本產學合作計畫結合資料內插與數值氣象分析技術，搭配觀測資料進行誤差趨勢修正，並運用多任務機器學習演算法（Multitask Learning Model, MTL）結合WRF氣象預測模型輸出之溫度、日射及雲量變化資訊，開發高效能之用電負載型態模擬、負載預測與綠電採購規劃系統。透過跨領域技術整合，成果兼具資料來源多樣性、準確性及模型預測效能。

技術說明

本研究開發之系統具備依據產業別（金融業、科技業、製造業及服務業）進行用電負載模擬之能力，並能即時掌握充電場域用電趨勢，智慧調控充電樁功率，提供最佳化電費演算法與契約容量控制機制。系統可因應綠電電價、市電時間電價、用電型態與季節，自動調整充電方案，並建置符合我國電價參數之最佳化綠電採購與財務規劃模型。此外，本系統可有效解決現行儲能系統在電網電力不穩、建置成本高及充放電時間評估上的挑戰，提供智慧電力管理與充電服務，並具備事前設備故障預測與維護功能。

應用產業

成果可廣泛應用於電動車充電整合服務產業，以及綠電發電、用電需求與綠電採購規劃相關產業，協助停車場、社區與大樓型用戶有效避免用電超載與契約容量超限的風險，並降低充電成本。

產學貢獻

本計畫可協助相關企業在智慧充電整合服務市場之競爭力，透過將學術研究成果落實至產業應用，創造兼具創新性與商業價值的智慧能源解決方案。研究成果除能提升能源使用效率與降低碳排放，達成環境永續目標，亦推動能源管理與人工智慧應用之技術，協助產業界促進永續發展與創新產業升級。

• 本計畫成果獲選國科會工程處 113 年度「產學合作計畫成果發表暨績效考評會」口頭簡報，並獲得優良計畫獎

Keywords：多任務學習、負載預測、WRF、充電樁管理、智慧能源監控系統