儲能雖小,無所不在
儲能雖小,無所不在

電化學儲能俗稱電池,存在於我們日常生活周遭,已經是一個生活必需品。它雖然小到不起眼,但是卻無所不在,新一代的智慧電力系統當中,電力級儲能也是無所不在,相較於量級龐大的電力系統,儲能的佔比還是非常非常小,它正在逐漸變大,讓我們一起來探索其中的奧妙吧!

本文章嘗試從化學儲能的產業發展趨勢出發,進一步談到鋰電池儲能,以及其無所不在的特性,提供社會大眾參考。至於位能、動能、電磁能等型態的電力級儲能,不在本文章的討論範圍內。

鋰電池儲能系統將對智慧電力系統產生重大影響

約莫在2013年至2014年之間,美國曾經有一個電力級化學儲能系統(Utility Chemistry Storage System)大戰,當時參戰的除了鋰電池以外,還有鉛酸電池(Lead Acid)、鈉化學電池(Sodium Chemistries)、釩液流電池(Flow Vanadium)、鋅液流電池(Flow Zinc)等等。

到了2017年,從實際建置情形來看,這場大戰暫時告一段落,鋰電池技術以94%的市佔率取得絕對的優勢。如果這個趨勢持續下去,可以預見鋰電池儲能系統將對智慧電力系統(Smart Power System)產生重大的影響。

鋰電池1.jpg
鋰電池取得94%電力級儲能系統之市佔率
圖/ 陳世芳

我在前面的專欄文章《你應該要知道的智慧電網標準地圖》中論述:儲電為必要,只是佔比不高。當時提到IEC把儲能配置在分散式能源(DER)、工業自動化、家庭與建築自動化三個項目之內。

將電力級化學儲能應用在發電與輸配電端

我們今天來談新的東西,來自於電力設備公司的觀點,他們實際推動產業發展,將電力級化學儲能應用在發電與輸配電端。

我們可以看到從2012年開始,電力級的佔比一直比住家級(Residential)與非住家級/工商級(Non-Residential)還要高,GTM Research預估一直到2022年,電力級依然是佔比最高的項目。我們可以確定,電力級儲能已經是智慧電力系統的主角,住家或工商應用只是配角。

電力級儲能的裝置容量與儲電量比較大,所以具備經濟規模優勢,同時獲得三大百年歷史電力設備公司(GE, ABB, Siemens)與電池電動車(Battery Electric Vehicle, BEV)領導公司Tesla積極推動,其安全性遠較消費性電子等級的鋰電池還要高出許多,達到電力公司之要求,建置的規模逐漸擴大。

當發電公司與電網公司已經使用,表示有嚴格的安全規範與保護措施,我們實在不用太擔心鋰電池的安全性問題。

鋰電池2.jpg
電力級儲能系統為主角
圖/ 陳世芳

今年,一份來自於台電綜合研究所的研討會簡報,清楚地告訴我們電力級儲能如何應用在發電端、用電端與輸供配電端。

發電端使用儲能系統可以讓再生能源的輸出平滑化;調整電網頻率(提供毫秒等級的響應速度『單位:A/ms』);提供功率(容量)補償能力。輸供配電端使用儲能系統,好處是提供備轉容量;穩定頻率與電壓;強韌電網;故障備援;電力輔助服務(Ancillary Service)等。在台電的圖片裡,原來的輸配電路上,都可以加掛能源儲存系統(Energy Storage System, ESS),這樣的設計,巧妙地把儲能融合在電網系統裡面,分散式使用儲能系統,有助於建構一個強韌的電網系統。實務上,儲能系統逐漸和各級變電站一起建置,強韌各級變電站。

我們可以在發電廠與變電站內建儲能系統,也可以在發電廠與變電站中間,找一個新的地點,設置好電力線與新的大型儲能系統。這樣彈性的作法,恰好補強過去電網建設時,所面臨的區域性不平衡問題。在某些用電比較緊張的地區,配置一個儲能系統,增加供電餘裕;在某些供電過剩的地區,發揮吸收電力,保護電網的功能。

分散式儲能系統比電力網路更具彈性

分散式儲能系統比電力網路更具彈性。強調彈性優勢的智慧電力系統,需要儲能系統來增加彈性,因此儲能是一個必要的選項,儲能的佔比越高,電力系統的智慧化效果也就越好。

台灣是一個以中小企業為主的經濟體系,中小企業的觀點常常出現在新聞媒體上,讓人誤以為這就是趨勢,但如果從統計上來看,可能未必如此。

台灣的電力化學儲能市場,目前以用電端儲能為主流,應用在手機基地台、工商用途、家用太陽能等。我們從美國電力化學儲能市場的數據看到,電力級儲能才是主流應用,而非住家或工商用。希望各位讀者不要被新聞媒體所誤導了

鋰電池3.jpg
儲能在電力系統當中所扮演的角色
圖/ 陳世芳

從全球市場的角度來看,儲能現在的佔比確實不高,不及1%。因為儲能系統具備提供功率補償能力的功能,市售的儲能系統皆有標示功率與發電量,所以我們可以和發電設備的裝置容量合併計算。2017年全球新增電力容量為257GW,儲能1.22GW,合計258GW。2017年全球新增電力淨容量以太陽能居第一位,達98GW(38%),後面依序是風力發電52GW(20%)、燃氣發電38GW(15%)、燃煤發電35GW(14%)、大型水力發電19GW(7%)、核能發電11GW(4%)。

鋰電池4.jpg
圖/ 陳世芳

電力級儲能系統和龐大的發電容量相比,小到可以忽略,可是智慧電力系統裡面卻無所不在,所以,我認為不應該把電力儲能服務歸類在輸配電網裡面,它應該是一個獨立的業種,適合放在電力供應業的下面。我們也看到儲能是必要的,雖然現在還不是那麼重要,但卻是強韌電力系統的關鍵。

如果我們有螞蟻雄兵式的儲能系統建置,假設也累積到2GW,也許缺電的問題就可以獲得緩解。如何釋放電力級儲能系統的威力,將是我這一系列文章的重點,讓我們一起來探索儲能的新世界吧!

參考資料:

[1] Dr. Imre Gyuk, Director of ESR at US DOE-OE, Dan Finn-Foley, R.A. E.S. at GTM Research 且 Todd Olinsky-Paul, Project Director at CESA, “State of the U.S. Energy Storage Industry: 2017 Year in Review,” 13 02 2018. [線上].
[2] 陳世芳【麥斯管理顧問公司】, “你應該要知道的智慧電網標準地圖,” 28 8 2017. [線上].
[3] 吳成有【台電綜合研究所】, “大型儲能系統應用案例,” 於 107年太陽光電暨儲能技術研討會, 2018.
[4] Tsvetomira Tsanova, “World adds 98 GW solar, 70 GW fossil fuel power capacity in 2017,” Renewables Now, 09 04 2018. [線上]. [存取日期: 18 04 2018].
[5] Emily Holbrook, “Report: Unprecedented Growth in the Energy Storage Market, Expected to reach 29,300 MW by 2027,” Energy Manager Today, 29 03 2018. [線上] [存取日期: 18 04 2018].

《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。)

關鍵字: #能源科技
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