【513大停電】經濟部拚9點40分恢復!興達電廠機組跳脫影響846萬戶,電費帳單秒看是否停電
【513大停電】經濟部拚9點40分恢復!興達電廠機組跳脫影響846萬戶,電費帳單秒看是否停電

【19:00 更新】

針對今日513台電興達電廠停電故障事件,導致全台目前已經開始分區停電超過3小時,經濟部長王美花晚間主持記者會表示,影響400萬戶,C區跟D區各200萬戶。

對全台分區輪流停電,經濟部部長王美花除率隊向社會大眾致歉,但也表示,現在已經開始送電,由於燃煤的備轉機組開始運作時間較久,晚間19點10分以後影響戶數減少,21:40分以後將全部恢復供電。

今日下午2點37分興達電廠因為電壓驟降220萬千瓦,佔尖峰負載6%,自動啟動低頻卸載,確保電容安全,約卸載100萬千瓦。

原預測負載5月尖峰負載3,500萬千瓦,但今天實際用電量3,670萬千瓦,高出預測170萬千瓦,因此本來安排機組歲修,下週才陸續回來,包括林口麥寮三號機及核三場1號機,三組合計供電240萬千瓦。

台電表示,主要原因是兩個:

  1. 負載增加
  2. 水文狀況不好,水力發電減少80萬千瓦,抽蓄機組減少發電。

至於為何要全台執行,是因為考量維持全國電網穩定安全,所以不能集中某一區降負載,分CD區是突發性限制用電,可能使用戶電力權益受損,所以才50分鐘分區。台電解釋,7點為何陸續供電是因為機組要熱機,燃氣跟燃煤要時間熱起來,所以有供電時間落差。

16:00

國家警訊通報在今天下午3點發出緊急通知,台電於13日下午2點37分因興達電廠事故全廠停機,因系統供電能力不足,在下午3點開始執行緊急分區輪流停電。而這次發生無預警大停電,就連台電官網也當機。

停電
圖/ 螢幕截圖

停電原因:高雄超高壓變電所故障

關於停電原因,台電說明,因高雄市路竹路北超高壓變電所匯流排故障,導致興達電廠共4部機組跳脫,造成系統頻率驟降,台電立即啟動低頻卸載,並採取分區輪流供電機制,同時緊急搶修設備,將會陸續恢復供電。

興達發電廠目前共有4部燃煤機組及5部燃氣機組,總裝置容量達4325.95MW,次於台中發電廠及大潭發電廠,是台灣第三大發電廠。

台電發言人張廷抒說明,「這是電網的故障,電源是夠的,今天機組都正常。」台電進一步解釋,電網為了保護發電機安全,當頻率低於59.37赫茲會自動跳脫,造成興達電廠4部機組跳脫,造成電網的衝擊,因而啟動分區輪流停電。

針對外傳的電力不夠、興達電廠冒煙、太陽光電力下降,發言人指出並不是事實,且今天的備載容量還有10%以上,供電正常。關於事故原因,台電表示還要深入了解,目前以搶修恢復供電為第一優先。

限電時間

今日因高雄市路竹路北超高壓變電所匯流排故障,導致興達電廠電力無法輸出而跳機。為確保電網安全,採取分區輪流供電機制,目前針對C組與D組進行輪流停電,同時緊急搶修設備,將會陸續恢復供電。

第一輪限電時間1500-1550,限電量300萬瓩,限電戶數約200萬戶。 第二輪限電時間1550-1640,限電量300萬瓩,限電戶數約193萬戶。 第三輪限電時間1640-1730,限電量350萬瓩,限電戶數約224萬戶。 第四輪限電時間1730-1820,限電量350萬瓩,限電戶數約229萬戶。

影響戶數共約846戶,是否進行第五輪限電,需視恢復供電情況而定。民眾如欲了解是否屬C組或D組,請參閱電費帳單其他資訊欄「輪流停電組別」。

電費帳單
圖/ 台電

至於為何是停電的是C、D組?張廷抒說,用戶共1400萬組分成6組,每組約200多萬戶,上次815大停電緊急停A、B組,這次停C、D組,台電評估這次停電規模較上次小、復電速度也會更快,造成停電事故,台電對此表示抱歉,目標在今天內恢復供電。

新北市多處停電,全台有201起電梯受困

停電大約兩個小時後,全台各地持續傳出零星狀況,許多地區街道上紅綠燈、路燈也不亮,也有多處辦公大樓停電。

新北市長侯友宜發文表示, 目前15:00-15:50停電區域為土城、板橋、中和、永和、新店、五股、新莊等,每50分鐘分區停電,下一波15:50-16:40停電區域為樹林、新店、新莊、板橋、中和。

截至下午5點,各地消防機關回報,全國共計發生201件電梯受困,其中153件已脫困,48件處理中。

而在各科學園區方面,已持續清查受影響之用電廠商,並配合台電公司通知廠商因應,目前已知約55家22.8 KV的用電廠商受影響。此次停電科學園區161KV用電廠商未受影響,受影響為22.8KV用戶,包括竹科生醫與宜蘭園區27家、中科台中及虎尾園區21家以及南科台南園區7家。各科學園區管理局配合台電通知廠商輪流停電,以降低停電所造成之影響。

科技部表示,各科學園區與台電公司平時已建立聯繫管道,本次輪流供電將配合台電通知廠商預為因應,目前科學園區整體營運不受影響。

上一次大規模停電是發生在2017年的「815大停電」,當時於8月15日16時51分起,台灣本島各地發生大規模無預警停電事件,起因為台灣中油對台電大潭發電廠的天然氣供應管線,因巨路國際公司更換卡片不當造成意外停止運作,導致大潭發電廠6部機組全部跳停,造成電力備轉容量不足,進而啟動保護措施而分區停電。

根據官方資料顯示,興達發電廠於民國69年12月成立,位於高雄市永安區與茄萣區交界,廠區面積約135公頃,因應南台灣工業發展及電力供需平衡所建,共建置了四部燃煤機組,五部複循環機組,兼具低成本及低碳環保發電方式的電廠。

興達電廠主要以燃煤發電,1年要燒掉600萬噸燃煤,目前裝置燃煤機組四部及複循環機組五部,總容量430萬瓩,年發電量超過200億度,供應全台灣近七分之一的電力,如下表所示為裝置容量。

責任編輯:錢玉紘

關鍵字: #台電
往下滑看下一篇文章
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻
AI NAS 何時才值得部署?QNAP 拆解地端 AI 的成本、算力與資料門檻

當資料不能離開企業,運算就得靠近:AI 先改寫儲存架構

AI 帶來的第一個變化,不只是運算能力提高,而是企業必須重新決定資料放在哪裡。

儲存架構大致分為雲端與地端兩塊,QNAP 身為資料安全的守護者,長期發展的是地端網路儲存設備(NAS),並擴展至 25GbE、100GbE 高速網路交換器產品線,提供完整的儲存與高速網路基礎架構。威聯通科技(QNAP)總經理劉文義解釋,當資料因合規要求或敏感度不能上雲,就必須留在靠近使用者與應用的地方;運算需求一旦增加,承接資料的裝置也自然被推向地端 AI。

不能上雲的名單比想像中長。醫療業持有大量醫療個資,金融與保險業受到合規與法規限制,部分大學院校與設計公司也不希望資料被雲端存取。對這些組織而言,問題並不是雲端好不好用,而是一開始就沒有把核心資料全面上雲的選項。

qnap2.jpg
威聯通科技(QNAP)總經理暨威強電集團(IEI)董事長 劉文義
圖/ 數位時代

真正讓更多企業回頭計算的,則是長期成本。劉文義指出,資料上傳雲端可能免費,下載卻會按流量收費;當企業把一年、兩年、三年的費用加總回推,可能會發現,購買一台同等容量的 NAS,還能使用 7-10 年。資料規模愈大、存取愈頻繁,總持有成本的差距就愈值得評估。

這並不代表雲端與地端只能二選一。雲端仍適合模型訓練、程式開發與波動大的工作負載;地端則較適合高頻存取、對延遲敏感,或不能離開企業邊界的資料。企業真正要回答的,是每一類資料與任務應該放在哪裡。

依 QNAP 觀察,客戶過去關心的是需要幾 TB、幾 PB,或備份速度有多快;現在更常問的是,機器裡的資料要如何被 AI 活用。QNAP 也從 2021 年起,把公司發展定調在 AI 與高速網路的融合,試圖讓 NAS 從資料保存的位置,進一步成為資料被調用的位置。

當資料量持續擴大,搜尋與管理方式也會跟著改變。「在 NAS 裡放入 AI Agent 會越來越不可或缺。」劉文義舉例,當照片累積到 10 萬、20 萬張,要找出其中幾張特定畫面,已不可能只靠人工翻找。此時,能理解內容、接受自然語言指令的 AI 工具,會從加分功能逐漸變成必要條件。

從資料治理到地端推論:AI NAS 如何進入企業工作流?

AI NAS 不是「多了 AI 功能的 NAS」,而是 NAS 在企業工作流裡換了位置。 依 QNAP 觀察,目前客戶大致分布在一條導入光譜上。人數最多的一群,仍在把資料集中、分類、清理與建立權限。這一步看似與 AI 無關,卻決定後續系統能不能找到正確資料、辨識版本,並把答案交給有權限的人。

中間一群開始建置私有的檢索增強生成(RAG)知識庫。RAG 並不是重新訓練一個模型,而是在模型回答前,先從企業的 SOP、合約、法規或技術文件中取回相關內容,再產生附有來源依據的答案。QNAP 以 Qsirch 的語意搜尋能力協助建構這類應用,協助企業建立私有知識庫;而走在最前面的少數企業,則已經嘗試地端推論與 AI Agent。

模型的選擇權,QNAP 刻意留給客戶。知識庫背後採用哪一個模型,可由企業依需求決定,不綁定單一 AI 供應商。QNAP 也以 QuAgent AI 助理與模型情境協定(MCP)相關能力,讓管理者透過自然語言查詢狀態、調整設定,並讓 NAS 成為 AI Agent 可調用的資料節點。

不過,劉文義沒有把這條路說得太容易。他坦言,目前 NAS 硬體的 AI 運算能力仍有限。一般企業期待的應用,可能需要約 300 到 800 TOPS,甚至 1,000 TOPS,因此多數方案會以 NVIDIA 顯示卡補足算力;一張卡約需新台幣 10 萬至 12 萬元,一張算不完,就得配置 2 張或 4 張。

「整體成本可能是過去單獨一台 NAS 的 5 倍到 10 倍,並不是大部分中小企業都能接受。」除了硬體,使用者還需要 AI 應用的 Know-how、程式背景與開發資源,這些都是落地成本。

QNAP 則是透過算力分級讓各規模與需求的企業都可以有適合的解決方案。在 Computex 2026 搶先亮相的 QNAP AI NAS 中,一類是採用含有 iGPU 與專屬 NPU 的處理器平台,以一百多 TOPS 的範圍,可順暢使用 AI 應用程式;另一類機種則可安裝 1 張或 2 張 NVIDIA 顯示卡,處理更大的運算量。

同時 QNAP 也在軟體端也持續開發,目標是讓 NAS 裡的資料更有效率地被 AI 工具調用,讓資料成為有價值的知識。

從規格走到現場:能源公司如何導入私有 LLM?

本地 AI 實際落地部署會是什麼模樣?劉文義舉了一家約 50 多人的能源公司為例。這家公司原本想用 NAS 搭配雲端 AI 建置內部資料庫,但很快遇到兩個瓶頸:一是員工查詢時明顯出現卡頓;二是專利、技術與合約都高度敏感,高層不願上傳至公有雲,擔心機密資料會有外洩的疑慮。

後來,該公司導入 QNAP AI NAS 的旗艦機種 QAI-h1290FX,搭配顯示卡與全快閃 SSD,在地端部署私有大型語言模型,把數十年來封存的靜態檔案交給 AI 調用,進行跨檔案摘要與精準搜尋。員工因此省下翻找合約與報告的時間,核心機密也能留在企業內部。

這個案例說明,若任務範圍明確,有些應用不必動用雲端大型模型,地端運算量就可能足以支應。

但不同企業的資料量、查詢方式與模型大小不同,導入前仍需要概念驗證(POC)與技術人員評估。

而且,資料留在地端並不等於自動安全。企業仍要處理帳號權限、網路隔離、備份復原、漏洞修補與日常維運。地端的價值,是讓資料邊界與控制權回到企業手上;相對地,安全責任也會更直接地回到企業。

哪些企業現在該做,哪些再等?先看重複性與三個條件

能不能導入地端 AI,不只由產業標籤決定,也要看工作是否重複,以及場景能不能被清楚定義。劉文義觀察,第一批走進來的,除了受法規限制的醫療、金融與保險業,也包括利用地端 AI 加速資料處理的科技業,以及會計、律師等有大量重複文書工作的專業服務業,因為效益較容易被看見。

工廠也是可預期的場景。一條生產線可能有 10 台、20 台機器,每台處理與儲存資料的 Protocol 都不同,需要相對應的儲存裝置;生產過程累積的影像與紀錄可能要保存 3 年到 5 年。當企業要跨設備調用這些資料,AI Agent 與地端資料節點就有發揮空間。

「重複性資料處理越多,或重複性動作越多的產業,越容易透過導入 AI 提高工作效率。」反過來說,較傳統、人力密集,或仍高度依賴人工判斷的製造業,短期內未必能快速導入地端 AI。

依 QNAP 提供的資料,企業也可用「高頻、大量、敏感」三個條件做第一輪判斷:資料是否被頻繁調用?規模是否大到雲端傳輸與長期費用開始變得明顯?內容是否涉及個資、法規、智慧財產或商業機密?三個條件愈集中,地端部署愈值得評估;三者都不成立時,使用雲端 API 往往更簡單,也可能更划算。

可以先等的企業,大致也有三種。第一,資料仍分散、版本混亂、權限不清,急著上 AI 只會把混亂放大,先完成集中與治理,效率就可能先提升。第二,找不到一個具體且反覆發生的業務痛點,只因為「別人都在做」而採購,設備很可能變成昂貴的展示品。第三,使用量仍小、需求偶發,現階段雲端的彈性反而更有優勢。

因此,POC 不應只驗證「模型答不答得出來」,還要回答三個問題:資料由誰負責,誰可以存取?導入後能節省多少查找時間、傳輸成本或人工作業?正式上線後,誰負責資料、模型與資安維運?只有當效益與責任都能被量化,才適合從展示走向正式部署。

企業願意把部分資料留在自己的機房,動力最終仍回到資料主權。QNAP 的主要市場分布在歐洲、美洲與亞太,其中歐洲占比將近一半,而歐洲也正是全球推動資料主權的最大動力。

QNAP 的產品已取得 ISO 27001、ISO 27017 與 ISO 27018 等多項認證,並滿足 GDPR、HIPAA 等資料保護與法規遵循需求;累積至今,已售出約數百萬台裝置,協助企業打造智慧、安全的儲存方案。

至於普及時間點,劉文義提出一個明確的價格與效能交會點:地端應用若要順暢運作,運算量可能至少要達到 300 至 600 TOPS,甚至 800 TOPS,同時價格要落在新台幣 5 萬至 8 萬元。目前符合這些條件的硬體方案仍很有限。

qnap3.png
「AI NAS 不是多了 AI 功能,而是改寫了資料在工作流的位置。」威聯通科技總經理劉文義坦言,地端算力成本高昂,QNAP 透過「算力分級」與開放模型架構,助企業逐步建構私有 RAG 知識庫與 AI 團隊。
圖/ 數位時代

「預測約兩、三年後,應該很快會看到符合一般大眾期待、具備合理 CP 值的產品。那個時間點,就會是 AI 落地最蓬勃發展的時候。」在此之前,企業真正能先做的,不是搶著買最大的模型或最昂貴的顯示卡,而是把資料治理、使用權限與高價值場景準備好。

QNAP 以「資料煉油廠」比喻自己的角色:原油再多,沒有整理、提煉與配送的過程,也無法成為可用的能源。這個定位也點出地端 AI 的競賽條件——不是誰先買到算力,而是誰的資料先準備好被調用。模型會持續更換,但企業自己的資料層則會長期存在。

AI NAS 不是把模型塞進儲存設備,而是在資料必須留在企業內時,讓搜尋、推論與管理靠近資料的地端節點。

QNAP World Tour 2026 台北場將於 2026 年 9 月 18 日(五)舉行,現場將聚焦 AI 應用、儲存備份、網通產品、資安與監控,並安排 Live Demo,適合 IT 管理者、系統整合商與企業決策者參加。

活動地點:新板希爾頓酒店|如意 AB 廳

活動時間:09:20–16:00

地址:新北市板橋區民權路 88 號 2F

立即報名:https://bnex.tw/9f7my4

2026 QNAP 台灣企業資安韌性大調查,填問券抽好禮,倒數計時:https://www.surveycake.com/s/q4abw

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