配電網的智慧能力|數位時代 BusinessNext

我們在前面的文章提到，集中式發電與分散式發電在用電之前，都需要經過配電網路（Distribution Grid），配電網路的智慧化攸關低密度集中式發電與分散式發電的成敗，因此狹義的智慧電網，許多人認為就是配電網路的智慧化。

在IEC的架構裡，配電網路的智慧化涉及幾個層面，包括電纜與架空線、配電自動化(Distribution Automation)、現場人力、電力系統營運、企業、批發能源市場。我們今天來聊這裡面最核心的部分：配電自動化（DA）。依稀記得，十多年前，有一位電力產業的前輩告訴我，配電自動化就是智慧電網的前身，讓我印象深刻。

歐洲派與美國派電網設計的差異

全世界的電網系統架構有兩大門派，主流是歐洲派，其次是美國派。IEC說使用美國派的設計的國家，包括美國、加拿大、巴西、墨西哥、澳洲、南非、南韓、愛沙尼亞(Estonia)、拉脫維亞(Latvia)。其他國家則為歐洲派。

歐洲派與美國派電網設計的差異，並非只有交流電頻率或交流電壓的差異而已，而是更形而上的設計理念。歐洲人的眼裡，美國派的電網設計，有許多致命的缺點，包括但不限於：(1) 美規的電力線損失與電壓下降數值均偏大：因為美規的變電站到用電終端的距離較長，最長達241公里(150英里)，而歐規通常在5-20公里之間。電力線的長度越長，則線電阻越大，造成線損與壓降，也就是俗稱電力不穩定的現象，末端用戶可能常常停電跳電；(2) 美規的變電站電力服務品質比較差：美規通常要服務數千個終端用戶，如果不小心停電，用戶的滿意度通常不佳，同時電力公司的營收損失也非常巨大。歐規的上限是1,000個用戶，如果不小心停電，損失可以控制在最小的範圍之內。因此，如果要提高電力品質，限制每條饋線的區域範圍以及饋線用電戶數量使其低於1,000個，是具體可行的方法。

全台灣的配電用變電所（二次變電所），總共293個(11.4KV, 22.8KV, 69KV, 21,986.5MVA, 2017)，9,781條饋線(2016)，配電線路364,947回線公里（2016）。台灣土地面積36,179平方公里，除以總數293個配電用變電所，平均每個變電所服務的面積為123平方公里，平均饋線長度約為37公里。2016年底自動化饋線數達7,080條，比率為72%。

台電的研究顯示，饋線自動化之後，當事故發生時，用於尋找故障與隔離處理的時間，可以從原本要1小時的人工處理時間，縮短到30秒至一分鐘之內。饋線自動化無疑是智慧電網最重要的基礎工程之一，希望早日看到100%自動化。

我們比較美歐台三地的電網可以發現，台灣電網優於美國電網，但是距離歐洲電網還有一段距離。台灣的平均饋線長度大概是歐洲的1.9~7.4倍，明顯落後於歐洲。歐洲的配電用變電所輸入電壓為網狀（meshed）110KV，台灣則是69KV/22.8KV/11.4KV，可以看到歐洲的配電變電所容量普遍會高於台灣，加上設置密度又高於台灣，歐洲電網比較能應付電動車充電的龐大需求。如果我們要真正踏實做好智慧電網，我們應該增加饋線數量、增加變電所數量、縮短饋線長度、降低配電變電所服務的面積、達成100%自動化饋線的目標。我們的電網升級，應該要假設未來有80%的車輛為電動車。

讓配電網增加智慧的設備頗多的，包括但不限於：

自動重合器(Recloser)
分段器(Sectionalizer)
自動電壓調整器(Automatic Voltage Regulator, AVR)
無功功率調整器(Reactive Power Regulator)
故障指示器(Fault Indicator)
智慧電子元件(Intelligent Electronic Devices)

當電力系統受到干擾的時候，自動重合器與分段器可以重組饋線(Feeder)，維持穩定。分散式太陽能併網之後，容易造成饋線的電流變化，此時AVR扮演一個穩定電壓的角色，保證用電戶無論功率高低都可以得到穩定的電壓。

無功功率調整器通常是電容銀行(capacitor banks)與控制器，作用在於提高供電效率、降低耗損、過濾諧波、提高電網抗干擾的能力，在電力系統當中扮演一個非常重要的角色，如果配置不當，會造成電壓波動或諧波增大的壞處。無功功率調整器是許多設備的統稱，包括但不限於：

帶AVR功能的同步發電機(Synchronous generators - with AVR)
同步電容器(Synchronous condensers)
靜態虛功補償器（Static VAR Compensators, SVC)
靜態同步補償器(Static synchronous compensators, STATCOM)
有載分接頭切換器(Online load tap changer ,OLTC – for transformers)

細節我們以後再撰文說明。

故障指示器又稱為節點監測裝置、線路監測器、故障監測器、故障電路指示器，顧名思義是幫助巡線人員找出電力系統故障位置的一種裝置，徹底改變過去盲目巡線，分段合閘送電查找故障的落後做法，減少停電時間與停電範圍。量產型的故障指示器，通常具備廣域無線通訊(Wireless WAN)的功能，把偵測的訊號送回電力公司，內建衛星定位系統，精準地描述故障位置。其電力來源主要是感應取電，利用線圈感應的方式產生電力，提供故障感測器使用，不影響電網的運作，內建超級電容器，延長設備作用時間。由於通常安裝在戶外，其抗靜電（ESD）能力也比較高，一般達到30KV。如果線路故障，2秒之內線路電流恢復正常，說明自動重合器作用成功，故障點被排除，恢復正常供電狀態，故障指示器恢復正常狀態。如果停電時間超過2秒，則判定為線路故障，故障指示器持續發出警告，配電控制中心很快地找出故障點，透過手機簡訊或IEC智慧電網中現場人力系統的手機APP，把訊息發送給相關人員，讓維修人員迅速趕到現場處理。

智慧電網可以增加電力公司的收入與獲利，對於某些電力品質要求比較高的產業，例如半導體晶圓廠，國外電力公司提供比較好的電力品質，同時也收取比較高的電費。智慧電網應該是一種增加電力公司營收的武器，而不是增加成本的負擔。一點點經營哲學上想法的改變，回頭看智慧電網的角色，就會不一樣。

軟體是智慧電網的核心，智慧的來源

軟體是智慧電網的核心，智慧的來源。對於長距離的饋線(美規)來說，即使電力供應充足，饋線末端用電戶在夏天中午打開家裡的冷氣機，也可能造成熱過載(thermal overload)的危險，此時智慧自動卸載軟體(Intelligent Load Shedding, ILS)，可以及時發揮作用，保護電網。此軟體可以分析需要卸除的最小負載量(Load Preservation Analysis)、回復正常的負載使用(Load Restoration Analysis)、驗證負載卸除的功能（Load Shedding Validation）。當然，你家裡必須安裝智慧電表，ILS才會發揮作用。

歐洲的電網公司覺得沒有必要做饋線自動化，因為高密度的配電變電所使用許多自動保護繼電器（MCU-based protection relay）、間隔控制器(Bay Controller)、遠端終端單元(Remote Terminal Unit)，確保容易遠端控制以及降低停電時間。網狀的輸入電壓（110KV），讓配電變電所擁有多個輸入電力選擇，萬一有故障，還有備援線路可以正常供電。歐洲電網的饋線負載，都經過精密的規劃與量測。萬一電力系統故障，影響的客戶數量較少，損失也比較容易控制。歐洲先進的電網架構有許多值得我們可以學習的地方。

然而，分散式發電改變了歐洲電網。太陽能發電產生的低壓電與風力發電產生的中壓電，造成電網電壓不穩定，例如超過設計值10%的電壓變化。傳統無方向性過電流保護繼電器（non directional Overcurrent protection relays）已經無法保護歐洲電網。歐洲正在開發新的分散式能源資源系統（DER），來強化配電網，使其接納更高比例的風電與太陽能。

智慧電網是電力公司新增營運模式，提高營收與獲利的武器。我們分析比較台灣、歐洲、美國的電網架構，同時看到歐規、美規電網的優缺點，也看到台灣電網可以進步的方向。饋線自動化是建置智慧電網前重要的基本功，我們應該假設未來有80%的交通車輛是電池電動車，在這個假設之下，我們的電網架構將與現在完全不一樣。

參考資料：

IEC, 2010, “IEC Smart Grid Standardization Roadmap”, Prepared by SMB Smart Grid Strategic Group (SG3), Edition 1.0
IEC, 2017, Elements of the Smart Grid
IEC, 2017,“Smart Grid Standards Map”
維基百科, 2017, "電抗"
臺灣電力公司, 2017,"台電系統介紹"
臺灣電力公司, 2017, "歷年用戶數明細"
臺灣電力公司, 2017, "2017永續報告書"
臺灣電力公司, 2007, "2007永續報告書"
維基百科, 2017, "穩壓器"
百度百科, 2017, "无功功率补偿"
百度百科, 2017, "静止无功补偿器"
ABB, 2017, "Static Var Compensation (SVC)"
Ahmed Faizan, 2017, "Reactive Power Support and Voltage Regulation in Power System Part 2"
蘇品文/吳啟瑞, 2016, "具太陽能發電之配電饋線電壓控制"
奧克斯集團, 2017, "聽說，故障指示器是配電網的下一個風口？"
Swarnab Banerjee, ADI能源管理產品部門系統工程經理, EE Times Taiwan, 2017, "新世代電力線感測器：電力採集、連結與低維修量"
ETAP, 2017, "Intelligent Load Shedding"

《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。）

AI 正快速改變消費者探索商品、接觸品牌的方式，也為零售業帶來新的成長機會。然而，當 AI 從個人使用工具逐步走向企業營運，台灣零售業的轉型腳步仍有落差。財團法人人工智慧科技基金會《2026 台灣產業 AI 化大調查》顯示，台灣零售業的 AI 應用仍存在明顯差距，資源有限的中小企業尤其面臨挑戰。對照全球已有 62% 的企業開始布局 AI Agent、近五成運用 AI 投入高價值決策，如何將 AI 從單點工具導入，真正成為零售成長的助力，已成為品牌必須面對的課題。

全方位零售整合專家 SHOPLINE 於 9 月舉辦「AI-Verse Day 2026」年度大會，以「Where AI Meets Commerce」為主軸，邀集零售與科技業者，從流量獲取、數據應用到會員經營，探討 AI 落地零售場景的實戰路徑。服務全球累計逾 70 萬品牌的 SHOPLINE，也在會中宣布邁向 AI in Retail，推出官方 MCP（Model Context Protocol），進一步串聯零售數據與 AI 應用，協助品牌掌握新興 AI 流量入口，為下一階段的智慧零售布局做好準備。

SHOPLINE 預告：零售下一個流量入口是 AI

2026 年上半年，SHOPLINE 客戶 GMV 年增 20%，是電商大盤成長率的 2.5 倍。「這代表我們與品牌客戶一起把生意做大！」SHOPLINE 台灣總經理葉力維指出，從全球市場來看，尤其是以北美為主的 SHOPLINE 客戶，來自 AI 渠道的流量 PV 較去年同期成長 15 倍，訂單量更成長 35 倍；相較之下，台灣 AI 渠道流量 PV 約成長 2 倍，顯示 AI 導流的商業潛力正逐步浮現，台灣品牌仍有很大的成長空間。

當品牌越做越複雜，從多通路走向全域經營、數據與規模擴大，如何確保資料品質、打通資訊孤島，並兼顧資安與治理，成為 AI 能否真正落地的關鍵。為此，SHOPLINE 提出四大 AI 佈局方向：首先，建立 AI Ready 數據基礎，整合分散的零售資訊，為 AI 應用做好準備；其次，深化 MCP 布局，讓品牌能依照自身需求，自主選擇並串接不同的 AI Agent；第三，成立 AI 轉型委員會，將 AI 導入內部工作流程，推動服務模式從執行任務進一步升級為洞察客戶需求、提供策略建議；最後，擴大 AI 夥伴生態系，開放第三方開發者串接垂直領域的 AI 應用，讓品牌能更靈活地組合所需工具。

「過去十年，SHOPLINE 陪伴品牌走過每一次通路變革。每一次流量入口的改變，其實都代表著品牌經營方式的改變；而下一個入口，就是 AI。」葉力維表示，當 AI 開始影響消費者探索商品、發現品牌與完成購買的路徑，品牌不能只停留在導入單一工具，更需要提前整備數據、串接應用並建立治理能力。接下來，能否做好 AI Ready 的準備，將成為零售品牌掌握下一波成長機會的關鍵。

SHOPLINE 推官方 MCP，助攻品牌落實 Agent Ready

品牌該如何做好 AI Ready 的準備？SHOPLINE 產品副總賴哲文指出：「人、貨、場的接觸點沒有改變，改變的是誰做決定、誰做執行、誰做判斷。」

當 AI 逐步介入零售場景，消費者、員工與企業的角色也隨之改變：做決定的是消費者，當消費者問 AI「我該買哪個品牌」，品牌能否出現在答案裡是第一個挑戰；執行的是員工，員工則可將部分執行工作交由 AI 處理，將更多精力投入判斷與決策；做判斷的是企業，AI 能否提供可靠的洞察與建議，關鍵仍在於數據品質，以及能否有效運用既有數據資產。

要讓品牌被 AI 理解與推薦，品牌經營也必須從傳統 SEO，進一步走向 AIEO（AI Engine Optimization），讓商品與品牌資訊具備良好的結構與可讀性，才能提高被 AI 採用、推薦及導流的機會。對此，SHOPLINE 提出三層 AI Ready 架構：以「AI Ready Data」整合高品質、可供運算的零售數據；透過「AI Ready Commerce」讓商品資訊與交易流程能被 AI 理解和銜接；再以「AI Ready Agents」串接品牌自主選擇的 AI Agent，逐步將數據基礎延伸至實際應用。同時，SHOPLINE 也透過第一方數據歸因，改善消費者身分碎片化、數據時效性不足與成效歸因不清等問題，讓原始數據能進一步支援 AI 分析與決策。

在工具應用上，SHOPLINE 推出官方 MCP，涵蓋流量轉換、數據分析、商品管理與會員經營等場景。品牌可在 Claude 中透過輸入零售 skills，搭配 MCP Tool 的後台相關能力，進一步產出數據洞察報表與執行建議，讓 AI 從資訊整理延伸至實際的零售工作流程。為兼顧應用效率與資料安全，SHOPLINE 也設下三道防護機制，包括涉及資料寫入時須經人工核准、個人資料須取得授權才能存取，以及依照角色與需求進行權限分級。

「Agent Ready 就是入場券。」賴哲文強調，當 AI Agent 開始參與消費者決策與企業營運，品牌不只要讓 AI 看得懂商品，更要讓數據能被安全地運用、讓不同工具能順利協作。

除了產品之外，SHOPLINE 也致力發展 AI 開放生態圈，邀請各領域夥伴分享引流、口碑、營運與顧客經營的應用方向。此次大會邀請數聚國際、Tagnology、BUNNYWORK、beBit TECH 微拓科技，以及女性高效身體保養品牌 HYPHY，攜手展示 AI 如何串聯流量獲取、行銷轉換到顧客經營等零售場景。

Justar 運用真實發票數據，提升廣告投放效率

廣告投放端同樣面臨轉變。「市場愈來愈大，轉換效益卻愈來愈低。」紅門互動及Justar 數聚國際執行長張元溢分析，投放效率下滑，源於成長結構改變：影響消費者的場域更分散，找人的方式從興趣推測走向真實行為，素材也無法一套打完全場。

對此，Justar 運用 AI 結合電子發票數據，以 AI 廣告投放平台結合全台規模領先的雲端發票消費資料庫，涵蓋超過 20 億筆雲端發票、700 萬名消費者及 3,200 萬項商品。其「AI 廣告受眾推薦引擎」可依商品特性生成受眾輪廓（Persona），比對發票資料庫、找出真實買家作為種子受眾，而非僅依賴瀏覽紀錄或興趣標籤，再由 AI 自動擴充相似受眾、生成並優化素材，並依成效動態調整投放策略與預算配置。

張元溢強調，從真實種子到規模化放大，重點在於找到更多相似的人。同時觸及也須走出社群，延伸至 RMN 聯播網、社區 App 廣告與戶外媒體。他以「三人成虎」形容，藉創作者短影音加上跨場域廣告加深印象，才能為品牌實現「線上找到人，線下讓他記住你」的成效。

BUNNYWORK 推 AI 營運特助，主動預警缺貨與滯銷也發掘成長機會

除了行銷之外，AI 也開始深入零售業的日常營運，協助品牌從事後處理走向事前預測。BUNNYWORK 創辦人周于如指出，電商營運常面臨幾大痛點：商品售罄後客戶問了才發現缺貨、補貨數量仰賴 Excel 與個人經驗判斷，滯銷商品也往往要到季末才浮現。「營運方式不同，留下的利潤差很多。營收決定你做多大，營運才決定你能留下多少利潤。」

針對這些痛點，BUNNYWORK 推出定位為「會思考的電商 AI 特助」的解決方案，目標是讓電商營運進入「自動駕駛」。傳統 ERP 只負責被動紀錄營運數據，BUNNYWORK 則讓 AI 24 小時主動盯盤：根據銷售數據提前發出缺貨預警、產出補貨建議單，並每日掃描商品銷售速度，一旦偵測到滯銷風險，即透過 LINE 推播提醒品牌及早規劃促銷、加速庫存去化與資金回流。除了提前規避風險外，AI 也幫助電商看見潛在機會：偵測到爆款潛力的商品，提醒品牌提早加碼備貨、調整廣告資源，把握成長時機。

至於 AI 為什麼能提供可靠的營運建議？背後仍取決於數據基礎。周于如解釋，ERP 串聯商品、銷售與庫存等不同環節的數據，並即時同步多通路的商品與庫存資訊，讓 AI 掌握完整且即時的營運全貌，同時降低超賣風險。「唯有建立乾淨、即時的資料基礎，AI 才能進一步辨識缺貨與滯銷風險、並發掘銷售成長機會，協助品牌提前應對、做出更精準的決策。」目前品牌平均約 7 天即可完成導入。

精兵團隊導入 AI，解決流程瓶頸再創高成長

從流量獲取到營運效率，AI 的價值最終仍須回到顧客經營與商業成效。大會壓軸的高峰沙龍回到會員經營。beBit TECH 商務長譚學凱指出，OmniSegment CDP（顧客數據平台）能整合分散的顧客資料，建立 360 度顧客輪廓，進一步支援跨渠道的精準經營；旗下導購型 AI Agent「AgentBit」，提供對話式分眾，讓使用者與 AI 對話就能快速打包推播受眾，不再需要手動設定篩選條件；商品興趣預測則以 AI 學習客戶的行為軌跡，自動將高相關商品推送給高潛力買家；AI 智慧分析更只需透過問答，即時分析品牌檔期成效與提供優化建議，並能一鍵調整現有顧客旅程。透過 CDP 與 AI 功能加乘，大幅提升行銷團隊協作效率，並支援逾 2,000 種 OMO 跨通路智慧推播，協助品牌更有效地觸及目標客群。

HYPHY 品牌共同創辦人林又立分享，品牌長期透過 LINE 經營千人會員社群，希望在規模化經營的同時，仍保有一對一對談的親切感與即時回覆的能力。導入 AgentBit 後，團隊能透過 AI 對話快速完成受眾分群，並取得具體的行銷優化建議，降低操作門檻。以單檔活動為例，LINE 發送量僅為原先的 15%，點擊率卻提升 227%，EDM ROAS 更提升至原先的 3.3 倍，展現 AI 協助品牌提升溝通效率與行銷效益的潛力。

對於資源有限、希望嘗試 AI 的品牌，林又立也分享了務實的做法：「不要一開始練跑就想著今天要跑全馬，先踏出第一步，把目標定在到達下一個電線桿就夠了。」與其一開始就追求全面轉型，不如從具體的營運需求出發，逐步找到適合 AI 發揮的場景。

活動尾聲，葉力維也提醒，品牌導入 AI 前，應先盤點內部工作流程，找出真正影響效率與成效的瓶頸，再思考如何運用 AI 改善。「那就是你最該導入 AI 的地方。把 AI 放在流程上，才是關鍵。」與其為了導入 AI 而導入 AI，先解決實際問題，才能讓技術真正轉化為營運成果。