晚上洗衣服免電費!德州20年的風電經驗,翻轉民眾用電習慣
晚上洗衣服免電費!德州20年的風電經驗,翻轉民眾用電習慣

美國德州發展再生能源20年,目前是全美風力發電裝置容量最大的州,風力發電裝置容量達21GW(十億瓦),占全州用電2成,連電商龍頭亞馬遜也在德州插旗蓋風場。德州開啟了再生能源「全民參與」的時代,也影響民眾的用電習慣。

強化發電量預測,改善電力不確定性

「2019年初曾有一天風電占負載達56%,但電力系統沒有垮,」美國德州大學阿靈頓分校電機系教授李偉仁強調,發展再生能源不是全部都要仰賴再生能源,而是要搭配電力輔助服務,包括抽蓄水力發電廠、儲能設備等。從調度的角度來看,過去是每15分鐘一個調度週期,現在因應再生能源的間歇性問題,則縮短至5分鐘,以補足電力的缺口。

工研院
工研院4日舉辦2019永續能源策略國際研討會,分享美國德州、加州、英國與日本的發展再生能源的成功策略。
圖/ 陳映璇攝影

加上發電的預測也隨之進步,李偉仁指出,現在透過建置計算機房,電腦的預測上也越來越準確,過去是每小時預測未來48小時的發電狀況,現在為了與調度做配合,每小時可預測未來168小時,且5分鐘預測一次,進而改善電力系統的不確定性。(亞馬遜擁抱綠電再催油門,出手投資3座風力發電廠

電力市場鬆綁,再生能源開啟「全民參與」時代

最重要的是,發展再生能源是一個「全民參與」的時代,德州由於電力市場開放,民眾可自由選擇電力公司,且電力公司也會告訴用戶:購買的電有多少是使用再生能源,「有部份民眾會為了環境友善,而購買價格較高的綠電。」李偉仁說。

德州公用事業委員會推出的Power to Choose網站,上頭列出眾多電力公司的選擇,讓用戶自由選擇最適合自己的用電方案。
圖/ powertochoose

此外,德州也有風電過剩的情況,許多電力公司會推出優惠方案,像是晚上8點到早上5點「免費用電」,許多民眾就會在該時間點洗衣服、吹冷氣等,相對地在白天尖峰用電,電費相對比較貴,影響大眾的用電習慣。李偉仁認為,只要政府把法規定出來,電力市場就會慢慢形成。

而台灣則是在2017年1月11日,立法院正式三讀通過《電業法》修正案,邁入電力市場自由化第一步,打破台電長期壟斷的局面,規定台電6至9年內需成立控股母公司,並設發電業、輸配售電業2家子公司,落實電廠與電網分離,並成立電力交易平台,目前台電已著手籌備,預計2024年電力就可自由買賣。(綠能微電網不僅點亮離島,還能翻轉再生能源不穩定印象

台灣訂定2025年再生能源發電占比要從現在4.9%達到20%,以太陽能、風力發電為大宗,得在6年內加緊建置的腳步,不過再生能源先天具有間歇性、不易預測的特性,對併網造成挑戰,對此專家認為電力的調度與發電預測相當重要。

要打造一個低碳能源社會,政府必須從投資到營運與全民共識來考量。工研院院長劉文雄強調,綠色家園絕非一、兩年的目標,美國加州、德州都是十多年前就展開布局,政策的延續性至關重要,且必須跟產業結合,才能走得長久。

往下滑看下一篇文章
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關
AI 智慧代理人時代來臨!三大導入階段, AI 落地企業不卡關

生成式 AI 帶動企業數位轉型浪潮持續升溫,各界不再滿足單一任務型的 AI 應用,而是期盼 AI 能真正成為具備主動決策與多工能力的「智慧代理人」(Agentic AI),在最少人為干預的情況下,自主推進工作流程、完成複雜任務。

但企業導入AI並非一蹴可幾,而是需要對AI有正確認識,並制訂循序漸進的導入流程,才能真正發揮AI功效。在2025台灣人工智慧年會中,cacaFly 聖洋科技技術副總吳振和提出三大導入關鍵階段,深入剖析企業如何從概念驗證(PoC)階段,逐步推進到實際上線(Production),並分享實務經驗與觀察。

延伸閱讀:生成式AI可以怎麼用?cacaFly現身說法,助企業應用GCP服務智慧轉型

解鎖 Agentic AI,企業邁向多任務智慧代理

「很多公司會問,One AI 要做什麼事?但實際上,若要讓 AI 回答公司內部政策或新法條的相關問題,僅靠基礎模型並不足夠。」吳振和指出,要讓 AI 真正成為能「做事」的智慧代理人,前提是它必須理解企業內部的脈絡與知識,並即時掌握外部變動的資訊。

企業必須先釐清內部規範是否與最新法規相符,這意味著系統必須具備持續爬取與解析最新資料的能力。為此,企業必須先截取與整理內容,再建構成專屬的知識庫(Knowledge Base),確保資料品質達到可用標準後,再透過檢索增強生成(Retrieval-Augmented Generation, RAG)技術,使 AI 能夠即時動態查詢並生成符合企業語境的回答。

延伸閱讀:從資料清洗到 RAG,大型語言模型的必需品,做出專屬企業的 AI 知識庫!

吳振和強調,這是一個動態循環的過程:從資料蒐集、品質控管、知識庫建構到生成應用,每一環節都息息相關,任何一處鬆動都會影響最終產出的準確性與可信度。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

破除「一次到位」迷思,從驗證到落地的三大關鍵階段

許多企業對 AI 寄予厚望,因此常將 PoC 視為年度計畫的重點,希望能「一次到位」做出具體成果。但吳振和提醒,若缺乏清楚的系統工程思維,PoC 容易淪為「概念展示」,難以真正走入組織的日常營運。

他將導入 Agentic 系統工程的歷程,分為三個關鍵階段:

1.第一階段:可行性評估(Feasibility Study)
企業必須在投入資源前,先明確界定「最需要被 AI 解決的關鍵問題」是什麼,並進一步設計可量化的驗證指標。這不僅包括評估技術實作的可行性,更要從商業目標出發,釐清導入 AI 的具體使用情境、預期成效與風險邊界,如此才能確保後續模型選型與資料蒐集方向正確對齊業務需求。

2.第二階段:系統設計與驗證(Design & PoC)
在確定導入方向後,必須規劃清楚資料蒐集與整理流程,確保知識庫的內容具備正確性、完整性與時效性。吳振和特別強調,這個階段不能只追求展示效果,而應以「產品化思維」來構築 PoC,使其具備可擴充性、可維護性及安全性,才能為後續上線打下基礎。

3.第三階段:產品化與營運(Production & Operation)
當 PoC 驗證完成後,進入正式上線階段,挑戰也隨之而來。除了需要整合企業內部系統與流程,還必須建立持續監控與維運機制,確保模型表現隨時間演進不會劣化,並能快速回應法規變動或資料更新的需求。吳振和指出,這往往是最容易被低估、但也是最考驗企業組織能力的關鍵環節。

cacaFly 聖洋科技技術副總吳振和
圖/ cacaFly

建立模型優化根基,打造高品質的黃金資料集

吳振和特別強調,要讓 Agentic 系統工程真正發揮效益,企業必須先建立一套高品質的「黃金資料集」(Golden Dataset),作為模型評估與優化根基。他指出,黃金資料集的價值在於能為模型選擇與前測提供客觀依據,讓團隊能針對不同任務挑選最適合的模型,避免導入初期就誤踩方向。

同時,黃金資料集也能協助團隊辨識模型的常見錯誤與脆弱點,進而快速回應「模型飄移」(Model Drift)的風險。吳振和說明,所謂模型飄移,指的是即使模型本身未經改版,效能也可能隨著環境與資料變動而突然下降,導致原本表現良好的模型出現偏差。透過持續比對模型預測與黃金資料集結果,團隊才能即時察覺效能衰退,並進行迭代更新,確保系統長期穩定運作。

從小規模應用起步,漸進擴展至核心業務

吳振和分享,在實際輔導企業導入 AI 的經驗中,最常見的挑戰來自於「期待落差」。許多企業誤認為概念驗證(PoC)階段即可呈現完整的產品原型,然而實際情況顯示,若企業未能建立完善的資料架構與流程基礎設施,即使短期內展現亮眼成效,也難以確保長期營運的穩定性與可持續性。

也因此他建議企業在規劃 AI 導入時,應採取漸進式策略,從小規模應用場景著手,逐步擴展至核心業務領域。企業應將 PoC 定位為整體產品開發生命週期的重要環節,而非獨立的一次性專案。

AI 的導入不僅是一場技術升級,更是企業組織文化與決策流程的轉型工程。唯有從資料治理、流程優化到人才培訓同步布局,才能確保 AI 能在企業內部真正「落地生根」,創造長期商業價值,成為真正的智慧代理人。

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Vibe Coding
© 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