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
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?
從切菜到乾燥加工!宜展如何結合桃園市政府創業資源,以AI開拓農產加工第二成長曲線?

走進蔬果加工廠,同樣是100公斤高麗菜,最後能做出多少成品?答案不見得相同。氣候、產地與品質影響原料條件,客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言,這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例,即使機械手臂已經訓練好辨識特徵,面對形狀各異的蔬菜,仍難以判斷該從哪裡抓取。農產品的天然變數,卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作,成為宜展投入數位轉型的起點。

從紙本、LINE到數據,先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶,業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察,農產加工的關鍵經驗往往掌握在資深員工手中:該買多少菜、原料損耗多少、訂單增加又該安排多少人力,都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單,現場靠人工整理訂單、對照不同客戶的加工規格;如今宜展利用AI辨識訂單內容並匯入ERP,再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量,逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談,了解採購、派工與品管的作業方式,再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正,才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物,宜展正與技術夥伴規劃導入AI影像辨識,輔助產線末端檢查。林佑澤表示,每批農產品品質不同,比起單看良率,他更重視客訴是否減少。隨著訂單與製程資訊逐步累積,宜展也希望進一步建立需求預測、採購建議與生產排程模型,減少營運對資深員工個人經驗的依賴。

不只把菜切好,乾燥加工尋找第二成長曲線

除了改善截切本業,宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動,生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限,開拓附加價值更高的加工業務。

不過,乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間,不夠乾就反向調整。每批原料的水分與成熟度不同,反覆試做不僅增加成本,也難以維持品質一致。「品質目標沒有設定的話,前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工:先決定產品希望達到的口感、含水率與水活性,再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備,並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備,最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數,希望未來透過AI找出適合不同原料的乾燥曲線,減少反覆試做。

「我們主要還是要做代工,想要做一個功能性的原料平台。」林佑澤說,果乾目前更像是展示技術能力的產品,未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業,乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力,宜展便有機會從既有蔬果供應鏈,切入附加價值更高的食品原料市場。

從彰化走向桃園,驗證營運方法能否跨區複製

隨著加工流程逐步數位化,宜展也開始思考,這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園+後,宜展擴大與桃園產業生態系的連結。林佑澤提到,天際線協助邀集不同局處了解團隊需求,並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作,增加北部原料來源。這項合作不只拓展了供應來源,更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶,先前中南部連日降雨,蔬菜供應受到影響,宜展便從北部調度蔬菜,以不同產區互相支援,降低天候對供貨的衝擊。此外,團隊也透過天際線資源,獲得參與日本國際伴手禮設計競賽的輔導,並成功榮獲金賞獎肯定,除了展現產品的創新與設計實力,也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步,宜展規劃以桃園大溪作為第二個驗證場域,將彰化累積的資料、SOP與加工管理經驗,轉化為可複製、可優化的營運管理模式,帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出,未來若要跨區域擴張,不可能每到一個新地方,就把原有團隊整批搬過去。因此,宜展希望將資深員工的實務經驗,轉化為標準化流程與數據模型,結合AI進行生產排程、資源配置及營運決策,讓新場域能依據當地條件快速調整,降低對特定人員經驗的依賴。

從彰化到桃園,宜展接下來要驗證的,是這套從傳統農產加工現場整理出來的管理方法,是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。 長期目標是降低新場域的建置成本與管理複雜度,提升擴張效率,讓傳統農產加工業具備規模化發展的能力。

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
一次搞懂工業AI
© 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