想增加再生能源發電量，除了蓋更多電廠，還有其他方法嗎？答案或許就藏在台灣既有的太陽能電廠裡。
隨著全球淨零轉型加速，綠電需求持續成長。台灣也積極發展太陽光電。根據經濟部公布的「114年度全國電力資源供需報告」，太陽光電裝置容量預計 2030年增加至 31.2GW，是目前容量 15.47GW 的兩倍。
然而，要達成這項目標，光靠持續新建電廠恐怕還不夠。除了台灣土地有限，許多既有太陽光電廠的實際發電表現也不如預期，如何提升既有電廠效能、找回流失的發電量，成為台灣能源轉型下一階段的重要課題。
瞄準這項需求，優電智能從電廠檢測與優化切入，並獲得經濟部中小及新創企業署跨域研發計畫支持！由經濟部負責建立太陽光電汰舊換新的政策誘因，優電智能則透過AI與EL檢測，協助業主先找出低效、老化及故障模組，評估應該修復、優化還是汰換，並以實際增加的發電收益進行績效分潤。
40%電廠發電不如預期，問題究竟藏在哪裡？
理論上，太陽光電設備會隨著使用年限逐年衰減，每年衰減幅度約為0.7%～1%，呈現相對穩定的線性變化。然而，實際走進案場卻未必如此，受到設備缺陷、施工品質、颱風等因素影響，發電量可能突然下滑，呈現非線性且難以預測的衰減。
優電智能總經理徐碩賢指出，依優電智能實際檢測與維運既有案場的經驗推估，台灣約有四成的太陽光電廠存在發電表現不如預期的情況。他進一步舉優電智能合作的某太陽光電廠為例，該案場四年累積的發電衰減幅度，已達正常線性衰減應有水準的三至四倍；單看最近一年，衰減速度更是正常值的六倍以上，四年下來流失的綠電與售電收益，累計已達數百萬元。
為了幫助這些電廠找回「少發的電」，優電智能導入 AI 應用，發展出已取得專利的獨家 AI-EL檢測技術，突破傳統EL（Electroluminescence）檢測在速度和精準度上的限制，快速找到影響發電效率的太陽光電模組，再加以優化或改善，使電廠運作重新回到相對穩定的發電軌道上。
徐碩賢進一步說明，EL檢測是目前常見的太陽光電模組品質檢測方式之一，其原理是從源頭端向太陽光電模組通電，使電池片產生肉眼看不見的近紅外光，再拍攝照片，從影像明暗差異判斷是否存在隱裂、破碎或內部結構受損等問題。
早期第一代EL檢測高度仰賴人工作業，檢測人員必須逐片拍攝、逐一判讀，不僅需耗費大量人力與時間，拍攝角度與影像品質也可能影響判讀結果。為了提高效率，第二代開始導入無人機，一次拍攝多片模組，再將大量影像帶回後端進行拼接與人工判讀。雖然，拍攝速度加快了，但還是存在著影像解析度低、部份缺陷不易辨識的問題，且後續仍需投入大量人力進行判讀，難以規模化應用於擁有數萬、甚至數十萬片模組的大型電廠。
從影像拍攝到判讀的全流程自動化，AI讓EL檢測效率提升20倍以上
為此，優電智能選擇了一條不同的技術路徑，與其從拍攝端追求效率改善，不如從後端的影像處理與判讀著手，透過AI突破EL的效率瓶頸。
在這樣的思維下，優電智能以專利取像技術重新設計拍攝方式，讓無人機在貼近模組的低空高度、以單片模組為單位進行拍攝，取得遠優於傳統做法的EL影像解析度，再導入 AI 處理龐大的影像資料，同時兼顧影像品質與檢測速度，推動整體檢測與維運流程走向智慧化。
而AI扮演的角色，不只是協助辨識影像，而是貫穿從拍攝、定位到缺陷判讀的整套檢測流程。首先，系統會透過AI預先規劃無人機飛行路徑，進行自動巡航與拍攝；完成後，再由AI自動校正影像及辨識每片模組的GPS位置，並將資料整合至地圖中，形成一張專屬於每座電廠的缺陷地圖；最後，AI會進一步辨識每片模組的缺陷種類，再透過優電智能自有的專利演算法，量化每一片模組的缺陷程度，以及其對應的發電損失。
「我們將原本仰賴大量人工的拍攝、整理與判讀流程，翻轉為一套自動化的AI-EL 檢測流程，」徐碩賢認為，這套流程帶來了四大改變，第一是速度更快，傳統無人機 EL 檢測一天僅能完成數百瓩（kW）規模，優電智能則將單日檢測量能一舉提升至數百萬瓦(MW)等級，效率提高 20 倍以上，也讓 EL 檢測得以真正應用於大型電廠；第二是影像更清晰，讓藏在模組內部、外觀難以察覺的細微裂痕也能被辨識；第三是維運更容易，工程師可以直接根據缺陷地圖定位異常模組，快速進行修復或更換，不必再到偌大的案場逐片查找；第四則是符合IEC 62446-4國際標準，讓檢測結果具備一致且可依循的品質標準。
從「找出問題」到「精準優化」，經濟部跨域研發計畫助攻技術再進階
徐碩賢認為，過去業界不是不知道 EL 檢測的助益，而是傳統方法「不夠快、也不夠便宜」，因此難以大規模應用。對此，優電智能一方面透過技術創新，突破傳統 EL 檢測的效率瓶頸，另一方面也推動商業模式創新，導入類似ESCO的績效分潤模式，由優電智能先負擔檢測與優化成本，再依後續實際增加的發電收益與業主分潤，讓業主不必事先投入一筆成本，藉此提升導入意願。
不只如此，優電智能還在經濟部 跨域研發計畫支持下，將技術創新從缺陷檢測進一步延伸至發電預測與精準優化。
「提升發電量並不難，最難的是如何用最低成本提升發電量，」徐碩賢指出，知道哪片模組有問題只是第一步，更重要的是判斷哪些模組或零組件需要更換、換了能增加多少發電量，讓業主可以用更低的整改成本，換取更高的發電改善效益。實際運作上，優電智能會先以AI-EL檢測建立全場的模組缺陷地圖，再由專利演算法逐一模擬不同整改方案的投入成本與發電回收，直接排出優先處理順序。業主拿到的不再只是一份缺陷清單，而是一套已經算好投資報酬、可以直接執行的發電優化方案。
而這項技術的價值，最終仍要回到台灣能源轉型面臨的現實課題。土地有限、新增案場又經常面臨土地取得與生態環境等挑戰，未來增加綠電不能只靠持續擴大建置，更要同步提升既有電廠的發電效能。如果能從已經存在的每一座電廠中「找回」流失的發電量，就有機會在不增加土地或屋頂使用面積的情況下，創造更多綠電。這也是優電智能希望透過技術持續實現的目標：讓每一片已經裝設的太陽能板，發揮它應有的發電價值。
