TWI503780B - 契約容量最佳化系統及最佳化方法 - Google Patents

Description

契約容量最佳化系統及最佳化方法

本發明係有關於最佳化系統及最佳化方法，尤其更有關於計算最佳的契約容量的最佳化系統及最佳化方法。

現今的公司、工廠、百貨公司等具有高用電需求的建築業者，通常都會跟電力公司簽定契約，要求瞬間瓦數(即，最大即時需量)或總用電量不得超過某一個定值，否則業者需要付出額外的懲罰性電費(或稱為超約電費)，此即為所謂的契約容量。因此在本案所屬技術領域中，已有部分相關技術可以協助業者計算出較佳、較合理的契約容量，以利業者與電力公司簽訂明年度的契約。

該些相關技術多僅通過演算法計算，依據一建築物過去一年的用電歷史資料來分析其用電量資訊，進而計算出建議明年度使用的一契約容量。然而，影響一建築物用電量的原因有很多，例如室內人數多寡、戶外溫度高低等，若不知道去年度用電量高/低的原因為何，而僅以最後的用電量資訊來做為分析依據，實難以準確地預測明年度可能的用電量與最大即時需量。如此一來，當然也就無法計算出精準的契約容量。若業者依據這種不精準的契約容量來與電力公司簽訂契約，將可能因為明年度實際用電量未達 到該契約容量而造成浪費，或是因為用電量超過該契約容量太多而需支付可觀的超約電費。

本創作的主要目的，在於提供一種契約容量最佳化系統及最佳化方法，係可依據建築物的歷史用電資料以及未來策略，預測出建築物明年度可能的最大需量預測值，藉以令系統能更為準確地計算明年度的最佳化契約容量，以利使用者與電力公司簽訂契約。

本創作的另一主要目的，在於提供一種契約容量最佳化系統及最佳化方法，係可接收使用者的需求，藉以令系統可以在不違反使用者需求的前提下，計算得到能令建築物明年度的電費最低的契約容量。

為達上述目的，本發明公開了包括處理單元、輸入單元及資料庫在內的一契約容量最佳化系統，以及該最佳化系統使用的最佳化方法。其中，處理單元由資料庫讀取與建築物過去的用電量相關的歷史資料，並且由輸入單元接收與建築物未來的策略相關的未來規劃資料。處理單元依據歷史資料及未來規劃資料，預測建築物明年度各個月份中的各種時段的最大需量預測值。接著，處理單元再由輸入單元接收使用者需求，並且依據預測得出的最大需量預測值，計算出符合使用者需求的一最佳化契約容量。

本創作是同時使用建築物的歷史資料以及未來策略，先預測出明年度可能的最大需量預測值，並且再依據最大需量預測值來計算明年度的契約容量。本創作可改善現有技術僅使用歷史資料來預估並計算明年度的契約容量的做法，得出之結果不夠精準的問題 。

再者，最佳化契約容量的目的是希望能經過規劃，令明年度需支付的總電費最少。然而，總電費一般包括了基本電費與超約電費，故在基本電費經過規劃被大幅降低的模式下，即使需要支付超約電費，其總電費仍可能比不需支付超約電費，但基本電費很高的模式來得更低。如此一來，雖然可以節省需支付的總電費，但可能因超約費用太多而造成管理者的觀感不佳，甚至可能因為計算上的誤差，造成超約的月數大幅增加，最後導致實際上的總電費不減反增的現象。是以本案在計算明年度的契約容量時，更同時採納使用者需求，藉此可在符合使用者需求的前提下，為明年度的契約容量進行最佳化。

1‧‧‧最佳化系統

2‧‧‧處理單元

21‧‧‧數據預測模組

22‧‧‧契約最佳化模組

3‧‧‧資料庫

31‧‧‧歷史資料

31A‧‧‧第一時段歷史資料

31B‧‧‧第二時段歷史資料

31C‧‧‧第三時段歷史資料

311‧‧‧日期

312‧‧‧時間

313‧‧‧最大需量值

314‧‧‧人數資料

315‧‧‧戶外溫度資料

316‧‧‧設備啟用狀況資料

317‧‧‧其他資訊

4‧‧‧輸入單元

5‧‧‧輸出單元

6‧‧‧未來規劃資料

61‧‧‧產量增減規劃

62‧‧‧設備汰換規劃

63‧‧‧人數增減規劃

64‧‧‧其他因素

7‧‧‧最大需量預測值

71‧‧‧第一時段最大需量預測值

72‧‧‧第二時段最大需量預測值

73‧‧‧第三時段最大需量預測值

8‧‧‧使用者需求

9‧‧‧最佳化契約容量

S10~S24‧‧‧第五圖的最佳化步驟

第一圖為本創作的第一具體實施例的系統方塊圖。

第二圖為本創作的第一具體實施例的最佳化架構示意圖。

第三圖為本創作的第一具體實施例的歷史資料示意圖。

第四圖為本創作的第一具體實施例的未來規劃資料示意圖。

第五圖為本創作的第一具體實施例的最佳化流程圖。

第六圖為本創作的第二具體實施例的最佳化架構示意圖。

茲就本發明之一較佳實施例，配合圖式，詳細說明如後。

首請參閱第一圖與第二圖，分別為本創作的第一具體實施例的系統方塊圖與最佳化架構示意圖。本創作公開了一種契約容量最 佳化系統(於說明書內文中簡稱為該系統1)，該系統1主要包括一處理單元2、一資料庫3、一輸入單元4及一輸出單元5，其中該處理單元2連接該資料庫3、該輸入單元4及該輸出單元5。

本實施例中，該系統1主要係設置於一建築物(圖未標示)中，並且可為該建築物的一建築物能源管理系統(Building Energy Management System,BEMS)，或是與該建築物既有的BEMS整合為一體，不加以限定。

該資料庫3中記錄該建築物過去與用電量相關的歷史資料31，於一較佳實施例中，該資料庫3主要係記錄該建築物去年度與用電量相關的歷史資料31；然而於其他實施例中，該資料庫3亦可完整記錄該建築物過往多個年度與用電量相關的歷史資料31，但不加以限定。該處理單元2主要可從該資料庫3中取得該歷史資料31，並且從該輸入單元4接收外部(使用者)輸入的、與該建築物未來的營運策略有關的資料。藉此，該處理單元2可以預測出該建築物未來可能之用電最大需量，進而計算一最佳化契約容量，並通過該輸出單元5來對外顯示或輸出。於一較佳實施例中，該處理單元主要係通過該輸入單元4接收與該建築物明年度的營運策略有關的資料，並且據以預測出該建築物明年度可能之用電最大需量，但並不加以限定。本創作通過該處理單元2來預測該用電最大需量，並計算該最佳化契約容量，係有助於該建築物的使用者與電力公司簽定契約(主要為明年度的契約)。

如第二圖所示，本實施例中該處理單元2主要包括一數據預測模組21以及一契約最佳化模組22，其中該契約最佳化模組22連接該數據預測模組21。該數據預測模組21可由該資料庫3中取得與用 電量相關的該歷史資料31，並且該數據預測模組21可由該輸入單元接收外部輸入的該建築物的一未來規劃資料6。該數據預測模組21可依據該歷史資料31及該未來規劃資料6，預測該建築物未來的一最大需量預測值7。

值得一提的是，本實施例中該最大需量預測值7的數量與對應的時段，係對應至該歷史資料31的數量與對應的時段。例如，若該歷史資料31包括過去一或多年的所有資料，則該數據預測模組21可預測明年度一整年中各個月份中不同時段最大需量預測值7

該契約最佳化模組22可從該數據預測模組21得到其預測得出的該最大需量預測值7，並且經由演算法計算，得出一最佳化契約容量9。該最佳化契約容量9係經由該輸出單元5來對外輸出、顯示，以利使用者依據該最佳化契約容量9的內容來與電力公司簽訂契約。

於另一實施例中，該契約最佳化模組22可通過該輸入單元4，接收外部輸入的一使用者需求8，藉以在計算該最佳化契約容量9時，排除不符合該使用者需求8的一或多個契約容量，並且在符合該使用者需求8的一或多個契約容量中，選取電費最低的一或多個契約容量，作為該最佳化契約容量9。

具體而言，該契約最佳化模組22在計算該最佳化契約容量9時，係將是否符合該使用者需求8視為第一要件，而將電費的高低視為第二要件。舉例來說，即使計算出來的契約容量A可以省下比契約容量B更多的電費，但是若契約容量A不符合該使用者需求8而契約容量B符合該使用者需求8，則該契約最佳化模組22會將契 約容量B視為該最佳化契約容量9。本實施例中，該使用者需求8係為使用者可接受之最大超約月數(容下詳述)，但不加以限定。

一般來說，總電費中包含了基本電費與超約電費，並且只有在最大需量超過契約容量時，才需支付超約電費。換句話說，即使因為超約而需支付超約電費，但只要令基本電費降低，則總電費還是有可能達到最低。因此，一般經過最佳化後的契約容量雖然可以達到最低的總電費，但其總電費的降低可能是經由壓縮基本電費而達成的，而為了降低某幾個月份的基本電費，可能故意讓其他一或多個月份超約。於此情況下，雖然總電費降低，但是因為超約的月數過多，將令第三人認為使用者對於用電量的管控不佳。是以，本創作提供使用者設定該使用者需求8(即，可接受之最大超約月數)，藉此，該系統1可以該使用者需求8為前提，計算該最佳化契約容量9。

參閱第三圖，為本創作的第一具體實施例的歷史資料示意圖。如第三圖所示，本實施例中該歷史資料31主要可包含日期311、時間312、最大需量值313、人數資料314、戶外溫度資料315、設備啟用狀況資料316及其他資訊(例如溼度)317等。本創作中，該數據預測模組21主要是依據該歷史資料31中的該最大需量值313，結合使用者輸入的該未來規劃資料6，預測出該建築物明年度的該最大需量預測值7。其中，該最大需量值313的大小係取決於該建築物的用電量，而用電量又取決於該建築物當下的各項數據(如上述之人數資料314、戶外溫度資料315、設備啟用狀況資料316及其他資訊317等)。因此於本創作中，該系統1係通過該資料庫3同時記錄該些數據，並且該數據預測模組21在預測該最大需 量預測值7時，係同時考量這些數據。

舉例來說，若要維持相同的室內溫度，則當該建築物中的人數增加時，空調設備需要平衡與維持室內溫度以應付人數增加，故電費就會提高，並且該最大需量值313上昇。再例如，當該建築物的戶外溫度下降時，因可藉由外氣溫度降低室內溫度，故可降低空調設備的運作溫度，或是關閉部分空調設備，甚至可將空調設備全部關閉，因此電費就會降低，並且該最大需量值313下降。依照下述表一，可更明確看出該些數據的關係。

如上述表一所示之例子，由於八月份的戶外溫度較高，因而空調設備的用電量較其他月份高，進而導致該月的最大需量值較其他月份來得高。另，九月份與十二月份的用電數值(照明用電、空調設備用電、其他用電等)相當，然而九月份時，該建築物中的人數較多，戶外溫度較高，溼度較高，因而也導致該月的最大需量值較十二月份來得高。然而，以上所述皆僅為本創作的一較佳具體實例，不加以限定。

表一中所示者，係以每個月份一筆最大需量值313為例。然而， 不同的國家具有不同的電費計算方式，例如在台灣，每一個月份中還區分成尖峰時段(可包括夏月尖峰時段及非夏月尖峰時段)、週六半尖峰時段、離峰時段等各種時段。因此，該歷史資料31中可包括多筆的該最大需量值313，並且依據該日期311及該時間312來進行區分，將該多筆最大需量值313分別對應至過去各個月份中的各種時段。於此一實施例中，該數據預測模組21係可依據該多筆最大需量值313，結合該未來規劃資料6預測出多筆的該最大需量預測值7，並且該多筆最大需量預測值7分別對應至未來(一般為明年度)各個月份中的各種時段。並且，於此一實施例中，該契約最佳化模組22係可依據該多筆最大需量預測值7，計算出符合該使用者需求8的多筆該最佳化契約容量9，並且該多筆最佳化契約容量分別適用於不同時段的契約，以達到最低基本電費的目標。

舉例來說，若該歷史資料31中記錄了過去五年中每個月份的尖峰時段及離峰時段的多筆該最大需量值313(即，共有120筆的該最大需量值313)，則該數據預測模組21可據以預測出該建築物明年度每個月份的尖峰時段及離峰時段的多筆該最大需量預測值7(即，共有24筆的該最大需量預測值7)。最後，該契約最佳化模組22共可計算出兩筆符合該使用者需求8的該最佳化契約容量9，並且該兩筆最佳化契約容量9分別適用於尖峰時段的契約及離峰時段的契約。

於上述實施例及表一所示，該歷史資料31中的該多筆最大需量值313係同時伴隨發生該多筆最大需量值313的日期與時間時的該人數資料314、該戶外溫度資料315、該設備啟用狀況資料316與該 其他資訊317。藉此，該數據預測模組21在預測該建築物明年某月份某個時段的該最大需量預測值7時，實可令預測得出的數據更為精準。

參閱第四圖，為本創作的第一具體實施例的未來規劃資料示意圖。如圖所示，本實施例中該未來規劃資料6主要可包括一產量增減規劃61、一設備汰換規劃62、人數增減規劃63及其他因素64等。該產量增減規劃61主要可對應至該建築物未來的設備使用率。舉例來說，若該建築物為工廠，則若明年度的產量增加/減少，該建築物明年度的設備使用率將會提高/降低，因此，該數據預測模組21可將設備現在的使用率(依據該設備啟用狀況資料316)和未來的使用率(依據該產量增減規劃61)進行對比，並且做為預測的參數之一。

該設備汰換規劃62主要可對應至該建築物未來的設備數量及設備效能。舉例來說，若該工廠明年度添購/報廢了多設備，則該工廠明年度的設備數量將會增加/減少，因此，該數據預測模組21可將設備現在的數量(依據該設備啟用狀況資料316)和未來的數量(依據該設備汰換規劃62)進行對比，並且做為預測的參數之一。再者，若該工廠明年度將多台低效能的設備汰換為高效能的設備，則該工廠明年度的設備效能將會提高，因此，該數據預測模組21可將設備現在的效能和未來的效能進行對比，並且做為預測的參數之一。

該人數增減規劃63主要可對應至該建築物未來的總人數。舉例來說，若該工廠明年將增加n人/減少m人，則該工廠明年度的總人數將會增加/減少，因此，該數據預測模組21可將設備現在的總 人數(依據該人數資料314)和未來的總人數(依據該人數增減規劃63)進行對比，並且做為預測的參數之一。

該其他因素64可例如為未來的溫度、溼度等環境因素預報，該數據預測模組21亦可將現在的環境因素(依據該其他資訊317)和未來的環境因素(依據該其他因素64)進行對比，並且做為預測的參數之一。然而，以上所述皆僅為本創作的較佳具體實例，不加以限定。

綜上所述，於本創作的一較佳具體實例中，該數據預測模組21主要可依據該多筆最大需量值313、該多筆人數資料314、該多筆戶外溫度資料315、該多筆設備啟用狀況資料316、該多筆其他資訊317、該產量增減規劃61、該設備汰換規劃62、該人數增減規劃63及該其他因素64等等參數，共同預測出一或多筆該最大需量預測值7。進而，該契約最佳化模組22再依據該一或多筆最大需量預測值7，計算得出符合該使用者需求8，且對應至一或多個時段之該最佳化契約容量9。

值得一提的是，各國的電費計算方式並不相同，若某一國採用單一電價而不區分時段，則本創作係計算得出符合該使用者需求8的一筆該最佳化契約容量9。反之，若另一國針對電價區分了多個時段(例如台灣區分為四個時段)，則本創作係計算得出符合該使用者需求8，且對應至該四個時段之四筆該最佳化契約容量9。下面列出可代表本創作的一或多筆契約容量最佳化的目標函式：

如上述函式所示，其中，「xi」為第i時段的契約容量；「n」為一個月份中所區分的時段數(例如若不區分時段，則n為1；若分四個時段，則n為4)；「yj」為第j個月份的基本電費+超約費；「m」為用來評估最佳化契約容量之月數；「z」為m個月的總基本電費+總超約費。

本創作的主要目的，在於找到一組{'X₁,'X₂,...,'X_n}，使得Z('X₁,'X₂,...,'X_n)Z(X₁,X₂,...,X_n)，且時段i之超約月數Ci，其中「Ci」為使用者設定的，在第i時段可接受的最大超約月數。

參閱第五圖，為本創作的第一具體實施例的最佳化流程圖。第五圖公開了本創作的契約容量最佳化方法。要實現本創作的方法，首先由該數據預測模組21自該資料庫3中取得與該建築物的用電量等相關的該歷史資料31(步驟S10)。本實施例中，該歷史資料31主要是指該建築物去年度與用電量等相關的資料，但不加以限定。同時，該數據預測模組21再取得該建築物的該未來規劃資料6(步驟S12)。其中，該未來規劃資料6主要可由使用者通過該輸入單元4來進行輸入，或是經由其他方式預先儲存於該資料庫3中，不加以限定。並且，本實施例中，該未來規劃資料6主要是指該建築物明年度預計實行的各項營運策略，但不加以限定。

接著，該數據預測模組21可依據該歷史資料31及該未來規劃資料6，預測該建築物明年度每個月份中不同時段之該最大需量預測值7。更具體而言，若該歷史資料31中包含了多筆的該最大需量值313，則該處理單元2可依據該歷史資料31的該日期311與該時間312，將該多筆最大需量值313分別對應至過去各個月份中的各種時段(步驟S14)。藉此，該數據預測模組21可以預測出多筆的該最大需量預測值7，其中該多筆最大需量預測值7分別對應至該建築物未來各個月份中的各種時段(步驟S16)。

該數據預測模組21預測出一或多筆該最大需量預測值7後，將該一或多筆最大需量預測值7傳送給該契約最佳化模組22。藉以，該契約最佳化模組22可在接收外部輸入的該使用者需求8後，依據該一或多筆最大需量預測值7，計算出符合該使用者需求8且對應不同時段之該最佳化契約容量9。

更具體而言，該契約最佳化模組22可先判斷是否有收到外部輸入的該使用者需求8(步驟S18)，若沒有收到該使用者需求8，則該契約最佳化模組22直接依據該一多筆最大需量預測值7，計算產生一或多筆該最佳化契約容量9(步驟S20)。反之，若有收到該使用者需求8，則該契約最佳化模組22依據該一或多筆最大需量預測值7，計算產生符合該使用者需求8的一或多筆該最佳化契約容量9(步驟S22)。最後，該系統1通過該輸出單元5輸出或顯示該一或多筆最佳化契約容量9(步驟S24)。

參閱第六圖，為本創作的第二具體實施例的最佳化架構示意圖。如前文中所述，該資料庫3中的該歷史資料31，主要係可分別對應至過去的各個月中的各種時段，該數據預測模組21可依據各種 時段的該歷史資料31，配合該未來規劃資料6，分別預測出未來各種時段的最大需量預測值7。

以第六圖所示者為例，該資料庫3中記錄了該建築物的第一時段歷史資料31A、第二時段歷史資料31B、第三時段歷史資料31C…等，其中，該第一時段歷史資料31A包含過去某月份的第一時段的該最大需量值313、該人數資料314、該戶外溫度資料315、該設備啟用狀況資料316及該其他資訊317等資料；該第二時段歷史資料31B包含過去某月份的第二時段的該最大需量值313、該人數資料314、該戶外溫度資料315、該設備啟用狀況資料316及該其他資訊317等資料，以此類推。

同時，該數據預測模組21可經由該輸入單元4接收該未來規劃資料6，藉此，與該些歷史資料31A、31B、31C共同預測出多筆的該最大需量預測值7。本實施例中，該數據預測模組21可分別預測出一第一時段最大需量預測值71、一第二時段最大需量預測值72、一第三時段最大需量預測值73。其中，該第一時段最大需量預測值71對應至明年度某月份的第一時段；該第二時段最大需量預測值72對應至明年度某月份的第二時段，以此類推。下述表二揭示了該最大需量預測值7之實施範例：

如上表二所示，本實施例中，該第一時段最大需量預測值71主要可對應至明年度各個月份的尖峰時段；該第二時段最大需量預測值72主要可對應至明年度各個月份的週六半尖峰時段；而該第三時段最大需量預測值73主要可對應至明年度各個月份的離峰時段。然而，每個國家計算電費的方式不同，若特定國家沒有對時段進行區分，則該資料庫3可以僅記錄過去一個年度12個月份的歷史資料，並且該數據預測模組21用於預測明年度12個月份的最大需量預測值，而不需將該歷史資料31以及該最大需量預測值7依據日期、時間區分成多種時段。由此可看出，本創作的系統與方法實可廣泛運用於各個電費計算方式皆不相同的國家之中。

最後，該契約最佳化模組22可以接收該數據預測模組21預測得出 的一或多筆該最大需量預測值71-73，並且經計算後，得出符合該使用者需求8的一或多筆該最佳化契約容量9。更具體而言，若該數據預測模組21僅預測一個種類的最大需量預測值(即，沒有區分時段)，則該契約最佳化模組22最後僅會計算得出一筆該最佳化契約容量9。然而，若該數據預測模組21分別預測多種時段的最大需量預測值，則該契約最佳化模組22最後將會計算得出多筆該最佳化契約容量9，並且，該多筆最佳化契約容量9係分別適用於各個時段的契約。例如，若該數據預測模組21的預測結果如表二中所示者，則該契約最佳化模組22最後將會計算得出三筆該最佳化契約容量9，其中，第一筆最佳化契約容量適用於明年度尖峰時段的契約、第二筆最佳化契約容量適用於明年度週六半尖峰時段的契約而第三筆最佳化契約容量適用於明年度離峰時段的契約。並且，此三筆最佳化契約容量9在符合使用者需求條件下，可使得未來一段時間之總基本電費為最低。然而，以上所述皆僅為本創作的較佳具體實例，並不加以限定。

以上所述僅為本發明之較佳具體實例，非因此即侷限本發明之專利範圍，故舉凡運用本發明內容所為之等效變化，均同理皆包含於本發明之範圍內，合予陳明。

21‧‧‧數據預測模組

22‧‧‧契約最佳化模組

31‧‧‧歷史資料

6‧‧‧未來規劃資料

7‧‧‧最大需量預測值

8‧‧‧使用者需求

9‧‧‧最佳化契約

Claims (17)

1. 一種契約容量最佳化系統，包括：一資料庫，記錄與建築物用電量相關的一歷史資料；一輸入單元，接收外部輸入的一使用者需求以及該建築物的一未來規劃資料，其中該使用者需求為使用者可接受之一最大超約月數；一處理單元，連接該資料庫及該輸入單元，該處理單元包括：一數據預測模組，接收該歷史資料及該未來規劃資料，據以預測該建築物未來的一最大需量預測值；及一契約最佳化模組，連接該數據預測模組，接收該最大需量預測值，據以計算符合該使用者需求的一最佳化契約容量。
2. 如申請專利範圍第1項所述的契約容量最佳化系統，其中更包括一輸出單元，連接該處理單元，用以輸出該最佳化契約容量。
3. 如申請專利範圍第1項所述的契約容量最佳化系統，其中該歷史資料包括多筆最大需量值，該多筆最大需量值分別對應至過去各個月份中的各種時段。
4. 如申請專利範圍第3項所述的契約容量最佳化系統，其中該數據預測模組係依據該多筆最大需量值，結合該未來規劃資料，預測多筆該最大需量預測值，其中該多筆最大需量預測值分別對應至未來各個月份中的各種時段。
5. 如申請專利範圍第4項所述的契約容量最佳化系統，其中該契約最佳化模組係依據該多筆最大需量預測值，分別計算符合該使用者需求的多筆該最佳化契約容量，其中該多筆最佳化契約容量分別適用於不同時段的契約。
6. 如申請專利範圍第3項所述的契約容量最佳化系統，其中該歷史資料更包括多筆人數資料，該多筆人數資料分別對應至過去各個月份中的各種時段。
7. 如申請專利範圍第3項所述的契約容量最佳化系統，其中該歷史資料更包括多筆戶外溫度資料，該多筆戶外溫度資料分別對應至過去各個月份中的各種時段。
8. 如申請專利範圍第1項所述的契約容量最佳化系統，其中該未來 規劃資料包括一產量增減規劃，該產量增減規劃對應至該建築物未來的一設備使用率。
9. 如申請專利範圍第1項所述的契約容量最佳化系統，其中該未來規劃資料包括一設備汰換規劃，該設備汰換規劃對應至該建築物未來的一設備數量及一設備效能。
10. 如申請專利範圍第1項所述的契約容量最佳化系統，其中該未來規劃資料包括一人數增減規劃，該人數增減規劃對應至該建築物未來的一總人數。
11. 一種契約容量最佳化方法，包括：a)取得與建築物用電量相關的一歷史資料；b)取得該建築物的一未來規劃資料；c)依據該歷史資料及該未來規劃資料預測該建築物未來的一最大需量預測值；d)接收外部輸入的一使用者需求，其中該使用者需求為使用者可接受之一最大超約月數；及e)依據該最大需量預測值，計算符合該使用者需求的一最佳化契約容量。
12. 如申請專利範圍第11項所述的契約容量最佳化方法，其中該歷史資料包括多筆最大需量值，該契約容量最佳化方法更包括一步驟g：依據日期及時間將該多筆最大需量值分別對應至過去各個月份中的各種時段；該步驟c係依據該多筆最大需量值，結合該未來規劃資料預測多筆該最大需量預測值，其中該多筆最大需量預測值分別對應至未來各個月份中的各種時段；該步驟e係依據該多筆最大需量預測值，分別計算符合該使用者需求的多筆該最佳化契約容量，其中該多筆最化契約容量分別適用於不同時段的契約。
13. 如申請專利範圍第11項所述的契約容量最佳化方法，其中該未來規劃資料包括一產量增減規劃、一設備汰換規劃及一人數增減規劃，該產量增減規劃對應至該建築物未來的一設備使用率，該設備汰換規劃對應至該建築物未來的一設備數量及一設備效能，該人數增減規劃對應至該建築物未來的一總人數。
14. 一種契約容量最佳化方法，包括： a)取得與建築物用電量相關的一歷史資料，其中該歷史資料至少包括多筆最大需量值；b)取得該建築物的一未來規劃資料；c)依據日期及時間將該多筆最大需量值分別對應至過去各個月份中的各種時段；d)依據該歷史資料中的該多筆最大需量值，結合該未來規劃資料預測多筆最大需量預測值，其中該多筆最大需量預測值分別對應至未來各個月份中的各種時段；e)判斷是否收到外部輸入的一使用者需求；f)若有收到該使用者需求，依據該多筆最大需量預測值分別計算符合該使用者需求的多筆最佳化契約容量，其中該多筆最佳化契約容量分別適用於不同時段的契約；及g)若沒有收到該使用者需求，直接依據該多筆最大需量預測值分別計算多筆該最佳化契約容量，其中該多筆最佳化契約容量分別適用於不同時段的契約。
15. 如申請專利範圍第14項所述的契約容量最佳化方法，其中該使用者需求為使用者可接受之一最大超約月數。
16. 如申請專利範圍第14項所述的契約容量最佳化方法，其中該歷史資料更包括多筆人數資料及多筆戶外溫度資料，該多筆人數資料與該多筆戶外溫度資料分別對應至過去各個月份中的各種時段，其中該步驟d中，係依據該歷史資料中的該多筆最大需量值、該多筆人數資料及該多筆戶外溫度資料，結合該未來規劃資料預測該多筆最大需量預測值。
17. 如申請專利範圍第16項所述的契約容量最佳化方法，其中該未來規劃資料包括一產量增減規劃、一設備汰換規劃及一人數增減規劃，該產量增減規劃對應至該建築物未來的一設備使用率，該設備汰換規劃對應至該建築物未來的一設備數量及一設備效能，該人數增減規劃對應至該建築物未來的一總人數。