJĹįĹĸıįıIJıįıııįıııįijijıįıĵıįıııįıIJıįijĶıįIJĵıįıııįIJIJıįĶĴĴįijıIJįĴĺıįıı ⼘⊾䷋ijĺįĹĺijĴįĸııįıııįijĹıįĶıIJįĵĸıįıĶıįııijįijĹıįııĺįĶĵıįıııįijĵıįĴĴijįıĶIJįĸijıįıı ⋿㈽䷋ĸĶįIJĹķijįĸĵıįıııįıııįıııįıĵıįıIJıįıııįıııįķIJıįıijıįıııįıķıįĴĹıįĺĵıįıııįıı 暚㜿䷋ijĺįĺĶIJĴįĹĵıįııijıįĺĹķįIJĹıįĵijıįijııįııijįĺĵıįııijıįĹĴıįķķıįijĺıįijĸIJįIJIJIJįijķıįıı ▱佑䷋ķijįĴıijįĹĺıįıııįıııįĹĵıįĹĴıįıijĴįķķIJįijķIJįıĴijĹįĶijijįıĵıįIJĺıįijķıįĺııįĺııįıı ▱佑ⶪIJįijIJıįĹĶıįıııįıııįıııįıijıįıııįıııįıııįıĵıįıııįıııįıııįıĴıįĴııįıııįıı ⎘⋿ⶪķijįĺĵĶĹįĸĴıįıııįıııįıııįĵĶıįĵĶĵįĴĸIJĴįıĶıįĺĵĶĵįķĴıįıĺIJįIJııįĸĹijįĹĺijįĵııįıı 檀晬ⶪĵijįķĴĺįĵĵıįıııįıııįııĴįĺijıįıIJıįııIJįĴIJıįijĺIJĹįĵĴıįıĺıįĴııįĵĹijįıĹIJįijIJıįıķ ⯷㜙䷋ĸĵįijĹIJıįijĸıįıķıįıııįıııįijĴıįıĶıįıııįıııįIJĴIJĵįĵijıįıķıįijııįijĺijįķIJıįııIJįIJĺ ⎘㜙䷋ijĹįijıķĺįĺĺıįıııįıııįıııįıııįıııįıııįıĴıįıııįijijıįıııįıĶıįııĴįĵijıįıııįıı 剙咖䷋ijIJįĶijIJĵįķķıįıııįıııįıııįıııįıĸıįıııįĵĶıįııĴįĵĴıįıııįIJijıįııĶįĵķıįıııįıı ⭄嗕䷋ĶįĶĸijĵįIJĴıįıııįıııįıııįıIJıįıĸıįıııįķııįııIJįĸĸıįıııįIJĴıįIJķijįĸĹıįıııįıı 㼶㷾䷋ıįĺĺĵijįijIJıįıııįıııįıııįıııįıIJıįıııįıııįıIJıįıĹıįıııįıijıįıııįıııįıııįıı 慹攨䷋ıįıııįıııįıııįıııįıııįıijıįıııįıııįıııįıIJijĵįĶııįıııįıĹıįıııįıııįıııįıı 忋㰇䷋ıįıııįıııįıııįıııįıııįıııįıııįıııįıııįıIJıįıııįıııįıııįıııįıııįıııįıı 㛔Ⲟ䷥妰ĶijĹįĶijĵĶĹįijijıįıĸijIJįijķĸįĶijIJıįııIJįĴIJĹįıĴijĶįĹĴĵįĹijIJĶĺįIJIJijįĺĶĵįIJIJĶįĹĹĴĹįĵIJIJĵįĶĶIJįijĶ 資料來源：本研究整理
電板架設的面積已經調整，如已公告不利耕作 地層下陷區、受汙染土地綠能設施面積限制，
採農委會公告修法草案，最高面積擬修改為不 超過原土地面積60%，且高鐵沿線雲彰地區嚴 重地層下陷不利耕作區亦不列入規劃範圍。另 外，汙染土地及嚴重地層下陷區並非國有，本 研究採用普及率的假設為50%，因此，經盤點 後，實際目前的規劃當只有2.01GW的設置土地 潛力。
2.7 太陽光電發電量預測模型建構
太陽光電於2025年的總發電量可表示為：
(7) 其中，相關參數詳述如下：
Esolar, 2025：太陽光電於2025年的總發電量，單位
是億度電。
Psolar plant location, year：太陽光電廠的新增裝置容量，
單位為MW，下標solar plant location為太陽光 電廠的建造地點，本研究共區分基隆市、臺北 市、新北市、桃園市、新竹縣、新竹市、苗栗 縣、臺中市、彰化縣、南投縣、雲林縣、嘉義 縣、嘉義市、臺南市、高雄市、屏東縣、臺 東縣、花蓮縣、宜蘭縣、澎湖縣、金門縣、
連江縣等22個區域，下標year為該區域太陽光 電廠完成建置的年度，其中下標2016年為我國 至2016年已完成建置之所有太陽能電廠裝置容 量，2017年至2025年則為該年度完成建置之所 有太陽能電廠裝置容量。此外，本研究假設所 有的太陽能電廠均為當年1月1日完成建造並商 表9 地面型太陽光電土地來源之潛力評估
能源局既有規劃(km2) 地面型太陽光電潛力(km2) 長期耕作地(km2) 交通用地(km2)
基隆市 0.17 0.69 0.034 0.39
臺北市 0.05 0.31 0.278 0.34
新北市 1.06 39.46 1.265 1.77
桃園市 1.70 21.06 0.653 1.79
新竹縣 0.43 8.51 0.947 1.49
新竹市 0.09 0.83 0.038 0.53
苗栗縣 0.87 13.08 1.835 3.04
臺中市 0.51 10.02 4.434 2.56
彰化縣 1.28 19.18 2.989 2.05
南投縣 0.70 32.09 7.518 0.66
雲林縣 4.45 33.74 2.995 1.32
嘉義縣 7.78 24.11 6.230 1.04
嘉義市 0.05 0.48 0.121 0.17
臺南市 7.17 70.37 6.294 3.04
高雄市 2.66 17.28 4.263 1.89
屏東縣 0.56 13.54 7.428 1.45
臺東縣 0.05 35.17 2.820 1.71
花蓮縣 0.20 9.47 2.152 2.73
宜蘭縣 0.20 13.45 0.557 1.47
澎湖縣 0.04 21.18 0.099 0.00
金門縣 0.10 12.35 0.000 0.00
連江縣 0.01 0.01 0.000 0.00
總計 30.13 396.39 52.95 29.42
資料來源：本研究整理
( )
∑ ∑
× × × ÷ × − × −=
location year
loss year location loss
solar plant location, year ESH F
P
Esolar,2025 2016~2025 24 365100000 1 2025
24
轉發電。
ESHlocation：等效日照小時，單位為小時，下標
location為太陽光電廠的建造地點，區域同Psolar plant location, year。
ηloss：太陽能電廠的效能遞減率。
Floss：整體的影響與損失係數。
本研究利用線性規劃的分析方法，探討在 各種情境模擬假設下，最大化太陽光電發電量 的布建策略，以下詳述本研究進行太陽光電發 電量預測的變數、初始條件、限制條件(邊界條 件)及目標式：
1. 模型變數
如方程式(7)所示，2017年至2025年新完成 建置之所有太陽能電廠裝置容量為本研究主要 分析之變數，其中22個縣市及9個年度，共198 個變數。
2. 目標式
本研究的成果主要希望能夠協助政府更好 的訂定其能源策略，而我國目前主要的能源政 策目標為2025年再生能源發電量達20%以上，
因此，在模型建構中，一個可能的目標式為最 大化2025年太陽光電廠的發電量期望值，其數 學式表示如下：
max Esolar, 2025 (8) 然若是從更為宏觀的角度來看，為了更好 的抑制二氧化碳的排放，另一個可能的目標式 則為最大化整體太陽光電廠的發電量期望值，
其數學式表示如下：
(9) 3. 條件及相關參數設定
(1) 各地區逐年全天空日射量或太陽光電發電量 間的相關程度
如先前所述，將有(a)完全正相關、(b)中 度正相關(ρij = 0.5)、(c)低度正相關(ρij = 0.3)三 種，將視情境的設定及欲討論的議題挑選。
(2) 效能遞減率(模組年固定衰退率)
如先前所述，將有(a)高效能：發電效率
遞減為0.7%、(b)中低效能：發電效率遞減為 3.0%、(c)低效能：發電效率遞減為5.0%三種，
同樣將視情境的設定及欲討論的議題挑選。
(3) 裝置量及發電量的初始值
根據能源統計年報的資料顯示，至2016 年為止，我國太陽能總裝置容量為1,210.31 MW，其當(2016)年度的發電量為11.322億度，
相關資料一般由能源局能源資訊與統計科負責 彙整，然而根據本研究與能源局能源資訊與統 計科的接觸，其並無具體各縣市逐年太陽光電 設備的裝置量及發電量之資料。能源局再生能 源發電設備認定及查核辦公室雖有逐年太陽光 電設備的裝置量的資料，然其資訊僅針對第三 型再生能源發電設備做申請審查及認定，其核 定的資料內容包含第三型太陽光電躉售及非躉 售部分，然而其資料並不包含第一型及第二型 併聯之太陽光電設備的資訊，故其太陽能總裝 置容量相較於統計手冊為少，至2016年為止，
第三型太陽光電設備總裝置量為914.59 MW。
而台電的統計年報資料，則將太陽光電廠分為 台電自家經營的發電廠及民營發電廠，其中 民營發電廠謹記載總裝置量及總發電量，因此 並無法得知各縣市之資料，另外，台電統計的 資料並不包含第三型太陽光電非躉售部分，因 此，其與能源局統計的資料尚有部分落差。
此外，即使能夠獲得各縣市逐年太陽光電 廠的裝置量及發電量之資料，其勢必與透過逐 年全天空日射量的評估值有所落差，屆時勢必 會面臨需要假設其發電量與變異程度之間的關 係，畢竟太陽光電實際營運的年限均不長，難 以獲得可靠的分析數據，更遑論目前並無可靠 的相關資訊來源。因此，本研究透過等比例的 放大第三型太陽光電的數據，假設至2016年為 止，太陽光電的裝置容量如表10所示，其屋頂 型太陽光電的裝置量為1,148.25 MW，地面型 太陽光電的裝置量為62.06 MW，總裝置量為 1,210.31 MW，並假設同地區屋頂型及地面型 太陽光電的容量因數數值相同，其至2016年為 止，屋頂型太陽光電廠在0.7%、3%、5%的效
solar, year
∑
~2025max2016 year
E
能遞減率下，其發電量將為9.99、8.09、6.70億 度，其標準差將為1.56、1.26、1.05億度，地面 型太陽光電廠在0.7%、3%、5%的效能遞減率 下，其發電量將為0.54、0.44、0.36億度，其標 準差將為0.08、0.07、0.06億度。此外，也由於 實績的發電量勢必與透過逐年全天空日射量的 評估值有所落差，故在進行不確定性計算時亦 需要進行修正，故本研究進行太陽能總發電量 不確定性時，假設歷史值的數據為一獨立的電 廠，而各縣市的太陽光電亦分別視為獨立的電 廠，利用方程式(6)進行太陽能總發電量不確定 性運算。
(4) 發電量不確定性的調整係數
如先前所述，將有(a) 1、(b) 1.414、(c)
2.118三種數值，同樣將視情境的設定及欲討論 的議題挑選。
(5) 土地參數設定：屋頂型太陽能廠
關於屋頂型太陽能廠土地來源的限制，
如表7所示，可看到臺灣目前約有4.1 GW的屋 頂型太陽能設施裝設潛力，臺灣政府於2025年 太陽能發展目標包含了3 GW的屋頂型太陽能 版，扣除既有的1,148.25 MW裝置，尚須安裝 1,851.73 MW的裝置量。而在本研究中，該項 參數將以限制式的方式建置於模型中，其包含 了土地來源的下限及上限兩個參數，以下將分 段討論。
土地來源的下限有兩種設定的方式，首 先，最為簡易的設定為所有的土地來源的下限 均設定為0，在此設定下，模型的成果將會呈現 最優化的配置，然而，發電效能較差的區域將 可能完全沒有太陽能板設置，這將與實際的情 況有所落差，另外一種做法是設定各縣市最低 的裝置量，而由於目前有部分的屋頂為政府機 構所有，其在推動太陽能板建置較為容易，故 本研究提出可將其設置為土地來源的下限，不 同的設定將於不同的情境中使用。
土地來源的上限設定主要則是依據最大可 裝設潛力，如表7所示，我國約有4.1 GW屋頂 型太陽能版的裝設潛力，故可將其各區域的面 積設置為上限，然而，由於目前已裝設1,148.25 MW屋頂型太陽能裝置，然目前並無可靠資料 來用以分辨已安裝太陽能板的屋頂其房子的屋 齡，另外考量未來十年內亦將有新建案的屋頂 可加入太陽能裝置潛力的範圍，因此，本研究 將以表7中20年內新建案屋頂裝設潛力的資料，
作為土地來源上限的設定值。
(6) 土地參數設定：地面型太陽能廠
關於地面型太陽能廠土地來源的限制，
如表9所示，可看到臺灣目前有26.43 GW的地 面型太陽能設施裝設潛力，臺灣政府於2025年 太陽能發展目標包含了17 GW的地面型太陽能 版，沿用先前的假設，可估計目前地面型太陽 光電的裝置量僅62.06 MW，相較於17 GW的裝 表10 本研究預估目前太陽光電各縣市裝置容
量(單位：MW) 縣市別 屋頂型太陽光電
(MW) 地面型太陽光電 (MW) 基隆市 0.12 0.00 臺北市 2.29 0.03 新北市 14.19 0.01 桃園市 21.48 0.09 新竹縣 10.26 0.00 新竹市 2.08 0.00 苗栗縣 8.01 0.00 臺中市 41.70 0.01 彰化縣 144.65 0.81 南投縣 25.30 0.00 雲林縣 269.71 5.41 嘉義縣 115.40 2.08 嘉義市 7.19 0.00 臺南市 203.86 2.37 高雄市 129.11 10.34 屏東縣 117.12 39.50 臺東縣 13.50 0.00 花蓮縣 0.52 0.00 宜蘭縣 6.78 0.00 澎湖縣 10.01 1.28 金門縣 4.96 0.12 連江縣 0.03 0.00 總計 1,148.25 62.06 資料來源：本研究整理
置目標相差甚遠。而在本研究中，該項參數將 以限制式的方式建置於模型中，同樣包含了土 地來源的下限及上限兩個參數，以下將分段討 論。
與屋頂型太陽光電的設定相同，土地來源 的下限亦有兩種設定的方式，簡易的設定為所 有的土地來源的下限均設定為0，另外一種做法 是設定各縣市最低的裝置量，而由於目前能源 局已規劃太陽光電2年推動計畫，已經規劃確定 要推行的部分，故可將其設置為土地來源的下 限，不同的設定將於不同的情境中使用。
土地來源的上限設定主要則是依據最大可 裝設潛力，如表9所示，不包含長期耕作地及交 通用地時，本研究所估計可用於興建地面型太 陽光電的潛在土地為396.38 km2，其裝設潛力 為26.43 GW；若包含長期耕作地及交通用地，
用於興建地面型太陽光電的潛在土地為478.77 km2，其裝設潛力為31.92 GW，若使用較大的 土地潛力時，為達到目標式的結果，將可預期 會更多的使用日射量較佳區域的土地，其分析 結果將會較為樂觀，不同的設定將於不同的情 境中使用。
(7) 各年度裝置量限制
在本研究所使用之太陽光電發電量評估 模型中，各年度的太陽光電裝置量將以限制式 的方式呈現，各年度中，太陽光電裝置量需等 於當年度該情境的安裝量，而不同的政策背景 下，可能會有不同的達成過程。
目前政府雖已推出2020年及2025年太陽光
電的發展目標，然其官方資訊並未展現其逐年 的目標，而在2016年中時，能源局於民國106年 度6月綱要計畫審查會議所進行之簡報資料顯 示，其當時規劃太陽光電的逐年目標如表11所 示，本研究則依據太陽光電2年推動計畫並結合 政府先屋頂後地面的政策規劃，假設屋頂型及 地面型的逐年設置目標。可以發現其推行策略 除了前兩年較少外，於2017年至2025年每年將 穩定地建置2.2 GW的太陽光電，以達成2025年 20 GW太陽光電的發展目標，在此，本研究命 名該策略執行目標為「穩健推廣」，以利後續 的利用與描述。
而於2016年9月經濟部能源局所提出之太 陽光電2年推動計畫時，其2020年的太陽光電 發展目標降低為6.5 GW，其中民國105年7月 至民國107年6月的目標為新設910 MW的屋頂 型太陽光電及610 MW的地面型太陽光電，然 並未提供逐年裝置量的目標。根據能源統計月 報的資料顯示，目前於2016年下半年度已新增 368 MW的太陽光電廠，距離2年目標尚有1,152 MW，假設2017年初至2018年中平均的裝設 太陽光電廠，故2017年預估將裝設768 MW，
2018年上半年則裝設384 MW，而2018年下半 年度至2,020年則亦假設平均安裝至6.5 GW，而 2020年至2025年亦假設平均安裝至20 GW，其 詳細的逐年安裝目標如表12所示，整體而言，
可以發現於2015年至2020年的裝置量低於2020 年至2025年的裝置量，故於本研究命名該策略 執行目標為「先緩後快」，以利後續的利用與
表11 「穩健推廣」的太陽光電逐年裝置量
年度 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 裝置容量(MW) 1,210* 2,042 4,287 6,532 8,776 11,021 13,266 15,511 17,755 20,000 當年增加量(MW) 832 2,245 2,245 2,244 2,245 2,245 2,245 2,244 2,245 屋頂型增量(MW) 1,148 455 465 466 466 0 0 0 0 0 地面型增量(MW) 62 377 1,779 1,779 1,778 2,245 2,245 2,245 2,244 2,245
發電量(億度) 17 26 54 82 110 138 166 194 222 250 資料來源：20160615 NEP-II 106年度綱要計畫審查會議 各部會簡報檔，https://goo.gl/XmiYC9
*能源局原先的規劃目標為1,342 MW，然而2016年實際裝設量為1,210.31 MW，故修訂之。
資料來源：本研究整理
描述。
2.8 太陽光電模型情境建構
由於不同的參數設定將會產生不同的分析 結果，因此，本研究預計規劃包含樂觀情境、
擬真情境及悲觀情境三種不同的情境如表13所 示，並與歷史值的分析進行比較，分別探討根 據歷史值、極端及貼近現實的可能分析結果，
再透過敏感度分析，探討各個變數對於分析成 果的影響。
3. 情境結果分析與討論
透過線性規劃的數學方法，以最大化2025 年太陽光電發電量或最大化2016年至2025年太 陽光電發電量為目標式，進行各情境分析後，
其分析結果如表14及圖1所示，可以看到當太陽 光電的裝設量為20 GW時，在不同情境參數的 設定下，其發電量的期望值差異甚大，若以固 定容量因數進行估算的結果，其與樂觀情境的 發電量期望值較為接近；若以歷史情境進行評 估，其發電量的期望值與悲觀情境較為接近；
表12 「先緩後快」策略的太陽光電逐年裝置量
年度 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 裝置容量(MW) 1,210 1,978 3,190 4,845 6,500 9,200 11,900 14,600 17,300 20,000 當年增加量(MW) 768 1,212 1,655 1,655 2,700 2,700 2,700 2,700 2,700 屋頂型增量(MW) 1,148 455 466 466 466 0 0 0 0 0 地面型增量(MW) 62 313 746 1,189 1,189 2,700 2,700 2,700 2,700 2,700
發電量(億度) 17 26 54 82 110 138 166 194 222 250 資料來源：本研究整理
表13 各情境相關參數設定表
樂觀情境 擬真情境 悲觀情境
ηloss (效能遞減率) 0.7% 3% 5%
Floss (整體的影響與損失
係數) 15% 20% 25%
目標式 max Esolar, 2025
各區全天空日射量的相
關程度 低度正相關 中度正相關 完全正相關
發電量不確定性的調整
係數α 1 1.414 2.118
各縣市屋頂型太陽能電
廠土地來源下限 0 推估20年內新建公有機
關屋頂面積
推估20年內新建公有機 關屋頂面積 各縣市屋頂型太陽能電
廠土地來源上限 20年內新建案屋頂面積 20年內新建案屋頂面積 20年內新建案屋頂面積 各縣市地面型太陽能電
廠土地來源下限 0 能源局既有規劃
(本研究更新) 能源局既有規劃 (本研究更新) 各縣市地面型太陽能電
廠土地來源上限
地面型太陽光電潛力、
長期耕作地及交通用地 總和
地面型太陽光電潛力 地面型太陽光電潛力
各年度裝置量策略 先緩後快 先緩後快 穩健推廣
資料來源：本研究整理
solar, year
∑
~2025max2016
yearE max2016
∑
~2025solar, yearyear
E
擬真情境則盡可能的模擬實際上可能的情況，
其發電量的期望值為213.1億度，低於以固定容 量因數評估的結果。另外，各縣市不同情境下 之容量因數如表15所示，可以發現由於樂觀情 境的發電量較多，因此，其容量因數也相對較 高，擬真情境次之，悲觀情境的容量因數則相 對較低。
若考量太陽光電發電量的標準差，可以發 現樂觀情境的數值相對較低，這是由於模型假 設其不確定性主要源自於日射量的波動，在過 去，使用的太陽光電板的技術相對較不成熟，
且安裝廠商的在地經驗相對不足，因此，部分 在地化的影響在裝設之初並未考量到，然而，
近年由於裝設後實際遇到的問題進而累積的經 驗，許多相關的性能測試亦陸續訂定合適的評
估標準，如我國能源局於民國102年起辦理「優 質太陽光電產品評選活動」，其所設置的「金 能獎」，因此，未來可能再生能源發電量的不 確定性將可能會有所降低。但另一方面，如先 前所述，影響太陽光電發電量的因素眾多，且 目前我國並無實際的數據可供評估，若其他原 因亦導致逐年發電量有較大的改變，將會需要 納入考量，若其與日射量所帶來的影響為正相 關，本研究所評估的不確定性將有所低估，反 之，若其餘不確定性的來源與全天空日射量的 相關性為負相關，則有可能進而降低發電量的 不確定性。
表16至表18為各情境中逐年於各地區安 裝的太陽光電裝置量，比較表15及表16可以發 現，容量因數越高的縣市，如雲林縣、嘉義 表14 各情境太陽光電發電機率分布分析結果
樂觀情境 擬真情境 悲觀情境 歷史情境
2025年太陽光電發電
量期望值 (億度電) 251.2 213.1 181.7 185.1 2025年太陽光電發電
量標準差 (億度電) 12.3 17.8 31.3 28.9 95.4%信心程度的發
電量分布 (億度電) 226.6 ~ 275.8 177.5 ~ 248.7 119.2 ~ 244.2 127.5 ~ 243.1 2016至2025太陽光電
總發電量 (億度電) 1,133.4 1,022.9 997.8 840.4 (先緩後快策略) 資料來源：本研究整理
圖1 各情境發電量機率分布 資料來源：本研究整理
縣、嘉義市及臺南市等，會在較晚的年度進行 較大量的太陽光電板安裝，由於本研究設定屋 頂型太陽能板於2020年完成所有的裝置目標(表 11及表12)，故從表16可發現容量因數越高的縣 市，均集中在2020年進行屋頂型太陽能板的安 裝，並於接近2025年完成地面型太陽能板的裝 設，這主要是因為本研究考量了效能遞減率這 個參數，因此，同樣時點安裝的太陽光電板，
經過同樣年限後，容量因數較佳的地區，雖發 的電量較多，但其整體實際降低的發電量也較 多，也因此，進行線性規劃的模擬分析時，為 了最大化2025年的發電量，將會建議容量因數 越好的地區，應該要越晚安裝太陽光電板，然 而，若以廠商投資的角度來看，在同樣的成本 考量下，當然是應該優先安裝投資報酬率較佳 的區域。
相較之下，比較表15、表17及表18可以發 現，雖然本研究考量了效能遞減率這個參數，
但由於在擬真情境及悲觀情境的目標式設定為 最大化2016年至2025年太陽光電的總發電量，
故容量因數越高的縣市，如雲林縣、嘉義縣、
嘉義市及臺南市等，將在較早的年度進行較大 量的太陽光電板安裝，雖然會降低2025年當年 的發電量，但相較之下會增加2016年至2025年 太陽光電的總發電量，故從表17及表18可以發 現，模型分析的結果顯示，陽光條件較好的區 域會優先裝設太陽能板，相較於表16樂觀情境 的結果，從投資者的角度來看，這是比較符合 現實的情況。然而，實際上，太陽能板的裝設 不全然僅考量陽光條件及發電量，尚有其他投 資者各自的考量，故不會全然於早期均集中於 陽光條件較好的區域，然這也是使用線性規劃 模型分析的限制所在，其可透過進一步限制式 的設定來進行改善分析結果。
另外，樂觀情境較為不同的地方，則是 由於其地面型太陽光電的潛力額外考量了長期 耕作地及交通用地，因此，該情境於各縣市能 夠安裝太陽光電的量較高，但也因此從表16可 以看到，陽光較不充足的區域如基隆市、臺北 市、新北市、桃園市、南投縣、宜蘭縣、金門 縣及連江縣其均無太陽光電板的安裝。最後，
由於目前部分區域並無一級氣象觀測站，因 此，如(a)新竹市與新竹縣；(b)臺中市與彰化 縣；(c)雲林縣、嘉義縣及嘉義市等，這三個縣 市的分別組合中，由於其使用的全天空日射量 的數據是一致的，因此，應當被視為同樣的區 域，其建設的先後順序當可隨意調動，其將不 影響模型分析的結果。
目前政府規劃之太陽光電目標，其裝設20 GW時預期發電量為250億度，而從表14的各情 境分析結果可以看到，若針對發電量期望值來 看，僅有樂觀情境的發電量期望值略為高於政 府太陽光電目標，其餘情境的期望值均低於目 標35億度以上，從各情境的設計來看，主要影 響發電量期望值的參數為土地來源、效能遞減 表15 各縣市不同情境下之容量因數
樂觀情境 擬真情境 悲觀情境 基隆市 0.102 0.096 0.090 臺北市 0.107 0.101 0.095 新北市 0.114 0.107 0.100 桃園市 0.117 0.110 0.103 新竹縣 0.120 0.113 0.106 新竹市 0.120 0.113 0.106 苗栗縣 0.131 0.123 0.115 臺中市 0.141 0.133 0.125 彰化縣 0.141 0.133 0.125 南投縣 0.117 0.110 0.103 雲林縣 0.150 0.141 0.133 嘉義縣 0.150 0.141 0.133 嘉義市 0.150 0.141 0.133 臺南市 0.151 0.142 0.133 高雄市 0.146 0.137 0.128 屏東縣 0.150 0.141 0.132 臺東縣 0.137 0.129 0.121 花蓮縣 0.117 0.110 0.103 宜蘭縣 0.108 0.102 0.095 澎湖縣 0.124 0.117 0.109 金門縣 0.135 0.127 0.119 連江縣 0.113 0.106 0.100 資料來源：本研究整理
