1. 臺灣真的缺電嗎

缺電與否可以根據兩個指標分辨，分別是備轉容量率和備用容量率。
備轉容量率是根據每天的實際尖峰負載值與供電能力計算的，而備用容量率則是根據估算的尖峰供電能力計算。

1.1 備轉容量率

依據台電定義，備轉容量率目標值(綠燈)為10%，以此為標準，臺灣缺電比率(備轉容量率小於10%)到底有多少？

由上圖我們可以發現：
1. 備轉容量率逐年上升
2. 上半年電力較為吃緊
3. 2021年的備轉容量率有將近半年接近10%，即半年中有約一半的時間電力十分吃緊

那麼到底這三年內，有多少的時間備轉容量率是低於10%的呢？

由上圖我們可以發現：
1. 即便2021年上半年的備轉容量率都非常接近10%的臨界值，然而，以一整年而言，2021整年中備轉容量率小於10%的天數約為12%，即約一個半月的時間
2. 2022年的備轉容量率低於10%的天數佔了全年約20%，即約75天、超過兩個月的時間
3. 2023年的備轉容量率低於10%的天數僅佔全年2%，是三年中最低。

1.1.1 小結

我認為自2021-2023年間，由上述數據而言，僅2022年缺電，且以趨勢來看，未來缺電機率應較小。

1.2 備用容量率

根據台電定義，目標的備用容量率是15%，根據政府資料，近四十年的備用容量率發展與尖峰負載如下圖。

儘管在備轉容量率的表現不錯，在備用容量率這裡的表現卻不太好。
我們由上圖可以發現近年來隨著尖峰負載節節高升，備用容量率都低於15%(棕線)的標準，顯示出了以目前的來說，台灣的電力發展步調跟不上用電量。

1.2.1 小結

我認為以備用容量率的表現而言，臺灣長期來看是缺電的，我們的能源政策、電力發展，還跟不上全國民生與工業的使用。

2. 預估2024年4月以後的備轉容量率與備用容量率

根據擁有的資料，我想預估2024年4月以後的備轉容量率與備用容量率會是多少。
備轉容量率的預估方式是先估算未來的裝置容量，再估算淨尖峰供電能力，最後再以淨尖峰供電能力估算備轉容量率。
備用容量率的預估方式是先估算未來的尖峰負載，再以尖峰負載估算備用容量率。

2.1 2024年5月以後的預測數據

2.2 2024年5月以後的整體預測圖

我們根據以上估算的資料，畫出包含裝置容量、淨尖峰供電能力、負載尖峰、備用容量率與備轉容量率的預測圖。

2.3 合併2023年資料畫圖

再者，我們再將上述之2024年4月以後的預測資料和2023年1月至2024年4月的已知資料合併，畫出數值本身與成長率之圖。

2.3.1 裝置容量與成長率

2.3.2 淨尖峰供電能力與成長率

2.3.3 備轉容量率與備用容量率

2.3.4 小結

根據預估的結果，我們可以發現，2024年4月以後的備轉容量率皆穩定高於10%，無缺電之虞。
然而，2024年4月以後的備用容量率有出現低於15%的，多數時候都接近15%，有缺電之可能。

3. 政策 vs. 實際

除了關心缺電與否，近年政府大力推行綠電，無論是公投或是政見，相關議題都會被熱烈討論。
因此，我想了解政策計畫推行的結果到底如何，是否真的按照計畫，如期達成？還是理想很豐滿，現實很骨感，實際要做到，還有一段距離？

根據行政院的風力發電4年推動計畫書內，電業改革目標為2025年再生能源發電占比20%。

3.1 整體

由上圖可發現，近年的再生能源比例確實有達到20%的目標。

3.2 風力發電

以風力發電而言，分為陸域與離岸。
i. 陸域：
- 2015年目標：647MW、15億度
- 2020年目標：814MW、19億度
- 2025年目標：120MW、30億度
ii. 離岸： - 2020年目標：520MW、19億度 - 2025年目標：3,000MW、111億度

以發電度數目標而言，2015年的陸域風力發電實際值是好過目標值的，然而，2020年時，無論是陸域還是離岸風力發電皆低於目標值。
以總風力發電瓦數而言，也可看出這個現象，2015年時的實際發電瓦數和目標值差不多，但2020年時的實際發電瓦數遠遠低於目標值。
不過，由於風力受到當年的氣象影響，所以看趨勢應比看單一年度更為準確。

以發電度數而言，2022年時陸域和離岸發電都達成了2020的目標(19億度)。

3.3 太陽光電

以太陽光電而言，目標為2025年累積設置容量達20%，預期年發電量256億度電。
i. 2015年目標：842MW、9億度
ii. 2020年目標：6,500MW、81億度
iii. 2025年目標：20,000MW、250億度

以太陽光電而言，和風力發電的情況類似，一樣在2015年時的發電度數和瓦數都接近或超過目標值，然而，2020年時不論是發電度數或瓦數，都低於目標值。

3.4 地熱

以地熱而言，
i. 2020年目標：150MW、10億度 ii. 2025年目標：200MW、13億度

地熱的發展可說是再生能源中最差的，2020年的發電度數少到幾乎看不見，而發電瓦數則是直至2021年才有5MW（如下圖）。

3.5 生質能

以生質能而言，
i. 2015年目標：741MW、36億度電
ii. 2020年目標：768MW、56億度電
iii. 2025年目標：813MW、59億度電

以生質能而言，發展也不佳，且以實際發電量來看，僅僅持平，甚至減少。

由上圖可見發電度數呈下降趨勢，而瓦數則呈成長趨勢。

3.6 再生水力

以水力而言，
i. 2015年目標：2089MW、45億度電
ii. 2020年目標：2100MW、47億度電
iii. 2025年目標：2150MW、48億度電

水力發展以瓦數而言，實際值和目標值差不多。然而，以度數而言，2020年低於目標值約1/3。
不過，由於水力也和當年度的氣象有關，因此我們可以透過觀察趨勢，了解整體而言，水力發展是成長還是下跌。

由上圖我們可見，至2022年，發電瓦數已接近2020的目標值，而發電度數已大大超越2020目標值。

3.7 小結

由上述之內容，我們可以發現大多數的再生能源在2015年時都準時達成目標，然而2020時，幾乎全部的再生能源都跟不上目標值。
由此可知，我們的再生能源發展速度需要加強，才能跟上目標值。此外，有些實際發展和目標值相差甚多的再生能源，應重新考量發展方向，如地熱等。 不過整體而言，再生能源佔全台電力來源的20%的目標是有達成的。

4. 問題回答

4.1 專題想法是怎麼來的？

  1. 缺電議題
    缺電的議題總是被討論，卻總沒有結論，雙方各執一詞，因此我想根據「備轉容量低於10%」的定義，用政府目前的公開資料驗證台灣到底有沒有缺電。

  2. 綠電發展
    因應缺電議題，綠電的發展也總是被拿出來討論，政府也對此說出了很多口號，但到底由沒有做到，這是我想要了解的。因此，想藉由目前的公開資料，比對政策內容，來了解綠電的政策是否有走在規劃的時程上。

  3. 台灣用電趨勢
    近年來，缺電議題的討論度居高不下，而我想其中除了台灣的能源政策轉型與施行此二原因以外，台灣的用電量也是一個很大的影響因素。而隨著氣候變遷，各國都希望可以減少用電量，台灣也不例外，因此，我想根據目前台灣的歷史用電資料，以線性回歸模型預測未來的用電趨勢，以了解台灣的能源發展能否跟上用電量，甚至能夠超越。

4.2 用了哪些R的技術

回歸分析、畫圖、dplyr、tidyr、ggplot、readxl等套件

4.3 用了哪些新套件及變量？ 還有用了哪些tidyverse相關指令？

dplyr : three_year_capacity |> group_by(year,month) |> summarize(rate = median(cap_rate, na.rm = T))
three_year_capacity |> mutate(year = substr(time, 1, 4),month = substr(time, 5, 6),day = substr(time, 7, 8))
df_all = past_dt[1:nrow(past_dt), 1:ncol(past_dt)] |> mutate(time = paste(substr(日期, 1, 4), “-”, substr(日期, 5, 6), sep = ““)) |> select(time, net_peak_supply, capacity_rate, peak)
col_data = df_long |> filter(!grepl(‘率’, variable))
cap_growth = df_23_24 |> arrange(time) |> mutate(rate = (capacity - lag(capacity)) / lag(capacity) * 100)

tidyr: pivot_longer() fill() group_by() for loop
ifelse statement

ggplot2: geom_point()
geom_line()
geom_text()
geom_col()
scale_fill_manual()
geom_hline()
geom_label()
scale_fill_manual()
scale_color_manual()
scale_y_continuous(sec.axis())
scale_x_date()
scale_x_yearmon()
theme()

base: max() mean() median()

readxl: read_xlsx()讀取excel檔

zoo:
as.yearmon()

patchwork:
| (上下合圖)
/ (左右合圖)

R mardown:
建立sidebar
隱藏code
隱藏warning與messages
數字標題

4.4 最難的部分是什麼？

圖表方面我認為最難的部分是一張圖放兩個不同scale的y軸，一開始調整很久都調不好，後來才知道要先乘上一個參數，再除掉，才會是想要的樣子。
資料方面我認為最困難的部分是換算單位，因為電量單位平常不會碰到，也幾乎沒學過，又因為資料集不同，所以幾乎每項資料的單位都不同，在估算和畫圖前就需要仔細檢查不同資料集的單位，以及如何換算，確保算出來的數值畫成圖表後不會有問題。