你應該要知道的智慧電網標準地圖
你應該要知道的智慧電網標準地圖

台灣有許多人談論智慧電網,媲美諸子百家爭鳴的春秋戰國時代,可是卻很少有人認真把國際電工協會(IEC)的智慧電網規範好好拿出來講一講(關於IEC背景可詳見筆者另一篇文章:當電力緊張時,若台灣要把智慧電網做好,怎能忽略IEC?),筆者覺得十分可惜。

IEC在2008年成立智慧電網策略小組(Smart Grid Strategic Group),這個小組現在被視為智慧電網的指標。

為了幫助智慧電網的初學者學習,IEC提供了一個入門網站。 網站裡面包括智慧電網的標準地圖、全球智慧電網論壇、路徑圖、洞悉、IEC標準、背景、挑戰與發展。智慧電網頗為複雜,所以少有人可以說清楚。筆者建議大家參考IEC網站中給我們的智慧電網標準架構圖(如下圖),做為入門。

智慧電網標準架構圖

iEC智慧電網標準地圖
IEC智慧電網標準地圖
圖/ iEC

這麼複雜的圖片很難消化,IEC提供了一個次系統列表,方便我們理解:先進配電管理系統(Advanced Distribution Management System)、先進讀表建設(Advanced Metering Infrastructure)、資產管理與狀態監控系統(Asset Management and Condition Monitoring System)、停電預防系統(Blackout Prevention System)、時間參考系統(Clock Reference System)、通訊網路(Communication Network)、通訊網路管理系統(Communication Network Management System)、資料模型(Data Modeling)、需量反應(Demand Response) 或負載管理(Load Management)、 分散式能源資源營運系統或稱分散式發電系統(Distributed Energy Resources Operation System)、配電自動化系統(Distribution Automation System)、電子移動系統(E-mobility System)、電磁相容性與電力品質(EMC & Power Quality)、電力儲存系統(Electrical Storage System)、能源管理系統(Energy Management System)、彈性交流輸電系統(FACTS for Grids)、發電管理系統(Generation Management System)、工業自動化系統(Industrial Automation System)、市場位置系統(Market Place System)、電表相關後台系統(Meter-related Backoffice System)、安全(Security)、智慧家庭與建築自動化系統(Smart Home & Building Automation)、變電所自動化系統(Substation Automation System)、天氣預測(Weather Forecast)。

台灣發展綠能所面臨的挑戰,IEC已有解方

舉例來說,許多人說綠電大量併網,會造成電力系統不穩定,IEC智慧電網裡面,「電磁相容性與電力品質」這個次系統,正好是解決方案,因為電力品質的目標就是讓電力系統更穩定。按照IEC的規範來做,可望消除大部分不穩定的問題。

也有人擔心大量的綠電會造成停電,IEC提供了「停電預防系統」,提早預告未來的停電風險,因此,我們或許可以避免這次815大停電的遺憾。「天氣預測系統」會影響後面的發電預測、用電預測,一日前與一小時前的電力調度計畫,非常非常重要。

發電設備可用率決定投資報酬率

可用率(availability)是一個發電設備一年之內發電的時間除以一整年的時間所得到的比率,可用率越高,表示系統維護良好,多數的時間發電設備可以正常發電,我們使用可用率檢驗維護運轉的品質。

台電的陸上風機時常不運轉,主因是可用率約88.293.8%,相較於民間業者的9799%,實在太低。善用IEC提供的「資產管理與狀態監控系統」,可以提早更換將損壞的零件,提高風機可用率,提高風場的投資報酬率。

根據台電離岸風電示範計畫的資料,台電的目標是89%可用率,然而歐洲營運商可達到95~99%,台電的財務模型顯示離岸風電因為會小幅虧損,而不具備投資價值,但是離岸風電的巨擘DONG Energy公司的財務表現卻極為優良。

儲電為必要,只是佔比不高

儲電是必要的,但是佔比非常非常低。

這麼大的智慧電網架構圖當中,儲電僅佔一小部分,IEC配置在DER與Consumption兩區塊內,細看只有分散式能源、工業自動化、家庭與建築自動化三塊有小小的儲能系統。

少數人以為只要配置大量的儲電系統,冬電夏移、夜電日移,就可以解決多數的電力問題,實為大謬。

電力控制技術的進步,遠比儲電系統還要來得重要(這部分留待日後分解)。

用系統性方法解決電力問題

智慧電網與智慧電力系統是非常複雜的問題,正確的觀念是用系統性的方式體檢,找出每一個可能存在的風險。

同時,IEC智慧電網的次系統都要面面俱到缺一不可。如果認為只要有芭樂就可以得到雞腿,肯定會造成悲劇。

我們以這次815大停電為例,這次事故的主角中油,正是分散式控制系統(Distributed Control System)。可見「只要是分散式系統就一定比較安全」的說法,需要修正。

如果只有分散式發電,但其他智慧電網重要系統都沒有,照樣完蛋。

筆者認為把集中式發電廠做得分散會更安全,例如在「停電預防系統」加上一個限制,每一個集中式發電廠佔比不得超過3%,我們的熱備轉容量維持在6-9%,用2-3倍的備援預防發電廠意外停機時的電力短缺,會讓整個電力系統更強韌安全。

參考資料:

  1. IEC, 2010, “IEC Smart Grid Standardization Roadmap”, Prepared by SMB Smart Grid Strategic Group (SG3), Edition 1.0
  2. IEC, Elements of the Smart Grid,
《數位時代》長期徵稿,針對時事科技議題,需要您的獨特觀點,歡迎各類專業人士來稿一起交流。投稿請寄edit@bnext.com.tw,文長至少800字,請附上個人100字內簡介,文章若採用將經編輯潤飾,如需改標會與您討論。

(觀點文章呈現多元意見,不代表《數位時代》的立場。)

往下滑看下一篇文章
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題
懂保險的 AI 才有用!國泰人壽數據暨人工智慧發展部如何解開壽險業的 AI 實戰難題

金管會調查顯示,國內金融機構與周邊單位已有 33% 導入 AI,其中壽險業導入比例達 67%,僅次於銀行業的 87%。事實上,保險業應用 AI 的難題不在技術,真正的挑戰是要在高度監理、複雜流程與專業領域中,找到可落地的應用場景。國泰人壽數據暨人工智慧發展部走過八年、歷經三次組織定位演進,如何摸索出自己一套的 AI 轉型路徑?

國泰人壽養兵練 AI

國泰人壽數據團隊的起點,可以追溯到 2016 年成立的「客群經營部」。2018 年,隨著公司希望讓 AI 發展更具基礎架構、更具規模地展開,團隊轉型為「數據經營部」;到了 2024 年,正式成立「數據暨人工智慧發展部」,角色也從推廣,轉向更專注的技術發展。

國泰人壽-2.jpg
國泰人壽數據暨人工智慧發展部目前為一約 65 人的團隊,平均年齡 33 歲。
圖/ 數位時代

八年間,團隊的任務始終圍繞同一件事:深入業務現場,釐清痛點,再與 IT、業務、客服等單位協作,推動 AI 從研究走向實踐。國泰人壽數據暨人工智慧發展部協理莊淑儀形容,這個過程更像是傳教士的工作:「很多數據產品是由我們發想,從核保到理賠,有哪些導入機會?我們要去和各部門溝通,AI 可以協助什麼。」

國泰人壽-3.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀。
圖/ 數位時代

這樣的溝通並不容易,因為壽險業的專業門檻極高。國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士指出,一張保單牽涉的關係人本來就複雜:「在保險業,一張保單的銷售,涉及要保人、被保人、受益人,是多方關係,尤其在金管會的要求下,還必須兼顧模型的公平性與可解釋性。」核保邏輯、理賠判斷、業務員培訓,每個環節都有各自的專業門檻與監理要求,通用技術難以直接套用。這也是國泰人壽選擇自己養兵練 AI 的原因,唯有深度理解壽險場景,AI 才有落地的條件。

從真實需求長出來的 AI 實戰力

要讓技術模型真正為前線人員所用,數據暨人工智慧發展部團隊長期觀察業務現場,確保 AI 產出都能有效銜接既有作業流程。去年,團隊面對的挑戰,是在十三個部門提案中,篩選出值得投入的場景。莊淑儀說明,評估標準有三項:「是否能複製到多元場景?對公司有什麼效益?技術可行性?」最終六個案子出線,其中包括「AI Coach」。

AI Coach 以 AI 陪練業務員磨練銷售技巧,同步縮短培訓週期,讓業務員能更快提供專業、貼近保戶需求的服務。看見 AI Coach 的成效後,國泰人壽也將同一套模式延伸至客服中心及直效團隊,評估面向包括禮貌、問題回應、服務要點...等面向,給於評分及建議。黃喬敬博士解釋背後的難度:「以往這些評估指標是由人來判斷,現在則是要做到標準化,讓 AI 系統可以自己判斷。」今年一月上線後,客服新人有超過九成以此作為教育訓練工具,業務端使用率也過半,不僅省下資深人員帶新人的時間,也讓保戶獲得更一致、更高品質的服務體驗。

國泰人壽-4.jpg
國泰人壽數據暨人工智慧發展部協理莊淑儀(左)與首席數據分析師黃喬敬博士(右)帶領團隊在國泰人壽保險領域驗證 AI 應用。
圖/ 數位時代

另一項落地應用則是「Cathay Eye」,是國泰人壽自行開發的智能風險控管模型。莊淑儀說明:「這最主要是幫案件的複雜度做分級,讓新進同仁處理複雜度低、資深同仁處理複雜度高的案件,一來反映人力價值,二來加速案件處理流程,讓客戶更快獲得所需服務。」

黃喬敬博士也補充背後的機制:「Cathay Eye 是把公司過去數千萬筆資料整合起來,藉此建立一個平均的判斷基準,用來做複雜度分級與派工。」目前,Cathay Eye 的識別能力相較原流程提升一倍精準度,也讓流程的判斷效率明顯加快。

壽險業 AI 應用的新標竿

對國泰人壽而言,讓 AI 發揮作用的關鍵,在於將產業領域知識與技術能力結合,而這仰賴的是兩條並行的人才路徑。對內,是強化已熟悉保險核心業務人才的 AI 素養;對外,則是網羅生成式 AI 工程與系統設計、AI 治理、雲端數據工程...等專業人才,補齊技術深度。莊淑儀強調:「在人才 AI 素養上,以往我們著重精兵制。去年開始,我們要做到全員素養提升,在人人都會用 AI 的時代,如何善用、如何合規,這都是需要教育訓練的。」

黃喬敬博士則從技術端點出下一步的方向,如 Agentic AI 是明確的發展趨勢,但在企業級的應用上,不可能讓它完全自由運作,如何兼顧安全與效益,是關鍵任務。「檢視整個 Workflow,如何建立更好的決策流程,人員的角色和流程都會慢慢轉換。」他也指出,把端到端的自動化流程建置起來,是團隊接下來的重點工程。

國泰人壽-5.jpg
國泰人壽數據暨人工智慧發展部首席數據分析師黃喬敬博士。
圖/ 數位時代

導入 AI,或許已是壽險業的產業常態;但能不能真正走進核心業務的第一線,關鍵仍是有沒有先搞懂保險本身。從需求出發、從場景驗證,國泰人壽正以這套方法,定義壽險業 AI 應用的新標竿。

登入數位時代會員

開啟專屬自己的主題內容,

每日推播重點文章

閱讀會員專屬文章

請先登入數位時代會員

看更多獨享內容

請先登入數位時代會員

開啟收藏文章功能,

請先登入數位時代會員

開啟訂閱文章分類功能,

請先登入數位時代會員

我還不是會員, 註冊去!
追蹤我們
台達電全解讀
© 2026 Business Next Media Corp. All Rights Reserved. 本網站內容未經允許,不得轉載。
106 台北市大安區光復南路102號9樓