從IEC智慧電網看兼容並蓄的能源轉型
從IEC智慧電網看兼容並蓄的能源轉型

專業的基礎,往往來自於學術論文或研究報告。我這一系列的智慧電網文章,會根據IEC所出版的報告書來做論述,並非自己獨創。

IEC智慧電網七欄六列16區塊

為了方便廣大讀者學習,我把IEC智慧電網架構圖簡化(如圖一)。

這是一個矩陣式架構,一共是七欄六列16區塊。七個縱向的欄位分別是:發電、輸電、配電、分散式能源資源(DER)/分散式發電、用電、通訊與跨領域(crosscutting)。六個橫向列位分別是:流程、變電站所、現場、營運、企業與市場。

IEC智慧電網架構定義了16個區塊,散佈在七欄六列當中,分別是:(集中式)發電廠、通用變電站、電纜與架空線、配電自動化、現場人力、電力系統營運、企業、批發能源市場、分散式能源資源/分散式發電、先進讀表建設(AMI)、工業自動化、電子移動建設、家庭與建築自動化、零售能源市場(含虛擬發電廠Virtual Power Plant)與通訊建設與跨領域功能(電信、安全性、電磁相容性與電力品質)。寫到這裡,你可能已頭暈眼花,請不要難過,我自己也背不下來,充分理解這張圖片更重要。

IEC智慧電網架構圖 拷貝.jpeg
圖/ 陳世芳

圖一:IEC智慧電網架構簡圖。

「低密度集中式」而非分散式發電才是近年快速成長的領域

電力上規範集中式發電(Centralized Generation)需經過輸電網路再送到配電網路把電用掉。而分散式發電(Distributed Generation)則不需要經過輸電網路,直接連上配電網路。所以IEC特別把DER獨立成一個區塊,而不是放在發電這個項目上。

用個更直覺的方式表達電力流動的路徑(使用IEC定義的欄項目):
1.集中式發電:(集中式)發電→輸電→配電→用電。
2.分散式發電:分散式能源資源(DER)/分散式發電→配電→用電。

我從事多年的電力研究後,觀察到多數的論述在比較集中式發電與分散式發電的優缺點,造成對立或二選一的現象。其實,雙方各有千秋,最後兼容並蓄,不會互相取代。

這裡我想聊一個新的定義:用單位面積的功率(MW/Km2)區分高密度集中式發電(High Density Centralized Generation)與低密度集中式發電(Low Density Centralized Generation)。

電廠面積密度.jpg
圖/ 陳世芳

表一:高低密度集中式發電之比較

前者包括天然氣發電、燃煤發電、核能發電、燃油發電,後者包括地面型太陽能、陸上風電、離岸風電、水力發電與其他綠電(如表一)。

如果各位查詢全世界綠電成長相關研究報告,再參照我的分類方式,可以發現全世界裝置容量成長速度最快的領域是「低密度」集中式發電,而不是「分散式」發電,也就是說,部分人士把分散式發電當成主流市場,實為誤解。

表一中太陽能面積功率密度介於31.48至64.8MW/Km2之間,倘若太陽能的容量因素為15%,換算成有效發電功率密度約是4.72至9.72MW/Km2。而陸上風電的容量因素假設為30%,換算為有效發電功率密度約是11.41至12.74MW/Km2。

透過比較,我們可以約略看到陸上風電的發電效率比地面型太陽能高出許多,自然陸上風電發電成本比太陽能便宜許多。

如果假設離岸風電的容量因素為45%,換算為有效發電功率密度約2.32至3.74MW/Km2,可見得現階段離岸風電的成本遠大於陸上風電與地面型太陽能。

當然,這樣的計算是有瑕疵,並不能直接對應到成本上,只不過這是物理上面的限制,對於成本數字還是有一定程度的影響,所以特別拿出來說明,讓大家理解。

這個估計方式並不適用於高密度集中式發電,因為綠電沒有燃料費用,成本結構不同。同樣的概念可以估算,水力發電是目前成本最便宜的綠電。

離岸風機長大面積功率密度也會跟著長大

值得慶幸的是,離岸風機近年來有長大的趨勢,從3.6MW變成6MW、8MW,也許明後年西門子與MHI Vestas將推出10MW風機,而DONG Energy則預測2025年會看到15MW的風機。

我們看到西門子的風機從3.6MW長大到6MW時,面積功率密度從5.16 MW/Km2提高到8.31 MW/Km2,顯示風機長大確實提高了發電效率,當然也會降低發電成本。

風機長大與面積功率長大未必是線性關係,但是為了給大家一個直覺上的概念,姑且假設是線性關係。從3.6MW到6MW,風機長大67%,面積功率密度長大61%,換句話說面積功率密度長大的速度約為風機長大速度的91%。假如今天風機從6MW長大至15MW,風機長大150%,面積功率密度將長大137%,大約是11.35MW/Km2。

這裡面的關鍵在於風機的塔架是否能夠如預期般長大,長得更好還是長得更差,將明顯影響11.35 MW/Km2這個數字是否會成真。如果塔架長得很高,讓輪鼓高度接近200公尺,也許11.35 MW/Km2這個數字會變成真實。

兼容並蓄的能源轉型

表一的研究是我觀察到的現象,尚未變成一個非常堅實的學術研究,如果可以把台灣的電廠或全世界的電廠作一個完整的分析,會有很高的學術上的價值。這邊舉的例子都具備代表性與參考價值。

能源轉型是一個兼容並蓄的過程,最後是一個混合型的系統,同時存在高密度集中式發電與低密度集中式發電與分散式發電。但是從裝置容量成長發展過程,則呈現下面的趨勢:

1.能源轉型的過程(容量成長):高密度集中式發電→低密度集中式發電→分散式發電。
2.能源轉型最終的樣態:高密度集中式發電、低密度集中式發電、分散式發電三者並存。

少數人士認為分散式發電會取代集中式發電,這是個認知有誤。IEC的智慧電網架構裡面,並沒有拿掉集中式發電,暗示我們最後會並存。亦有少數人士認為能源轉型是直接跳到分散式發電,這個認知也有誤。因為中間還有一個低密度集中式發電正在興起且裝置容量遠遠超越分散式發電 。

低密度集中式發電正在快速興起,政府的20GW太陽光電計畫,其中地面型太陽能佔17GW(低密度集中式發電)、分散式太陽能佔3GW。台灣的風力發電,包括陸上風電與離岸風電多數屬於低密度集中式發電,僅有100KW以下的小型風機,屬於分散式發電,比例微乎其微。

大型高密度集中式發電廠將帶來嚴重的電力危機

前行政院院長林全曾在立院報告,備轉容量維持在7.2至15%比較適合,然而我們分析幾個台灣現存或已建好的高密度集中式發電廠,看到其所佔比例分佈在5至18%,其中大潭電廠最終階段將達18%(目前11%)、台中發電廠達14%。這兩個電廠萬一有意外,全台灣必定大規模停電。

815大潭電廠的教訓,已經驗證這個事實。也許,未來我們應該限制單一電廠的最高佔比,我認為如果是7.2至15%的備轉容量,則單一發電廠(非單一機組)的佔比應該限制在3%以下,保留充分的空間來應付突發狀況。如果用40,922.8MW的3%估計,單一電廠容量應該限制在1,228MW以下。

既有的大型電廠,未來機組可能開其中幾個就好,一方面可以降低空氣污染,另一方便也有減碳的效果。例如台中電廠十部機組,也許開幾台滿載發電就好,還給中南部地區一個乾淨的生活環境。大潭電廠本來的設計就是備轉使用,當我們的電力供給充裕,也就不需要全部的機組都打開,回歸原始設計目標。

參考資料:
1.IEC, 2010, “IEC Smart Grid Standardization Roadmap”, Prepared by SMB Smart Grid Strategic Group (SG3), Edition 1.0.
2.DWEA,2015,DWEA Distributed Wind Vision – 2015-2030: Strategies to reach 30 GW of “behind-the-meter” wind generation by 2030,
3.U.S.Department of Energy under Contract DE-AC05-76RL01830 PNNL-26540,2017,2016 Distributed Wind Market Report,
4.維基百科,2017,大潭發電廠,
5.台電公司,2011,大潭發電廠簡介,
6.維基百科,2017,台灣發電廠列表,
7.維基百科,2017,龍門核能發電廠,
8.大紀元台灣,2006,貢寮新社居民 抗議核四超徵土地,
9.維基百科,2017,台中發電廠,
10.維基百科,2017,協和發電廠,
11.維基百科,2017,第二核能發電廠,
12.維基百科,2017,日月潭,
13.維基百科,2017,明潭發電廠,
14.SolarInsure,2017,Top 5 Largest Solar Power Plants of the World,
15.South China Morning Post,2017, China’s world-beating solar farm is almost as big as Macau, Nasa satellite images reveal,
16.維基百科,2017,Alta Wind Energy Center,
17. 維基百科,2017,Fântânele-Cogealac Wind Farm,
18.維基百科,2017,London Array,
19.維基百科,2017,Offshore wind power,
20.維基百科,2017,List of offshore wind farms,
21.維基百科,2017,Gode Wind Farm,
22.4C Offshore, 2017,Gode Wind 1 and 2,
23.4C Offshore, 2017,Burbo Bank Extension,
24.自由時報, 2017,談電力備轉容量率 林全指維持7.2%可應付所有危機,

《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
AI代理時代已至!國泰金控以GAIA 2.0框架加速AI應用百花齊放
AI代理時代已至!國泰金控以GAIA 2.0框架加速AI應用百花齊放

AI正以驚人速度重塑世界樣貌,金融產業也不例外。國泰金控作為台灣最大的金融控股公司之一,不僅積極擁抱創新變革,更透過開放分享促進產業共好:在「2025國泰金控技術年會」中分享「GAIA 2.0技術框架」,揭示多代理(Multi-Agent)雲端協作架構,讓AI從知識問答助理進化成可以自主推論、規劃與協作的夥伴,拉開以人為中心的金融科技新世代序幕。

以GAIA 2.0技術框架為基礎,加速集團應用百花齊放

GAIA是國泰金控為實現AI即服務(AI as a Service)提出的關鍵技術框架,歷經一年的發展,不僅成功建立超過200種資料類別的知識庫、彙整50多種生成式AI模型的Model Hub、設有70道安全防護檢查點的AI護欄。

國泰金控
國泰金控副總暨國泰世華銀行數據長梁明喬分享GAIA 2.0技術框架與集團GenAI應用案例
圖/ 數位時代

國泰金控副總經理暨國泰世華銀行數據長梁明喬指出:「隨著代理式AI技術崛起,我們在今年提出GAIA 2.0技術框架,目標是讓AI助理(Assistant)進化成AI Agent,可以跨單位整合工具、數據與分工,實現真正的智慧協作。」

舉例來說,為深化集團員工運用AI提升工作效率,我們打造員工AI助手—Agia,協助同仁進行知識查詢、資料摘要等任務,提升效率與生產力;另外,透過AI自助開發平台—GAIA Studio,讓員工以No Code工具,連結內部知識庫,並以視覺化介面或Prompt快速自主開發,打造業務場景所需的生成式AI服務與工具。GAIA Studio 上線三個月已有28個部門自助開發超過40支內部應用AI服務(包含行銷文案、各類產品知識、趨勢摘要等)。

在技術面,具體作法是透過GAIA 2.0框架下的四個模組,包含負責統籌AI Agent任務分配與協作流程的「Agent Core核心框架」、提供安全自主運作環境的「Agent Workspace可控環境」、連結Agent間共通語言的「Agent Protocol串接協定」,以及集中管理AI工具與元件的「Agent Marketplace整合市集」,以加速AI Agent應用研發與部署。

梁明喬表示:「接下來,我們將以GAIA為引擎,打造通用型、業務型、IT型與服務型AI應用,如Vibe Coding、CUBE Intelligence等服務,一步一腳印擴展集團的AI Agent生態圈,型塑智慧金融新格局。」

舉例來說,隨著生成式AI普及,客戶對於數位(助理)服務的期待更高,國泰世華銀行數位品牌CUBE推出「CUBE Intelligence」兩項新服務,包含「升級版」智能助理–阿發,滿足客戶詢問複雜問題的需求,無論客戶提出什麼問題,都可以完整步驟與適當的情緒價值強化與客戶的連結,讓服務更智慧、貼心且符合期待。

國泰金控
國泰金控副總暨國泰世華銀行數位長陳冠學展示「CUBE Intelligence」兩項新服務
圖/ 數位時代

國泰金控副總經理暨國泰世華銀行數位長陳冠學表示:「除了升級版阿發,另一新服務是我們也在CUBE App新增『對話式功能搜尋(CUBE Search)』,就像把行員放到CUBE App一樣,讓客戶可以用自然語言輕鬆找到想要的服務,讓服務體驗變得更聰明、更人性也更懂你。」兩項CUBE Intelligence新服務即將在年底正式上線。

跨界合作推動台灣大型語言模型落地,加速生成式AI發展

大型語言模型具備強大的語意理解與內容生成能力,是生成式AI快速發展的關鍵推力。國立政治大學金融科技研究中心主任王儷玲指出:「金融產業因為有獨特的金融語境、法規語意以及在地化的繁體中文知識,國際通用模型並不適用,必須建構本土知識庫、標準化模型機制、AI 法規沙盒及在地算力平台,發展台灣企業共同主導與管理的大型語言模型,方能讓更多金融業者透過微調打造適用模型、加速可信賴的AI Agent服務落地。」

國泰金控數數發中心數據暨人工智慧發展部副總經理劉浩翔進一步補充:「本地大型語言模型的成功關鍵,不僅是掌握充足且高品質的數據,還要透過後訓練微調與人類回饋強化學習的訓練方式去微調出適用的AI模型,藉此提升答案的精準度,尤其是需要跨法規、多層邏輯的嚴謹金融專業知識。」

AI要成功,除了應用場景、模型,算力也扮演至關緊要角色,對此,鴻海科技集團亞灣超算執行長姚延宗表示:「本土算力是支持本土大型語言模型落地的關鍵。」不過,他也強調,AI算力快速迭代且進入門檻高,不是每一間企業都可以自建算力,因此,亞灣超算與NVIDIA合作啟用超算中心,讓金融等台灣企業可以按需租賃所需算力,解決資料共享等敏感問題,加速金融AI應用的多元發展。

國泰金控
產業與學界專家於國泰金控技術年會交流生成式AI如何在台落地應用,左起為:國泰金控副總經理施君蘭、政治大學金融科技研究中心主任王儷玲、國泰金控數數發中心副總經理劉浩翔、鴻海科技集團亞灣超算執行長姚延宗
圖/ 數位時代

總的來說,從GAIA 2.0技術框架的推出、生成式AI的落地應用、到積極參與本土大型語言模型建置等行動,可以清楚看到,國泰金控正由內而外推動全面AI創新:強化內部流程效率與治理能力、以智慧化服務提升客戶體驗,並透過技術開放與跨域合作,為金融產業的數位與AI智慧轉型注入新動能。

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
進擊的機器人
© 2025 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