到了夜尖峰會缺電?再生能源能撐起幾成?台電總工程師一次解答6大關鍵QA
到了夜尖峰會缺電?再生能源能撐起幾成?台電總工程師一次解答6大關鍵QA

經濟部能源局在上週公布《2022全國電力資源供需報告》,去年全年用電量約2794.5億度,用電量較前一年下降1.32%,並預估接下來2023到2029年未來7年國內用電需求年均成長率約2.03%,較2022年預估下修0.27%,顯示受到全球景氣不佳,電力需求下滑。

但用來衡量電力系統供電可靠度指標「備用容量率」在2023至2024年分別從14%、17%,下修至9.5%、10.2%。照理來說,尖峰負載的減少,備用容量率應是增加,怎麼會是減少?是否意味供電吃緊?《數位時代》專訪台電專業總工程師暨發言人吳進忠,說明台電如何改變電力調度手法,來因應新的電力型態。

Q:新版電力供需報告指出,2023至2024年夜間備用容量率下修到9.5%、10.2%,代表晚上特別容易缺電嗎?

吳進忠(以下簡稱吳) :備用容量率對應的是供電能力,但供電能力跟即時電力調度不同。今年水力發電,在夜尖峰(指傍晚6點到9點)最大出力可以到170萬瓩,但在計算備用容量不能這樣算,需要估的低一點。

而汽電共生最大供電能力到160萬瓩,它可以配合尖峰負載(指用電的最高值)的需要來做調度,但在計算備用容量時,只能算到120萬瓩。

所以台電在電力調度上會更彈性,包含需求面管理(指用電大戶參與需量反應措施),可是備用容量的計算不能算需求面管理,只能算各發電機組正常發電情況下,可提供的最大發電容量。

吳進忠_台電發言人兼專業總工程師_2023-05-22_侯俊偉攝影_ (5).jpg
台電現在的供電挑戰在於傍晚6點到9點的「夜尖峰」,除了透過調度水力發電、汽電共生外,同時也透過需求面管理,提升電力調度彈性。
圖/ 侯俊偉攝影

我們當然需要有比較高的備用容量率,但這涉及到電源開發,現在台電、能源局都很努力在做,我們也希望地方政府,在確保居民的用電、衡量地方產業的發展,來支持各項電源開發。才能讓規劃的備用容量,如規劃目標來達成,增加電力調度彈性。

備註:備用容量率 = 備用容量 ÷ 系統尖峰負載x100%

Q:今年台電實施新的時間電價,這對於「需求面管理」有什麼幫助?

:過去台灣的用電尖峰在下午2~3點用電量最高,但現在白天供電已不是問題,主要來自太陽光電的貢獻,現在只要是天氣狀況良好、不下雨,太陽光電發電量都能達到600萬瓩。

現在的問題是夜尖峰,「所以我們想辦法把夜尖峰負載轉移到白天,因為我供電裕度大,希望大家在白天用電。」

台電透過時間電價來因應,過去尖峰電價為上午10~12點、下午1~5點;為了減少夜尖峰負載,今年1月起,下午4點到晚上10點是尖峰電價,白天變半尖峰(電價較便宜),透過價格的因素,引導採用時間電價的用電大戶,調整製程到白天。

去年試行後發現效果良好,約50~60%時間電價用戶導入,夜尖峰用電減少53萬瓩,轉移到白天增加40萬瓩。由於白天再生能源發電占比高,代表企業是多使用綠電,提高再生能源的供電價值。今年全面推動新的時間電價後,台電內部預估,夜尖峰用電減少100萬瓩,轉移到日尖峰增加60~70萬瓩。

過去是發電要滿足用電,你怎麼用、我怎麼滿足,但現在因為電源結構的改變、再生能源越來越多,所以用電要反過頭來配合發電

Q:根據台電說法,在天氣狀況良好時,風光發電滲透率達3成以上,但再生能源間歇性變化很大,台電怎麼調整電力調度?

:今年5月份我們觀察到再生能源滲透率達到32.6%,代表台電每發三度電,就有一度是綠電,我個人預估,今年底滲透率超過36~40%。

至於再生能源發電時間有多長? 風力變化很大,有時候風一來是24小時都在發電,但若沒風,就是24小時都沒有;太陽光電則是隨著日出日落變化

台電大潭電廠.jpg
台電桃園大潭8號機預計今年7月投入部分發電,這類新建的天然氣機組具有快速起停的特性,30~60分鐘可滿載發電。
圖/ 台電

近來台電開發燃氣機組、引進儲能系統,解決太陽光電在下午3點到晚上6點發電量迅速下降的挑戰。「下午3點太陽能發電量剩40%,3個小時後就變成零,但用電負載不會少這麼多,這個差額就需要用傳統機組來補。」

燃氣機組必須快速升載發電,有時來不及就需要靠抽蓄水力、儲能系統來幫忙,所以我們解決一個問題,不會只有一個機制,必須整合各種資源來因應。

Q:想了解在「預測」再生能源發電,台電有導入哪些科技應用?

:再生能源預測必須跟氣象資訊高度結合。我們從2012年起投入再生能源發電預測,由「台電綜合研究所」提供資源,台電來排程機組及調度準備。舉例來說,預測未來一小時有鋒面進來,造成太陽光電減少,火力發電就需要提早併聯預備。

台電彰濱雙綠能陸域風機
今年5月份,台電觀察到再生能源滲透率達到32.6%,代表台電每發三度電,就有一度是綠電。
圖/ 台電

除了運用氣象資訊,也需要AI技術。2020年台電引進太陽能發電預測,使用氣象局、民間的氣象資訊;接著2022年引進AI技術,掌握太陽能電廠的即時發電量,利用氣象資訊與AI預測來比較,降低預測不準的問題。

至於風力發電預測,台電綜合研究所、工研院都有在做預測,同時也會尋求民間的氣象預測。

再生能源預測有分日前(指未來一週發電量)及當日(指1小時後的發電量)。太陽光電是每15分鐘一個預測,掌握可能的變化,「我們最怕的是突然午後一場西北雨,像是下在用電中心的北部,有助用電減少;若下在陽光充沛的南部,光電的發電量就會減少。」

Q:台電在2021年啟用電力交易平台,引進民間電力資源到市場,但外界也批評目前的量不多,您怎麼看?

:電力交易平台推動日前輔助服務市場,若業者得標就有容量費率收入,執行服務後還有能量費率可拿。所以業者有兩種收入,目前執行率是達到100%。

不過,輔助服務是因應機組短暫跳機,它像就是「快打部隊」,不是要撐全場的。舉例來說,警察有分霹靂小組、警備隊,當發生槍戰時,霹靂小組第一步把歹徒制伏,接著警備隊過來把歹徒押走,不是所有警察都要用霹靂小組的方式抓歹徒。

吳進忠_台電發言人兼專業總工程師_2023-05-22_侯俊偉攝影_ (7).jpg
台電在2021年啟用電力交易平台,推動日前輔助服務市場,它是因應機組短暫跳機,就像就是「快打部隊」。
圖/ 侯俊偉攝影

對於量不足的問題,台灣規劃2025年儲能需求1.5GW(百萬瓩),滿足太陽能20GW、離岸風電5.6GW的需求。但現況沒有太多再生能源量併網,目前太陽光電10.25GW、離岸風力2GW,加起來才12GW。

但隨著時間的演進,再生能源併網量會越來越多,儲能建置會慢慢增加。台電會滾動檢討,適時增加儲能採購量,當前是協助已經核定的案場趕快完工。

Q:過去您在電力調度有豐富的經驗,面對能源轉型的趨勢,台電對於電力人才的需求有什麼改變?

:這是很嚴肅的問題,過去電力人才的就業出路,幾乎在台電或顧問公司。電力屬於電機的一部分,半導體業也在爭取電機、電子人才,過去兩到三年我們在跟半導體競爭電機人才。

現在隨著再生能源發展,未來是跟再生能源、離岸風電公司共同競爭人才;人才不只是電機、電子,機械、土木、企管的人才都需要。像是電力交易平台,對於經濟模型、法律、電力電子等知識都要了解。

吳進忠_台電發言人兼專業總工程師_2023-05-22_侯俊偉攝影_ (2)
吳進忠自1990年獲得台電獎學金進入台電公司服務,工作長達33年。看待台電對於電力人才的需求,他不諱言,台電面臨人才挖角的問題嚴重,不只內部要訓練培養人才,同時也要跟民間智庫合作。
圖/ 侯俊偉攝影

台電非常重視人才培育,新進人才會有導師制度,有理論也有實務經驗。「 因為我們的人才比較年輕,變成我們的專業人才,會成為其他公司覬覦的對象,來挖角。 」而且台電是國營事業單位,晉升有一定的條件,像是看年資等;如果民間開出更好的條件,人才就被挖走了。

所以不只台電內部要訓練培養人才,也要跟民間智庫合作。像是電力交易平台的資訊系統跟資策會合作,技術方面和工研院合作設計模型,台綜院、台經院聚焦商業模式。人才培育需要多方面來處理。

責任編輯:錢玉紘

關鍵字: #再生能源 #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