能源產業AI化

黃浩軒

學歷：

國立成功大學資源工程學系碩士班 104級
國立成功大學資源工程學系博士班博士候選人（2021/9 ~ 迄今）

　　各位先進、老師及讀者們好，在分享本篇內容前，容我簡單自介。敝人在2013年進入本系就讀碩士班，有幸成為吳榮華教授的門生，畢業後在太陽能產業擔任物料專案工程師及薄膜製程整合工程師。但因興趣使然，2019年轉職為演算法開發工程師（或稱為資料科學家、AI工程師），工作內容是運用資料科學及程式編碼，解決智慧製造的產線優化議題（主要與製造部、製程部及設備部執行專案），合作廠商包含聯華電子（南科廠、新加坡廠）、漢磊科技、聯穎光電。閒暇之餘，偶爾參加人工智慧年會及能源競賽（台電能源永續黑客松）。人生際遇確實巧妙，2021年重回本系攻讀博班（指導教授為黃韻勳老師），有了業界磨練出的問題拆解及資料思考邏輯能力，使我的博班旅程更加精采，能將程式運算思維跨域應用到能源產業，也因此，有了本篇文章分享敝人淺見。

為什麼能源產業需要AI？

　　過去電力系統的電源主要以核能及火力發電為主，發電機組偏向大容量，故地理分布較集中，輸電方向也較單一（電力潮流從發電端往負載端），如圖1。但因應能源轉型，電力系統正逐漸以再生能源為主，而再生能源電廠容量較小且地理位置分散化，併接台電電網匯聚電能時，導致輸電系統複雜化（電網端的雙向電力潮流增加）。加上再生能源電力因氣候因素而忽大忽小（間歇性），使電網調度壓力倍增，若電源供應不足，就會產生所謂的壓降（電壓及頻率低於安全範圍）而跳電。因此，面對再生能源短期電力忽大忽小，電網如何與橡皮筋一樣具有「韌性」而不會被短期電力變動（拉力）扯斷，即是我國將面臨

　　在資料科學中有個觀念，變異數為零的變數是沒有意義的，也就是說，有變化的指標（或稱為特徵）才需要分析，才能得出有意義的洞見進行決策。在能源產業也是相同的道理，綠能作為能源轉型中創能的主角，被賦予的任務是盡可能提高綠電供給量，也就是發電效率最大化。任何會影響太陽能或風力發電效率變動的因素（指標或特徵），理論上都應該被預測、偵測及優化管理。另一方面，由於短期綠電供給量忽大忽小會導致電網的電力潮流紊亂（電壓及頻率擾動），甚至造成鴨子曲線更加陡峭（日落時太陽能發電驟減所致），使電力調度難度倍增，因此儲能作為電網韌性的守門員，被賦予了這項任務：隨時處於備戰狀態，等候適當時機或依據台電指令執行充放電，確保電力系統頻率或電力供應穩定，也就是儲能系統和電網電力供需之間的協調最佳化。任何會影響儲能系統充放電來救援電網的因素（指標或特徵），理論上都應該被預測、偵測及優化管理，這是一系列數值化管理流程。分享到這邊，相信讀者應能理解為什麼能源產業需要AI，以下簡單介紹幾項綠能及儲能產業的AI應用。

綠能產業AI化

　　依據綠能產業的AI應用類別，可分為預測型、偵測型及最佳化（如圖2及表1）。預測型AI可細分為氣象預測及發電量預測，預測的主要目的是為了制訂處方性決策（Prescriptive decision making）以因應未來即將發生的事件，像是依據太陽能發電預測制定日落時的電力調度決策；偵測型AI可細分為生物偵測及預防性維護，偵測的主要目的是防止外部環境（候鳥撞擊）或發電機組異常（零件損毀）導致負面影響或發電效率下降；最佳化AI可細分為風功率優化算法及追日優化算法，最佳化的目的是在無損環境及發電機組下，藉由機組的感測器及自動控制算法微調硬體機構（如角度），使發電效率最大化。

表1、綠能產業的AI應用內容

AI類別	議題	實際項目	用途
預測型AI	氣象預測	氣溫、風速、季節、颱風等預測	-作為發電端預測（再生能源發電）及負載端預測（用電行為改變）的潛在影響因子。
預測型AI	發電量預測	再生能源發電預測	-作為電源調度及電網調度依據。
偵測型AI	生物偵測	候鳥偵測（即時物件偵測）	-警示風機周圍是否有生物迎面接近風片。
偵測型AI	預防性維護	髒污偵測設備剩餘壽命偵測	-警示太陽能板因髒汙而發電效率低落，應進行清洗。 -警示設備即將出現故障，應安排檢修。
最佳化AI	風功率優化算法	風片傾斜控制算法風面偏航控制算法	-風面或角度轉向時，即時調整迎風面或風片傾斜角，以達發電效率最大化。 -若風速達風機轉速上限（如颱風），即時調整迎風面或風片傾斜角，以確保安全。
最佳化AI	追日優化算法	日照面控制算法	-即時調整太陽能面板日照面，以達發電效率最大化。

資料來源：作者自製

儲能產業AI化

　　依據儲能產業的AI應用類別，可分為預測型、偵測型及最佳化（如圖3及表2）。預測型AI（放電需求預測）主要搭配輔助服務-增強型動態調頻（Ed-Reg）的儲能系統來參與電力交易平台競標，根據台電公告的歷史Ed-Reg需求曲線，預測未來Ed-Reg放電需求；偵測型AI（儲能機組異常偵測）主要目的是確保儲能機組運作正常且隨時處於備戰狀態，以即時支援電網；最佳化AI（區域電網優化）主要目的是結合再生能源電廠-儲能系統-電力負載端，以AI演算法即時調控儲能系統的充放電行為，使區域電網的電力供需平衡。

表2、儲能產業的AI應用內容

AI類別	議題	實際項目	用途
預測型AI	放電需求預測	參與電力交易平台的輔助服務競標	-作為投標台電輔助服務的參考依據，強化電網韌性。
偵測型AI	儲能機組異常偵測	電壓、電流及溫度異常偵測充放電曲線異常偵測	-警示儲能機組的執行效率不佳，應安排檢修。
最佳化AI	區域電網優化	虛擬電廠智慧化管理	-儲能系統作為發電端及負載端的緩衝，降低再生能源棄電或供電不足的風險。

資料來源：作者自製

結語——節能永續的AI新趨勢

　　說到AI怎能少了生成式AI，近兩年生成式AI的狂潮席捲全球，我想大家都對ChatGPT很熟練了。雖然目前生成式AI的落地應用還不廣泛，但硬體軍備先行，各家大廠都在比拚大語言模型（LLM）的多任務解題能力，伴隨而來的是高能源密集度的算力需求。AI模型運算過程的高能耗及高碳排放已經引起國際關注，國際能源總署（IEA）於2023年報導指出，訓練一個大語言AI模型所消耗的電力約為100戶美國家庭年用電量，近年國際頂尖期刊也逐漸關注節能永續AI的發展（例如綠色學習方法）。當我們希望透過AI來協助我國創能（綠能）及儲能時，節能永續AI的角色亦不容忽視。

參考文獻

IEA (2023). Why AI and Energy are the New Power Couple?

https://www.iea.org/commentaries/why-ai-and-energy-are-the-new-power-couple.