隨著各國持續關注環境保護，國際間針對碳關稅及淨零排放等議題不斷發燒，
如何加速降低電力排放係數成為追求淨零排放的重要關鍵。為此，多數國家積極 追求提高低碳電力占比，而以再生能源的綠電取代傳統化石能源的灰電成為勢不 可擋的趨勢。但隨著再生能源裝置容量不斷成長，未來大量再生能源併網後，將 面臨諸多電網穩定的挑戰，例如太陽能及風電預測準確性受到難以準確預測之氣 候的影響，進而影響電網的穩定性，因此如何整合民間業者的力量來共同穩定電 網，將成為未來電力市場發展的重要路徑。
在我國電力市場中，近期兩個較重要的推動政策分別為「開放綠電交易模式」
及「推動電力交易市場中的輔助交易平台」。其中在綠電交易模式上，近期已核 准水力、風電及太陽能等 66 家民營業者投入再生能源發電，共計 128 個案場，
裝置容量達 929MW，而再生能源售電業亦有 14 家業者投入，相關業者的投入將 帶動我國綠電交易的活絡；另外電業法修正案在 2017 年通過後，除開放再生能 源業者可直售供電外，同時在第 11 條，亦要求在電業管制機關許可下，設立公 開透明之電力交易平台，試行輔助服務及備用容量之交易機制。經濟部於 2020 年年底公告「輔助服務及備用容量交易試行平台設置作業要點」，並在 2021 年 7 月建置完畢並開放登記，也如前章所述可以提供「調頻備轉容量」、「即時備轉容 量」，及「補充備轉容量」等商品競標，已為我國電力交易市場寫下一頁新章。
本章主要探討我國發展創新能源產業之模式與商機，其中先就創新商業模式 重要工具「能源數位化」進行探討，並就國際能源數位化的應用進行說明，隨後 就主要國家分別以國家能源轉型政策訴求及企業發展等二面向切入，探討能源轉 型結合智慧科技與新商業模式作法，最後依據國際發展經驗，彙整出我國可發展 的創新能源發展商業模式，並以業者角度出發，蒐集國內已應用之情況，提供予 各界參考。
一、能源數位化之應用與國際經驗 (一)國際能源數位化發展現況
國際能源總署(International Energy Agency, IEA)於 2017 年發布數位化與能源 (Digitalization and Energy 2017)技術報告，報告中明確數位化能源的定義，能源數 位化為資通訊技術(Information and Communication Technology,以下簡稱 ICT 技術) 在能源系統的應用，在電力供應端，電力公司使用 ICT 技術來進行電網的管理和 運營，並在為廣闊區域內大量客戶服務時，可持續監視和控制電力市場。在使用 端如工業部門，一直在使用生產過程的自動化控制，特別在重工業中，可以最大 限度的提高產品質量和產量，同時減少能源使用，無論如何，數位化技術一直在
幫助改善能源系統。
數位化技術包含了三個基本要素，分別為數據(數字資訊)、分析(使用數據產 生有用的資訊和見解)及連通性(人、設備和機器之間的數據交換)，而當前隨著(1) 感測器和數據儲存成本的下降，數據量快速增加；(2)加速分析和計算能力的進步；
(3)透過更快、更便宜的數據傳輸提供更好的連接性，將帶動數位化在能源領域的 應用快速進展。
因此預期未來數十年間，數位化技術將使世界各地的能源系統更加連通、智 慧、高效、可靠及永續，而其中數據、分析及連接方面的進步，將為一系列新的 數位化的應用形成可行性，例如電力公司透過數位化技術，可以預測到用戶在那 些時段具有能源需求，並且以最低成本進行交付。自 2014 年以來，全球對數位 化電力基礎設施和軟體的投資以每年 20%以上的速度增長，2016 年達到 470 億美 元，幾乎等於印度電力部門的總投資（550 億美元）。
另外 IEA 在 2019 年能源效率與數位化(Energy Efficiency and Digitalisation)報 告中指出，世界能源系統正在經歷一場巨大的變革：集中和分散的再生能源不斷 加入電網，能源消費的電氣化正在增加，而能源產消者(同時消費及生產能源的用 戶）正在出現。在這種情況下，在需要時準確的供應及調度能源變得越來越重要，
而數位化能源則可有效的提供解決工具。
數位化使智慧建築、車輛和工業設施能夠為能源系統提供新的靈活負載來源，
減少供應端的再生能源供給之侷限性。然而需求端的能源數位化具有其複雜性，
雖然數位化可以為運輸、建築及工業部門提供能源效率的提升，但在管理不當的 情況下，因應數位化需要越來越多的資通訊設備(含管理用的資訊機房)，可能反 使能源使用量大幅增加。但無論如何，能源數位化的進程是不可能停止，因此政 策制定者面臨的挑戰是如何引導能源數位化達到最大的收益，及最小化負面影 響。
有鑑於此，以日本為例，其在近期「地球暖化對策計畫」修正草案中，為達 成 2030 年較 2013 年減 46%目標，針對需求端的能源數位化，制訂出多項政策目 標，包含：(1)製造業推動能源管理，導入物聯網技術與工廠能源管理系統；(2) 商業部門 2030 年 50%建築導入能源管理系統；(3)住宅部門導入家用燃料電池並 普及家庭能源管理系統與智慧家電；(4)交通部門運用大數據技術改善路網規劃、
便捷公共運輸服務(強化不同交通方式間連結與場站無障礙環境)，及建構聯合運 輸系統以提升物流效率。
(二)人工智慧(AI)應用於能源領域
除了數位化的發展外，各國在能源轉型的過程中，使用多種類、多樣化的能 源供應系統，需透過數位化的動態系統的搭配，並導入各種人工智慧(Artificial
141
Intelligence, AI)技術，如機器學習、集群分析、迴歸分析、故障診斷等，在能資 源數據資料解析度、學習力和計算力方面提供更深層的分析結果，並據以作為資
Pearson Correlation、Mutual information...
故障診斷
Auto-Encoder、IsolationForest、
One-class SVM
系統應用
人工智慧在電力系統或能源系統的應用部份，大致分為能源預測、特徵值判 斷、故障診斷等，說明如下：
1. 能源預測
由於再生能源的間歇性問題，使得發電間歇性和波動性對電網造成的影響愈 加明顯，進一步造成系統的穩定性與可靠度受到衝擊，透過 AI 分析，協助電網 保持在最適負載量運作，改善現有饋線利用效率，避免電網因輸電容量限制而產 生壅塞，降低新增饋線的需求與電網升級成本，加速整合再生能源系統。除此之 外，準確的對再生能源短、中、長週期發電功率進行預測，對電力系統的穩定性 以及經濟運行尤為重要，若能準確的預測發電量，可改善供電的品質、穩定性與 系統效率，進而降低所需的備轉容量，以及減少經濟損失。
尤其是當未來電力市場當再生能源量夠大時，可能會有低(負)電價的情形發 生，此時若將再生能源所生產的電賣給電力公司有可能造成巨大損失，若將電力 加以儲能，即可避免經濟損失。透過適當的能源預測並加以決策判斷，進一步的 檢討將生產的電力賣出或儲電，即可降低此類情形的發生，如圖 6.3。
資料來源：本研究整理
圖 6.3、AI 能源預測系統
另一方面，能源預測還可用於使用端用能負荷的預測，通常用能負荷與能源 價格、環境資訊、天氣資訊…等多種影響因素相關，難以建立精確的數學模型。
因此，過去大致上使用回歸分析進行預測，然而準確率有待加強。人工智慧方法 在分析過程中無須建立模型，能較好地預測出用能負荷與其影響因素之間的非線 性關係，因此被廣泛的用於用能負荷預測。後續可利用負荷預測來進行能源系統 的規劃，以優化系統使供應端與需求端的供需達到平衡，使電力公司可於關鍵缺 電時刻快速調度，避免缺電問題或額外建造電廠的需求。除此之外，需求端可利 用相關的預測結果進行需求管理，如天氣預報、使用率、使用量、電價、用戶習 慣等，結合需量反應改善能源管理效率，降低能源成本。
2. 特徵值判斷
特徵值判斷的應用主要在需求端，由於各用戶在使用者行為模式及現場耗能 設備皆不盡相同，若要找出各種可能的重要因子，皆需要經過不斷的學習及確認
143
後，才能確定重要耗能因子，此時其耗費的時間與成本將過高。若採用 AI 分析，
首先將各類型不同使用進行分類，而後針對已分類的群組進行資料探勘，識別其 重要的關鍵特徵，並針對相關特徵因子進行管理與控制，後續即可達到最適化操 作或最佳的管理機制，如圖 6.4。
資料來源：本研究整理
圖 6.4、負載特徵判斷流程 3. 故障診斷
故障診斷主要在供應端，為了使電力系統在發生故障時仍可向需求端提供電 力，或發生系統故障時能盡快的判斷故障類型，確定故障位置並恢復供電，需要 透過 AI 分析，快速查找相關的問題。電力系統故障診斷可分為輸電線路故障和 電力設備故障，在輸電線路故障中，架空線路接地、短路方面的問題與開關跳閘 問題是比較常見的故障類型。此外，輸電線路導線電纜物理損傷也會造成一系列 的故障發生，基於人工智慧技術的輸電線路故障診斷主要包括故障分類、故障定 位和故障預測幾個方面，常用的方法包括 SVM、LSTM、模糊推理系統、極限學 習機等，可透過 AI 機器學習演算法對輸電線路故障同時進行分類與定位。而電 力設備故障常見於汽輪機、鍋爐、旋轉電機等發電設備與變壓器、斷路器、電感 器等輸變電設備中，其中人工智慧方法在變壓器故障中的應用發展較快，很多深 度學習演算法已經成功應用於故障識別中，因此可更快速更便利的降低故障事件 所造成的影響。
故障診斷在需求端的應用，主要是希望藉由預防性的角度，盡可能的在故障
故障診斷在需求端的應用，主要是希望藉由預防性的角度，盡可能的在故障