裝太陽能板、智慧電網,企業依舊會缺電?一場大停電讓綠電的兩難浮上檯面
裝太陽能板、智慧電網,企業依舊會缺電?一場大停電讓綠電的兩難浮上檯面

5 月 13 日,台電高雄路竹路北超高壓變電所匯流排因人為疏失,造成興達電廠 4 部機組跳機,無法正常送出電力。這次事故,導致全台 62 個工業區中,其中 29 個工業區輪流停電,加工出口區以楠梓加工出口區影響較大,區內有日月光半導體、華泰電子、國巨等大廠;三大科學園區中,竹科跟中科分別有 20 多家廠商受影響,南科則有 40 多家廠商受影響。

停電會使得企業損失龐大。為確保電力無虞,企業常見做法包括自行添購發電機、架設智慧電網。近年能源與環保政策獲得重視,企業也擴大使用再生能源,像是採購綠電、或者自行設置再生能源設備。

停電
圖/ 張庭銉攝影

日月光:智慧電網自動降載電壓

半導體封測廠龍頭日月光,因曾經歷2017年815大停電,位於楠梓加工出口區的高雄廠損失900多萬元,促使日月光發展「智慧電網技術」。一旦接到限電通知,智慧電網可以區分哪些是必要用電、哪些是非必要用電,藉由控制中心自動降載電壓20%,並將情形回報給台電系統,將損失降到最小。這次513停電,日月光高雄廠立即啟動備援供電系統,搭配智慧電網等措施,所受影響有限。

台積電:廠區設置太陽能板

另一方面,以台積電為例,2019 年台積電社會企業責任報告指出,除了採購綠電,台積電也在廠區設置太陽能板,新增太陽能板裝置容量 1720 千瓦,已發電量 370 萬度;2020 年持續擴充太陽能裝置容量 655 千瓦,預計發電量可達 527 萬度,全公司 7% 用電總額為再生能源;預計在 2030 年以前,達成全公司生產廠房 25% 用電量使用再生能源。

綠電不是萬靈丹,搭配儲能系統才能穩定

但是光建置綠電相關設備,不足以確保供電穩定。原因在於,再生能源發電情形容易受天氣影響,以太陽能為例,假設沒有日照,就會無電可發;加上電力需要在生產當下就被使用,即使白天日照再多,這些電力依然無法續航到晚上。

因此需要一套「儲能系統」,一來儲存多餘的電力,提供夜間使用;二來自動調度電力、維持電網穩定性。

儲能系統:以電池存下過剩電力,有需要再送出

近期日月光在高雄市衫林國中導入智慧電網技術,因為該所國中地段比較偏僻、用電常會中斷,日月光先透過太陽能板將光能轉換成電力,並進一步儲存在電池裡,同時用智慧電網監控電流量,達到最省電的分配電力方式,過程完全不需要倚靠台電電力。這次遇上興達電廠事件,衫林國中師長表示,電燈只閃爍了一下、其餘電器一切運作正常,但是像宿舍沒有太陽能及電網系統的地方就停電了。

全球電源與能源管理領導廠商台達電,也在金門與台電合力建置「儲能貨櫃系統」。台電表示,金門太陽光電、風力發電等綠能發電占比最高可達 30% 以上,台達電的儲能系統可以平緩再生能源變動,太陽日照充足時,存下過剩電力;有需要時則將電力送出,維持電網穩定。假設遇到跳機,電網也可以自動調整系統頻率,在 0.2 秒內供電救援;相較啟用傳統備用機組,需要 15~20 分鐘,等同快上數千倍。

Solar energy_太陽能
圖/ shutterstock

延伸閱讀:沃旭、上緯、台達都是成員!SEMI成立風能產業委員會,拚本土供應鏈產業化

發展綠電儲能系統的難處:電池貴、地不夠

上述例子可見,即使擁有能源,也必須搭配儲能系統。如果無法儲存、調動,一樣可能面臨無電可用。還記得今年2月中,美國德州遭遇北極嚴寒暴風雪侵襲、造成400萬名用戶大停電的事件嗎?事實上,德州是美國的重要能源重鎮,擁有豐富的石油、天然氣資源,在近年再生能源的趨勢下,也發展風力與太陽能光電。《華爾街日報》報導,2020 年德州電力 40% 來自天然氣發電、 23% 來自風力發電、18% 來自火力發電、11% 來自核能發電。

在得天獨厚的背景下,德州是全美唯一採用獨立電網、擁有自己的電網。但無法從其它地區的電網緊急調度電力,成了隱憂。早在2011年,德州就曾經歷類似的大規模停電,當時聯邦能源管理委員會(FERC)就建議,應該加強電網防凍等基礎設施、發展儲能電備系統,為寒冬做好準備。

但以企業面來說,有其難以發展的地方。先前日月光投控行政長汪渡村在接受本刊專訪時表示,以智慧電網來說,必須搭配儲能系統,才能發揮最大功效,對此,企業遇到的難題,一是電池價格貴,二是土地取得困難。相較學校用電量小,因此可以把技術完整套用,但工廠用電量大,以目前的技術能量而言,電池體積龐大,在既有的加工園區中,很難找到新空地建置電池,即使企業想要自建電廠,也可能因為佔地面積廣、顧及環保問題,受到反彈。

儘管儲能系統還在發展階段,但隨著愈來愈多產業需要儲能,電池價格可望持續下探。《CNBC》舉例,電動汽車電池組在 2010 年時為 1100 美元(約新台幣 3 萬 422 元),到2019 年已降低為 156 美元(約新台幣 4314 元),10 年間下降 85%,假設持續擴大經濟規模,2024 年有可能降低至 100 美元以下(約新台幣 2800 元),未來儲能產業的應用場景將不限於電網、電動汽車、甚至進入住宅場域,公營事業也可能成為儲能產業最大潛在市場,透過整合儲能系統到既有的系統中,在尖峰用電時段協助供應電力。

《CNBC》指出,現在最廣泛應用的電池種類為鋰電池、也有人積極開發固態電池與液流電池,現在無法保證最後哪種電池會勝出,但能確保的是,電池將在我們的中發揮更大作用。

最新6月號雜誌《高價值企業100強》:傳送門
零接觸電子雜誌訂閱:傳送門

資料來源 / The Wall Street JournalCNBC台積電2019年企業社會責任報告書
本文授權轉載自:經理人
責任編輯:錢玉紘

關鍵字: #綠電
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