專利公告 Patents
具即時預測與多目標調度功能之AI能源管理系統
刊登日期:2026/06/21
技術摘要 / Our Technology:
技術摘要(含成果):
本技術為一套智慧化能源管理方法,整合天空影像太陽能預測、用電需求預測、多目標最佳化演算法與電動車充放電策略(V2B),以實現節能、減碳與削峰的動態平衡。其太陽能預測模組採用 CL-SUNSET 模型,運用天空影像與對比學習強化即時性與預測準確度,相較傳統氣象資料或數值模型預測誤差降低約 20–30%,尤其在多雲天氣下表現穩定。預測結果作為多目標最佳化模型之關鍵輸入,模型可彈性設定碳排放、電費與電網負載等最佳化權重,並根據儲能系統與電動車狀態滾動更新儲能與電動車充放電策略。本技術已於臺大四棟建築場域實證測試,結果顯示可降60%尖峰負載、節省50%用電成本並減少45%碳排放,展現高度實務應用潛力。
優勢:
本技術最顯著的優勢在於結合太陽能即時預測與多目標最佳化能源調度能力。現行多數系統仰賴靜態設定或傳統氣象資料,無法確切掌握太陽能案場當地的天候變化,導致調度延遲與能源浪費。本技術透過天空影像即時分析天候變化,掌握光照強度與雲層動態,提前調整儲能與用電策略,提升整體能源效率。其次,預測結果直接作為智慧調度的依據,與用電預測、儲能狀態、電動車充電資訊整合進多目標最佳化模型中,使能源調度基於數據進行決策。最後,相較市場上多數僅具單一目標(如節費)的能源管理系統,本技術可針對碳排、尖峰負載與成本設定不同權重,提供符合企業需求的調度彈性,並透過高準度太陽能預測強化決策穩定性。
本技術為一套智慧化能源管理方法,整合天空影像太陽能預測、用電需求預測、多目標最佳化演算法與電動車充放電策略(V2B),以實現節能、減碳與削峰的動態平衡。其太陽能預測模組採用 CL-SUNSET 模型,運用天空影像與對比學習強化即時性與預測準確度,相較傳統氣象資料或數值模型預測誤差降低約 20–30%,尤其在多雲天氣下表現穩定。預測結果作為多目標最佳化模型之關鍵輸入,模型可彈性設定碳排放、電費與電網負載等最佳化權重,並根據儲能系統與電動車狀態滾動更新儲能與電動車充放電策略。本技術已於臺大四棟建築場域實證測試,結果顯示可降60%尖峰負載、節省50%用電成本並減少45%碳排放,展現高度實務應用潛力。
優勢:
本技術最顯著的優勢在於結合太陽能即時預測與多目標最佳化能源調度能力。現行多數系統仰賴靜態設定或傳統氣象資料,無法確切掌握太陽能案場當地的天候變化,導致調度延遲與能源浪費。本技術透過天空影像即時分析天候變化,掌握光照強度與雲層動態,提前調整儲能與用電策略,提升整體能源效率。其次,預測結果直接作為智慧調度的依據,與用電預測、儲能狀態、電動車充電資訊整合進多目標最佳化模型中,使能源調度基於數據進行決策。最後,相較市場上多數僅具單一目標(如節費)的能源管理系統,本技術可針對碳排、尖峰負載與成本設定不同權重,提供符合企業需求的調度彈性,並透過高準度太陽能預測強化決策穩定性。
聯繫方式 / Contact:
臺大產學合作總中心 / Center of Industry-Academia Collaboration, NTU
Email:ordiac@ntu.edu.tw
電話/Tel:02-3366-9945