学者观点－结合新兴科技 提升再生能源预测技术

台湾再生能源蕴藏庞大发电潜力，全球前20处最优离岸风场，台湾就占16处，且中南部丰富的日照资源，也有利于太阳能发电，因此，发展再生能源已被政府列为能源与电力政策的首要目标之一。不过，再生能源容易受到外在环境影响，像是风速与照度的变动，都会使风力与太阳能发电稳定性产生挑战，所以当再生能源装置容量逐渐提高之际，其发电量预测的工作也愈形重要。

在预测前，若能充分掌握未来短期（如数分钟、数小时、乃至于数天）的发电量与趋势，将可大幅降低系统运转的不确定性，其燃料成本为零的优势马上凸显出来。随着预测技术的提升，其不确定性会愈来愈低，未来再生能源预测将如同传统负载预测一般，成为电力运转中非常成熟与可靠的技术之一。

近年来全世界在大气科学、计算科学、量测技术、以及人工智慧等领域的大幅进步，因此再生能源的不确定性将可利用精确的预测技术大幅降低。重要的技术层面包含前端的大气科学与资料前处理技术，以及随后的统计与人工智慧训练模型。大气科学技术可以获得基于模式产品统计下的数值天气预报，预测未来数小时乃至于数天的大气参数，如风速、日射量、雨量、温湿度、气压等。除了大气科学的数值天气预报外，尚有其他辅助预测的工具，例如卫星影像、天空影像、测风塔、以及光学雷达等，都可以辅助获得短期不同预测时段的重要输入变数。

数据的精准与否是预测的关键，也是太阳光电预测的重要步骤，再生能源的预测过程中，许多重要的输入可能遗失大量的资料或是存在各种杂讯，因此不利于模型的训练学习。而数据预处理是保持高品质数据的重要步骤之一，它可以减少或过滤一些不必要的杂讯，并提取原始数据的主要特征。典型预处理技术包含数据清洗与标准化、分类、回归、聚类以及降维等方法。

最后便是进行再生能源预测模型的建立，过去采用许多数学统计与传统类神经网路的架构进行模型训练，但近期许多机器学习演算法陆续被提出。例如传统的神经网路架构的隐藏层较少，也称为浅层神经网路。若增加隐藏层以及不同的算法使其结构更加复杂，便成为深度神经网路。这些深度学习近年衍生许多新式演算法，许多都尚未应用于再生能源发电的预测中，因此提供再生能源预测很大的潜力。特别是再生能源预测需要大数据与多维度的资料处理，更需要深度学习的特征撷取以及强效的学习架构。

随着再生能源的普及与高度进展，许多结合再生能源发电的相关技术亦将突飞猛进，例如结合新兴科技以提升再生能源预测技术，便是重要的研发工作项目。未来再生能源发电经成为可预测甚至可调度的电源，帮助台湾提升能源自主性，并朝净零碳排目标迈进。