建築溫室氣體排放預測及減量措施之分析

(1)

(2)

內政部建築研究所

創新循環綠建築環境科技計畫及智慧化居住空

間整合應用人工智慧科技發展推廣計畫協同研

究計畫

「建築溫室氣體排放預測及減量措施之分析」

資料蒐集分析報告

研究主持人：羅時麒組長

協同主持人：黃國倉博士

研究員：黃瑞隆

研究助理：簡裕恒、龔宇彥、黃彥碩

研究期程：中華民國

109 年 3 月至 109 年 12 月

研究經費：新臺幣：88.766 萬元

內政部建築研究所協同研究報告

中華民國 109 年 12 月

(本報告內容及建議，純屬研究小組意見，不代表本機關意見)

計畫編號：10915B0013

(3)

(4)

第一節研究緣起 ... 1 第二節研究內容 ... 1 第一節國外住商部門溫室氣體推估相關文獻回顧 ... 3 2.1.1 聯合國政府間氣候變遷專門委員會(IPCC)之推估法 ... 3 2.1.2 日本的案例... 4 2.1.3 南韓的案例... 6 2.1.4 加拿大的案例... 8 2.1.5 歐盟的案例... 9 2.1.6 印度的案例... 10 第二節國內能源部門未來溫室氣體推估方式文獻回顧... 11 第一節研究流程... 19 3.1.1 氣象資料之製備... 19 3.1.2 各項能源之溫室氣體排放係數... 21 第二節住宅部門溫室氣體推估理論... 21 3.2.1 住宅空調耗能推估... 24 3.2.2 住宅照明耗能推估... 29 3.2.3 住宅家電耗能推估... 30 3.2.4 住宅熱水耗能推估... 32 3.2.5 住宅使用水量之推估... 32 3.2.6 住宅烹飪耗能推估... 33 3.2.7 住宅總耗能推估... 33 第三節商辦建築溫室氣體推估理論... 34 3.3.1 商辦空調耗能之推估... 34 3.3.2 商辦照明耗能之推估... 41 3.3.3 商辦事務設備耗能之推估... 43 3.3.4 商辦它項設備與總耗能量之推估... 44 3.3.5 商辦耗水量之推估... 45

(5)

3.3.7 商辦總耗能... 46 第四節住商部門建築溫室氣體排放量推估之校正... 46 3.4.1 我國耗能統計資料架構... 46 3.4.2 住宅溫室氣體排放推估模式之校正法... 48 3.4.3 商業建築溫室氣體排放推估模式之校正法... 49 3.4.4 商業部門非電力耗能項目之未來溫室氣體排放推估方法... 52 第一節住宅溫室氣體排放量預測結果... 59 第二節商辦溫室氣體排放量預測結果... 64 第一節住宅部門既有之減碳措施及其效益... 67 5.1.1 住宅外殼調適之減碳效益... 67 5.1.2 空調調適之減碳效益... 68 5.1.3 家電調適之減碳效益... 70 5.1.4 照明調適之減碳效益... 71 5.1.5 其他政府可行之政策... 73 第二節建築外殼減碳策略路徑模擬與效益評估 ... 73 5.2.1 商辦外殼調適之減碳效益... 73 5.2.2 商辦照明調適之減碳效益... 74 5.2.3 商辦空調調適之減碳效益... 75 第三節我國溫室氣體第二期階段管制目標住商部門核配分析... 76 第一節結論 ... 81 第二節建議... 83

(6)

表次

表 2-1 日本 INDC 對於能源消耗產生的溫室氣體排放減量承諾 ... 4 表 2-2 南韓推估之未來 BAU 基準 ... 7 表 2-3 住服部門能源服務需求定義與範疇 ... 16 表 2-4 七種能源服務需求的推估方式中採用的次級解釋變數，以及影響次級解釋變數的初級解釋變數 ... 17 表 3-1 各項能源之排放係數 ... 21 表 3-2 住宅建築外殼與室內發散熱參數設定 ... 24 表 3-3 各縣市人均居住面積 ... 26 表 3-4 我國未來 GDP 成長推估 ... 28 表 3-5 未來逐年年末人口數推估值（單位：千人） ... 29 表 3-6 各空間照明密度及時間 ... 29 表 3-7 住宅平面格局抽樣調查資料 ... 30 表 3-8 不同格局對應之廳室面積比例 RAi,j ... 30 表 3-9 單台家電全年耗能（單位：kWh） ... 30 表 3-10 戶均擁有家電台數 ... 31 表 3-11 未來戶數及低度用戶推估 ... 31 表 3-12 各類熱水器耗能與普及率 ... 32 表 3-13 大台北地區家戶年食物處理能源消費概況 (樣本數=661 戶) ... 33 表 3-14 EnergyPlus 模擬案例數 ... 35 表 3-15 商辦建築外殼參數設定 ... 36 表 3-16 商辦建築室內發散熱設定 ... 37 表 3-17 商辦大樓空調系統設定 ... 39 表 3-18 商辦及住宅歷年核發建築物使用執照面積 ... 40 表 3-19 商辦大樓電力流向 ... 45 表 3-20 商辦大樓各項能源消費量及占比 ... 46 表 3-21 經濟部能源局能源平衡表（節錄） ... 47 表 3-22 行業別分類系統表 ... 47 表 3-23 全國低度使用（用電）住宅統計表 ... 48 表 3-24 商業建築用電推估時採用之資料來源整理 ... 49 表 3-25 屬服務業類別之各建築別逐年用電歷史與推估資料 ... 51 表 3-26 經濟部能源局 2018 年公告之能源平衡表之部分節錄 ... 52 表 5-1 歷年與未來逐年住商部門之預估總碳排放量一覽表 ... 78

(7)

(8)

圖次

圖 2-1 日本溫室氣體排放歷史資料以及未來的溫室氣體減量預測 ... 5 圖 2-2 1971 年～2011 年日本部門別的二氧化碳排碳量趨勢 ... 5 圖 2-3 左圖為日本住宅部門使用的能源類別 ... 5 圖 2-4 南韓的溫室氣體排放歷史資料以及未來的溫室氣體減量預測 ... 7 圖 2-5 加拿大的溫室氣體排放歷史資料與推估 ... 8 圖 2-6 歐洲建築物能源性能法規（EPBD）的減碳潛力預估... 10 圖 2-7 印度歷年住宅部門使用的能源類別與趨勢 ... 11 圖 2-8 能源部門與能源產業的邊界示意圖 ... 12 圖 2-9 各電業於溫管法架構下所應承擔減量之溫室氣體排放量 ... 13 圖 2-10 工研院 TIMES 模型能源系統架構圖 ... 15 圖 2-11 TIMES 模型電力系統架構 ... 15 圖 2-12 TIMES 模型能源消費推估流程 ... 16 圖 2-13 臺灣 TIMES 模型中住服部門能源推估模型流程示意圖 ... 17 圖 3-1 研究流程圖 ... 20 圖 3-2 全國住宅空調耗能推估模型 ... 22 圖 3-3 全國住宅照明耗能推估模型 ... 22 圖 3-4 住宅家電、熱水與烹飪耗能推估模型 ... 23 圖 3-5 全國住宅部門二氧化碳排放計算與修正流程圖 ... 23 圖 3-6 住宅平面配置圖 ... 25 圖 3-7 人均居住面積與人均 GDP 之關係 ... 27 圖 3-8 全球與國內人均居住面積之比較 ... 28 圖 3-9 全國商辦建築空調耗能推估模型 ... 35 圖 3-10 商辦大樓照明密度分布參考圖 ... 37 圖 3-11 各設備之負荷率及運轉時程 ... 37 圖 3-12 總樓地板面積(TFA)與空調總噸數之關係 ... 38 圖 3-13 商辦空調 EUI 分布示意圖(以 2020 年為例) ... 39 圖 3-14 全國商辦建築照明與事務設備耗能推估模型 ... 42 圖 3-15 商辦照明 EUI 分布圖 ... 42 圖 3-16 商辦事務設備 EUI 分布圖 ... 44 圖 3-17 模擬與真實溫室氣體排放量變化率比較 ... 48 圖 3-18 各建築類別用電量佔所有住商部門用電量之比例(以 2018 年為例) .... 50 圖 3-19 液化石油氣的歷史消耗數據以及使用預測效果 ... 53 圖 3-20 車用汽油(無鉛汽油)的歷史消耗數據與預測效果 ... 53 圖 3-21 航空燃油－煤油的歷史消耗數據以及預測效果 ... 54 圖 3-22 煤油的歷史消耗數據以及預測效果 ... 55

(9)

圖 3-24 燃料油的歷史消耗數據以及預測效果 ... 56 圖 3-25 自產天然氣之歷史消耗數據以及三次多項式之迴歸結果 ... 57 圖 3-26 進口液化天然氣之歷史消耗數據以及預測效果 ... 57 圖 4-1 未來逐年全年冷房度時增長之趨勢 ... 59 圖 4-2 人均 GDP 成長趨勢 ... 60 圖 4-3 國家未來人口中推估 ... 60 圖 4-4 各區住宅面積推估圖（以人口中推估計算） ... 60 圖 4-5 全國未來戶數推估 ... 61 圖 4-6 住宅各耗電項目耗電量未來推估 ... 62 圖 4-7 全國住宅瓦斯與自來水耗能量與溫室氣體排放趨勢 ... 62 圖 4-8 電力碳排係數成長趨勢 ... 63 圖 4-9 全國住宅部門逐年溫室氣體排放量推估 ... 63 圖 4-10 住宅溫室氣體推估 ... 64 圖 4-11 住宅各耗能項目溫室氣體排放量占比（以氣候中推估計算） ... 64 圖 4-12 逐年商辦建築樓地板面積推估 ... 65 圖 4-13 商辦空調、照明、事務設備及其餘設備耗電量推估 ... 65 圖 4-14 商辦建築各耗能項目溫室氣體排放占比 ... 66 圖 4-15 商辦建築逐年溫室氣體排放量推估 ... 66 圖 5-1 目前法規於不同更新率下所貢獻的溫室氣體減量 ... 68 圖 5-2 目前空調能效法規在不同更新率所貢獻的溫室氣體減量 ... 69 圖 5-3 空調能效法規趨嚴 20%在不同更新率所貢獻的溫室氣體減量效益 ... 69 圖 5-4 目前家電能源效率在不同更新率所貢獻的溫室氣體減量效益 ... 70 圖 5-5 家電能源效率趨嚴 20%在不同更新率所貢獻的溫室氣體減量 ... 71 圖 5-6 目前照明設備能源效率在不同更新率所貢獻的溫室氣體減量效益 ... 72 圖 5-7 照明設備能源效率趨嚴 20%所貢獻的溫室氣體減量效益 ... 72 圖 5-8 商辦溫室氣體在有無建築外殼改善策略下的排放量預估 ... 74 圖 5-9 商辦溫室氣體在有無照明改善策略下的排放量預估 ... 75 圖 5-10 商辦溫室氣體在有無空調改善策略下的排放量預估 ... 76 圖 5-11 住商部門溫室氣體未來排放基線預測與核配減碳目標之比較 ... 78

(10)

摘要

關鍵詞：建築溫室氣體排放基線、建築耗能、住商部門減碳路徑一、研究緣起我國之「溫室氣體減量及管理法」自2015 年正式上路，明訂我國溫室氣體減量的目標為2050 年碳排放減量至 2005 基準年的 50%，並每五年滾動檢討之，為了有效訂立住商部門之溫室氣體減量措施與碳排管理，則需仰賴精準之未來住商能源消費預測，以瞭解各項碳排之來源與組成，俾利進行減量措施之效益評估。本計畫係針對我國住商部門溫室氣體排放量推估模式進行比較分析，並基於未來氣象資料，結合不確定性分析，進行未來住宅與商業部門能源消費分析及預測，建立溫室氣體排放基線（Business As Usual, BAU），並分析相關減碳途徑，嘗試建立各式減碳策略之減碳效益，期作為政府作為提出住商部門減碳政策之參考及其減碳效益評估。二、研究方法及過程本計畫分成三大部分：(1)國內有關建築溫室氣體排放預測方法之文獻蒐集； (2)建立我國住商部門碳排放基線預測模式；以及(3)建立各種可操作之建築策略之減碳效益推估模型，並在考量各種減碳策略之擴散效率下，整合未來社會與經濟情況推估未來逐年之減碳量。在溫室氣體排放量推估之方法上，本研究採用由下而上之方法，依各建築類型中不同之能源耗用項目，逐項建立其逐年之耗能與碳排放量推估模型，透過與歷史耗能數據進行校正後，建立我國住商部門總體溫室氣體排放量推估與未來之預測模型。三、重要發現 1. 本研究完成國內外建築溫室氣體排放預測方法之文獻蒐集分析，確立本研究以由下而上之方式，透過各最終能源使用項目逐一建立其碳排推估方法，以建立住商部門溫室氣體未來排放量之基線。 2. 完成確立並建立住宅與商辦類建築各項能源使用模式與全年溫室氣體排放之全國推估模型，所建立之模型可做為未來減碳效益計算之參考。 3. 透過蒙地卡羅方法建立大量商辦建築樣本，模擬過去至未來 2035 年逐年之空調、照明、設備等各能源耗用分項之能耗推估，完成發展住宅與商業部門溫室氣體排放量預測模型基線(BAU)。

(11)

4. 研究發現，雖隨著我國能源結構轉型，電力之二氧化碳排放係數下降，但由於隨未來我國經濟GDP 成長以及建築樓地板面積增加之趨勢下，住商之溫室氣體排放近期雖呈現下降之趨勢，但自2026 以後加上氣候變遷之影響逐漸明顯，整體溫室氣體之排放量將呈微幅上升。 5. 本計畫提出在我國能源結構不改變以及朝綠色能源發展等二種情境下我國住商部門溫室氣體排放趨勢之逐年變化至 2035，同時完成我國住商部門第二階段溫室氣體排放管制目標之建議，以2035 年排放住商之總量為 52.0 百萬公噸碳當量，相當於對比於 2005 年時再降低 9.5%為目標。 6. 根據現行溫室氣體管制目標，住商部門在 2025 年時的溫室氣體排放量需減少至 43,714 千公噸碳當量，依照本研究的 BAU 推估結果顯示至 2025 年時住商部門的溫室氣體排放為 48,857 千公噸碳當量，其中仍有近5,143 千公噸碳當量之減碳幅度差距。四、主要建議事項根據本研究成果發現，提出下列建議：建議一本研究提出我國第二階段住商部門溫室氣體管制之建議，在經濟與民生持續成長以及全球氣候變遷氣候溫暖化之影響下，住商部門之溫室氣體排放量減碳幅度不如原先第一期之預估樂觀。建議應重新檢討住商部門溫室氣體減碳之分配額度，將更符合實際之情況，使我國之減碳政策更為務實。主辦機關：行政院環保署協辦機關：內政部營建署、內政部建築研究所建議二本研究建立了住商部門未來溫室氣體排放之基線預測模型，以及基於建築能源動態解析之理論透過大量模擬之方式建構了住宅與商辦建築之全國能耗模型。因此，建議未來可進一步利用本研究所建立之模型，針對內政部既有之政策工具，分析可行之建築減碳策略並進行其減碳策略之效益分析，以評估住商部門未來可能之減碳潛力，俾利作為擬定溫室氣體減量策略之政策參考與基礎。主辦機關：內政部建築研究所協辦機關：無

(12)

第一章緒論

第一章

緒論

第一節研究緣起

我國「溫室氣體減量及管理法」自2015 年正式上路，明訂我國溫室氣體減量的目標為2050 年碳排放減量至 2005 基準年的 50%，並於每五年滾動檢討之。依國家減碳量之目標規劃，109 年需較基準年減少 2%，114 年較基準年減少 10%，而於 119 年需較基準年減少 20%。各部門需據此訂立短中長期減碳目標與提出減碳措施。其中本部負責建築溫室氣體減量部分，並由本所協助本部營建署辦理碳排放預測與減量策略之推估。另住商部門溫室氣體排放來源包括住宅及服務部門，涉及經濟部、交通部、教育部及本部等相關部會，為了有效訂立住商部門之溫室氣體減量措施與碳排管理，需仰賴精準之未來住商能源消費預測，以瞭解各項碳排之來源與組成，俾利進行減量措施之效益評估。  本計畫所欲達成之預期目標如下： 1. 完成國內外建築溫室氣體排放預測方法之文獻蒐集。 2. 完成住商部門碳排放預測模式之滾動檢討。 3. 完成住商部門減碳潛力之分析及減碳路徑之推估。

第二節研究內容

本研究透過國內外文獻蒐集建築溫室氣體排放預測方法及模式，配合我國國情建立本土化之未來建築耗能預測模式，提出近未來至中長期之碳排放量預測。此外，為達成部門溫室氣體之減量目標，本計畫擬研究各項建築減碳策略，評估其可行性及概估各減碳策略之減碳效益並持續滾動檢討，以作為擬定未來建築節能管理政策擬定與推行之參考依據。  本計畫研究內容如下： (一) 建築溫室氣體排放預測模式之文獻蒐集，並配合實際碳排資料針對預測模式進行滾動式檢討修正。 (二) 盤點住宅部門既有之減碳措施及減碳效益。 (三) 配合溫室氣體減量及管理法，針對第二期階段管制目標之各部門核配減碳量進行分析。 (四) 研擬未來可行之建築溫室氣體減量策略，並概估其量化效益，供相關部門參考。

(13)

(14)

第二章國內外文獻回顧與評析

第二章

國內外文獻回顧與評析

第一節國外住商部門溫室氣體推估相關文獻回顧

國際能源署（IEA）與聯合國環境署（UNEP）在 2019 年發布了一份全球性的報告(International Energy Agency & United Nations Environment Programme, 2019)，內容談到在 2018 年建築與營造部門占了全球最終能源使用的 36%以及全球二氧化碳排放量的 39%，而從 2017 年到 2018 年，全球的建築溫室氣體排放量增加了2%，原因出自於樓地板面積以及人口的增加。主要的排放源來自電力的使用量增加，自從2010 年以來電力的年使用量已成長超過 19%，而發電燃料主要使用煤和天然氣，可見尋找乾淨的替代能源以及可再生能源的重要性與日俱增，除此之外被動式設計和低耗能設計也必須被重視。2017-2018 年，暖氣的耗能下降了 2%，照明也下降了 1.4%，冷氣的耗能則上升 2.7%，其餘如熱水、烹調、電器大致維持不變，自從2010 年以來，冷氣已成長了 8%，成為建築中成長最快的能源使用量。 2.1.1 聯合國政府間氣候變遷專門委員會(IPCC)之推估法 自從 1970 年以來，建築溫室氣體年排放量已成長超過兩倍，在 2010 年時達到 9.18 GtCO2eq，佔了 2010 年全球總溫室氣體排放量的 19% (European Commission, 2013; International Energy Agency, 2012)，其中 6.02Gt 大多來自建築用電所造成的間接排放(The IPCC Working Group III, 2014)。在 2010 年，建築佔了全球最終能源使用量的 32%（其中 24%是住宅部門，8%是商業部門） (International Energy Agency, 2013)，為能源使用之最大宗，不管是住宅或商業部門，暖氣系統皆是耗能最多的，除此之外，照明耗能在商業部門次之，烹調及熱水耗能則在住宅部門較為顯著。不同於持續成長的溫室氣體排放量，世界各區的人均溫室氣體排放量在1990～2010 年間並沒有太顯著的增加，這說明了能源使用效率的提高減緩了建築能源使用量成長的趨勢，在許多開發中國家尤其明顯，由於從生質能轉型到現代能源的過程可以大幅提高能源的使用效率。雖然已開發國家的空調能源使用量在世界佔據了最多的能源消耗量，但是成長幅度小，影響不明顯，相對於開發中國家的空調能源使用量，雖然目前佔比不大，但是未來的成長趨勢不容小覷，空調能源通常從建築能源中獨立出來計算，住宅部門的空調能源可從以下式子中估算： 𝑒𝑛𝑒𝑟𝑔𝑦 ℎ ∙𝑝 ℎ∙ 𝑎𝑟𝑒𝑎 𝑝 ∙ 𝑒𝑛𝑒𝑟𝑔𝑦 𝑎𝑟𝑒𝑎

其中，energyresidential 為總住宅部門空調能源需求(kWh)；h 為戶數；p 代表人數；area 為樓地板面

積 (m2_{)；energy 代表能源需求量 (kWh)。}

(15)

𝑒𝑛𝑒𝑟𝑔𝑦 𝐺𝐷𝑃 ∙𝑎𝑟𝑒𝑎 𝐺𝐷𝑃 ∙

𝑒𝑛𝑒𝑟𝑔𝑦 𝑎𝑟𝑒𝑎

其中，energycommercial為總商業部門空調能源需求(kWh)；GDP 為國內生產毛額；area 代表樓地板

面積(m2_{)；energy 為能源需求量(kWh)。}

除了空調耗能之外，另外還有家電耗能，此處的家電耗能泛指非空調耗能且使用電能的電器，包含照明及資通設備(ICT)之耗能。傳統大型家電如冰箱、洗衣機佔住宅家電耗能的大部分(International Energy Agency, 2012b)，雖然近年來科技的進展導致通訊 3C 產品的耗能逐漸提升，甚至在許多國家的住宅中佔有 20%以上的比例(Harvey, 2008)。家電的耗能可被簡化成以下式子(Cabeza, Urge-Vorsatz, McNeil, Barreneche, & Serrano, 2014)：

𝑒𝑛𝑒𝑟𝑔𝑦 ℎ ∙𝑛 ℎ∙ 𝑒𝑛𝑒𝑟𝑔𝑦 𝑛 其中，Σa=所有電器耗能之和；h=戶數；n/h=每戶擁有的電器 a 數量；energy/n=每個電器每年之耗能(kWh/yr) 2.1.2 日本的案例 根據日本提交的國家自主決定預期貢獻（INDC），在 2030 年度以前，預計會比2013 年度減少 26%的溫室氣體排放，相當於減少 10.42 億噸的二氧化碳當量。日本亦採用由下而上（bottom-up）的方式據以估算未來透過政府規範的修訂以及政策的推廣，評估減少的溫室氣體排放量。圖 2-1 顯示了該國在溫室氣體排放量上之歷史變化與預測。根據日本提交的INDC 報告的附錄指出，有大約 90% 溫室氣體排放是源自於能源消耗過程產生的二氧化碳（energy-originated CO2），而根據不同類別使用的能源消耗產生的二氧化碳，又可以將其細分為五個類別，包括：工業、商辦與其他、住宅、運輸與能源轉換等五個類別，如下表 2-1 所示。日本是世界第三大經濟體，也是第五大的溫室氣體排放國，溫室氣體排放量佔全世界總排放量的3% (Nejat, Jomehzadeh, Taheri, Gohari, & Abd. Majid, 2015)，而從時間上的變化來看，也可以發現日本從1971 到 2011 這 40 年間的二氧化碳排放量增加了50%，如圖 2-2。就部門別而言區分為電力、再生能源、天然氣以及用油等大類，以電力消耗為最多，其中排碳量又以「工業部門」以及「交通部門」占了大宗約51%；而住宅部門則大約佔了 15%左右的最終排碳量，商業部門則大約佔21%，如圖 2-3 所示。表 2-1 日本 INDC 對於能源消耗產生的溫室氣體排放減量承諾類別 2030 排放量（Mt-CO2e） 2030 各部門的碳排占比 2013 排放量（Mt-CO2e） 2030 跟各自部門相比減少的比例工業 401 43% 429 -7% 商辦與其他 168 18% 279 -40% 住宅 122 13% 201 -39% 運輸 163 18% 225 -28% 能量轉換 73 8% 101 -28%

(16)

（資料來源：(Ministry of Foreign Affairs of Japan, 2015)）

圖 2-1 日本溫室氣體排放歷史資料以及未來的溫室氣體減量預測

（資料來源：Climate Action Tracker）

圖 2-2 1971 年～2011 年日本部門別的二氧化碳排碳量趨勢

（資料來源：(Nejat et al., 2015)）

(17)

就住宅部門的能源消耗量來看，從 2000 年起，到 2011 年為止，住宅部門的能源耗用量從2000 年的 50 百萬油當量降到 2011 年的 47.5 百萬油當量，降幅約2.4%。而住宅部門也是所有部門中二氧化碳排放量增長最少的，與 1990 年的排放量比較，到2011 年前只成長了 4.3%。在估算住宅部門的溫室氣體排放量預測的研究中，Shimoda 等人設計了一個模型用以預估多元複雜的住宅部門的溫室氣體排放以及能源使用量。住宅部門的能源預估的困難之處在於會因為家庭人數的多寡、住宅的種類、住宅的大小以及電器的能源效率而有很大的不同。其中由於電器的耗能主要取決於使用人數以及生活方式，故在城市尺度或者國家尺度上，不同的減碳調適策略造成的溫室氣體減量效果將難以估計(Shimoda, Yamaguchi, Okamura, Taniguchi, & Yamaguchi, 2010)。Shimoda 等人利用過去在模擬大阪的住宅部門能源消耗時創建由下而上的模型，推估日本在 2025 年以前住宅部門的能源消耗以及二氧化碳排放基線（BAU）。此外，也在該模型中加入一些調適選項，如加強電器能源效率標準、強化建築隔熱、減少待機用電、提高熱水器效率、增加使用者的能源效率行為以及太陽能板採用的擴散效果，呈現這些調適策略對減少能源消耗以及溫室氣體排放的效益。根據Shimoda 等人的研究顯示，在 2025 年時，日本住宅部門的二氧化碳排放基線（BAU）將會較 1990 年的數據降低 7%。 Shimoda 沿用過去預估大阪城市尺度的住宅部門能源消耗量的研究方法，將建築分門別類，19 種住宅平面類型以及 12 種建築形式（6 種獨棟住宅以及 6 種公寓形式），並採由下而上的方式計算各種住宅類型的標準建築耗能，搭住宅之人員使用時程資料，據以加總計算都市尺度的住宅部門能源消耗。由於建築外殼的標準易影響空調負荷，Shimoda 等人將沒有隔熱標準、1980、1992、1999 年共四種建築外殼標準納入模擬中，並採用全日本17 個區域中適用於該時期建築外殼標準各有多少比例的數據，藉此模擬住商部門在空調使用上面的能耗。 2.1.3 南韓的案例 南韓屬於高能源密集度的國家，使用的化石燃料全球排名第11，然而其絕大部分的燃料都是由國外進口，根據統計，南韓是第五大石油進口國，更是第二大的液化天然氣（Liquefied Natural gas, LNG）的進口國。南韓在 1990 年到 2014 年間，其溫室氣體排放量是倍增的，甚至比兩倍還要多，尤其在1990 年代早期增加幅度更為驚人，但在之後的成長速度有逐漸放緩的趨勢。在2010 年至 2014 年實際的溫室氣體排放量比第三次國家傳播會議（Third National Communication）上提出的BAU 預估排放量還來的多(Climate Action Tracker, 2019)。

根據該國的國家自主決定預期貢獻，計劃在2030 年以前減少溫室氣體排放量的37%（相當於 850.6 Mt 的二氧化碳當量）。圖 2-4 為溫室氣體排放歷史資料以及未來的溫室氣體減量預測趨勢。其全國之整體能源使用基線BAU (Business-As-Usual)情境是由 KEEI-EGMS (the Korea Energy Economics Institute Energy and

(18)

如人口、國內生產總值、工業設施與石油價格，據以預估未來的BAU 情境。根據模擬結果，在不同階段BAU 模擬結果如下表 2-2 所示。

表 2-2 南韓推估之未來 BAU 基準

（資料來源：(Government of Republic of Korea, 2015)）

圖 2-4 南韓的溫室氣體排放歷史資料以及未來的溫室氣體減量預測

（資料來源：(Climate Action Tracker, 2019)）

在住商部門的能源使用方面，住商部門的最終能源消耗量（Total Final Consumption, TFC）占了南韓全國的 24%，其中住宅以及商業部門各佔了一半，而住宅部門的能源使用主要依賴天然氣、電力以及石油，根據2011 年的數據，三種能源使用各佔了TFC 的 45%、26%、16%。由於南韓的快速發展導致能源需求急遽的增加，是全球第七大的二氧化碳排放國，但是住宅部門的直接碳排放相比於其他部門的占比是下降的，且因為住宅部門的能源來源從過去的燃煤逐漸改為天然氣，二氧化碳的排放量也從 1990 年的 40.7 Mt 降為 2010 年的 32.9 Mt (Nejat et al., 2015)。根據該國最新修正的2030 溫室氣體路徑圖（2030 GHG roadmap），已經提出各部門的具體減量目標以及具體的政策作為。在建築部門方面，將會提高新建建築的節能核可標準、促進綠色裝修（green renovation）、創建新的循環商業模式（circular business models）以及擴大可再生能源的供給(Climate Action Tracker, 2019)。此舉預計在住商部門減少 27%的溫室氣體排放，而此減碳量預計將由既有建築、新建建築以及使用者行為等面向著手進行，包括許多強制以及自願性措施，如建築能源標示（building energy labeling）、綠建築認證計畫（Green Building Certification program）以及提供經濟誘因等方式。在建築能源法規（Building Energy Code, BEC）方面，南韓政府已經將建築隔熱性能的修正、LED 燈具的裝設以及再生能源設備的引入等增訂至法規中，同時預計在2025 年前所有的新建

年份 2020 2025 2030 能耗基線BAU (單位：MtCO2eq) 782.5 809.7 850.6

(19)

源效率以及工業製程的提升，和提高更加環境友善的原物料供給(Nejat et al., 2015)。 2.1.4 加拿大的案例 加拿大擁有全球第二大的化石燃料庫存，非常仰賴天然氣以及石油，導致該國能源市場上主要以這兩種能源為主，而住宅部門之能源使用也一樣以化石燃料為主。住宅部門的能源消耗在過去 10 年間增長了 6%，大約佔了最終能源消耗量的16%(Nejat et al., 2015)。下圖 2-5 為該國的溫室氣體排放歷史資料，預估 2016 年後若不採取任何措施的溫室氣體排放量預測途徑如圖中最上方之紅線；而採取PCF (pan-Canadian Framework)後的溫室氣體減量預測（如中間之藍線）；以及加拿大的國家自主決定預期貢獻（INDC）的減量目標（如最下方綠線所示）。圖 2-5 加拿大的溫室氣體排放歷史資料與推估（資料來源：(Government of Canada, 2018)）加拿大政府預計在2020 年以前相較於 2005 年的基準減少 17%的溫室氣體排放，同時提高20%的能源使用效率。採行的具體措施包括更新建築能源法規、提供稅率優惠作為誘因，以及訂定高耗能產品（energy-intensive products）的管理法規。此外，一切有關建築能源相關的法規都統一規定於國家建築能源法規（The Model National Energy Code of Canada for Buildings, MNECB）中，內容涵蓋了各類型建築，住宅以及商業建築也包括在內。修法後的MNECB 要求所有新建住宅的能源效率將比既有住宅提升25%(Nejat et al., 2015)。

在未來溫室氣體排放預估的研究上，加拿大環境與氣候變遷組織（Environment and Climate Change Canada）採用由上而下的觀點（top-down perspective），使用經公認的「能源與總體經濟學模擬架構」以預估國家碳排放量與經濟活動間的交互關係，同時透過該國的經濟模型（Economy Model for Canada， E3MC）作為建立碳排放量基線。E3MC 有兩個部分，其一為 Energy 2020，包含

(20)

第二章國內外文獻回顧與評析年 ECCC 都會使用最新的歷史資料更新模型。該預測也基於一些最新的能源與經濟數據進行修正，包括能源價格、石油與天然氣的產量、大尺度的能源預測以及經濟成長與人口成長的預測等(Government of Canada, 2018)。針對住商部門未來溫室氣體排放的預測方面，Swan 採取由下而上的觀點（bottom-up perspective），利用名為「加拿大複合式住宅耗能和溫室氣體排放模型（Canadian Hybrid Residential End-Use Energy and Greenhouse Gas Emissions Model, CHREM）」藉由類神經網絡模型（Neural Network Model）預估全國住宅部門的能源消耗量。由於住宅部門的能源消耗量主要來自於冷暖空調、電器與照明（A＆L）以及熱水器（DHW），而影響 A＆L 與 DHW 則是使用者行為、每戶電器數量、人口分布情形與入住率/空屋率的函數，故可利用由下而上的統計模型，配合計算冷暖空調的物理模型，以17,000 種各種型態的建築作為基礎資料，估計全國之能源消耗(Swan, Ugursal, & Beausoleil-Morrison, 2011)。根據 CHREM 的預測，加拿大全國的獨棟住宅（single-detached）以及連棟式住宅（double/row houses）的 AL 以及 DHW 的總能源消耗分別為 248PJ 以及 201PJ；若換算成每戶的能源消耗量的話則為 27.8(GJ/戶)以及 22.5GJ(GJ/戶)；若以每人為單位的話則為9.0(GJ/人)與 7.3(GJ/人)。

2.1.5 歐盟的案例

歐洲環境署（European Environmental Agency, EEA）在 2019 年公布了一份有關溫室氣體排放量趨勢的報告，根據其初步估計歐盟的溫室氣體排放量在 2018 年的降幅與 1990 年相比下降 23%，提前達到 2020 年的目標 20%，歐盟成員國也在 2014 年的高峰會中同意在 2030 年將溫室氣體排放量減至 40%，2040 年減至60%，並以 2050 年減至 80%為長期目標（與 1990 年相比）。溫室氣體排放量是以 EEA 各成員國的溫室氣體清冊以及按照 Monitoring Mechanism Regulation (MMR)中的規定所估計的溫室氣體排放量為基礎所計算得。而歐盟根據聯合國氣候變化綱要公約(UNFCCC)所統計的溫室氣體清冊也是以此資料為基礎。各國在準備清冊時是依據 2006 年 IPCC 的指導建議，並按照既有的格式將溫室氣體排放量分為六個部分（能源、工業製程及產品使用、農業、土地利用變遷及林業、廢棄物和其他）。在預估溫室氣體排放量的時候，各成員國採用MMR 中的方法並分為兩種情境：(1)With existing measures (WEM)，此情境包含現存的氣候政策及措施；以及(2)With additional measures (WAM)，此情境考慮各國提出的減緩措施及其所帶來的額外效果。

在 2002 年正值歐盟的新建築能源法規─歐洲建築物能源性能法規（The European Directive on Energy Performance of Buidlings）上路，並且正式在歐盟成員國的法律體系之中立法。法規除了針對新建建築物有所規定外，也針對大型的既有建築物訂立了相關節能規範。建築部門大約佔了歐洲整體 40%的能源消耗量，當時的目標是在2010 年之前，要比 1990 年的基準減少 8%。為了預估這新

(21)

Analysis Model）模型，將歐洲複雜的建築形態簡化為五種標準建築，搭配八種外殼隔熱標準以及寒帶、溫帶以及溫和帶等三種氣候帶，評估新法令的暖房能源節約效果以及根據歐洲規範（European Norm）EN 832 得出的減碳效益。該研究發現表明，如果能確實針對所有既有建築物以及非住宅部門立刻實行法規中所有的改造措施，減碳效益可以達每年82Mt；而若又針對多家庭的住宅（200-1,000m2_）以及小於 1,000m2_{的非住宅建築改造，則可以再增加} _{69(Mt/年)的減碳效益。圖} 2-6 顯示了歐洲建築物能源性能法規（EPBD）的減碳潛力預估。故可知採用建築的調適策略可以大大地減少歐洲國家的碳排放量。圖 2-6 歐洲建築物能源性能法規（EPBD）的減碳潛力預估

（圖片來源：(Petersdorff, Boermans, & Harnisch, 2006)）

2.1.6 印度的案例 印度是全世界第四大的原油（crude oil）以及天然氣的交易市場，擁有豐富的天然資源，但是仍然有80%的原油以及天然氣是從國外進口的。印度在過去的 20 年間快速發展，無論是就僅次於中國經濟發展速度，或者就人口數量的增長，造成各個部門的能源使用量有顯著的提升，其中的住宅部門占了最終能源使用量的36%，是所有的部門當中占比最高的部門，從西元 2000 年到 2010 年為止，成長率高達23%，能源消耗量增加了 178.5 百萬油當量。另外在能源使用方面，由於印度的各個城市發展程度不均，並不是所有的國民都能使用電器以及石油產品，故在鄉村地區，能源使用主要以傳統的生物質（Traditional biomass）作為燃料來源，包括：柴火、牛糞、以及農產品廢棄物，而在都市地區則主要以電力作為主要消耗能源。圖 2-7 為印度住宅部門使用的能源類別分析，其中以生質能與廢棄物為大宗；圖中右側為印度2011 年的部門別排碳量占比，住宅部門占比最高，佔了36%，第二高的則為工業部門。開發中國家比起已開發國家在推估住宅能源消耗方面更加困難，因為一些社經因素如收入以及家戶住宅面積的差異更加明顯，另外，能源需求來源的轉換（生物質燃料→電氣化）也是推估住宅能源消耗的主要考量因素之一。根據預測，

(22)

Ruijven 等人(van Ruijven et al., 2011)創建了一個住宅部門能源使用模型，從五個終端能源消耗（end-use function）端出發，包含：烹飪、生活熱水（water heating）、暖房（space heating）、照明及電器，並且將都市與鄉村的社經階級差異以及影響電氣化程度的區域發展不均現象等開發中國家特有的現狀納入模型之中，除了考量到一些外部因子，如：人口數量、住宅面積大小、收入以及戶外氣溫之外，也將社會經濟因子劃分為都市與鄉村，並以五分位的收入級距來表示。圖 2-7 印度歷年住宅部門使用的能源類別與趨勢（圖片來源：(Nejat et al., 2015)）目前印度的住宅部門的能源來源主要以傳統的燃料為主，並且以烹飪、燃油燈為消耗大宗，而空調的使用目前在印度仍屬於奢侈品並不普及也非主要的耗能來源。推測至 2050 年時，印度的住宅部門的能源使用量將比 2005 年時成長 65～75%左右，二氧化碳排放量則將會成長 9～10 倍之多。根據作者的研究，雖然減少貧富差距以及農村的電氣化會有助於促成現代化能源的轉型以及減少貧窮，但由於需要與增加的電力使用，因而造成更高的二氧化碳排放量結果，二者之間將有所權衡。綜合van Ruijven 的研究可以發現，在推估住宅部門的能源消耗量以及二氧化碳排放量的時候，外部的社會以及經濟因素也會連帶影響到排放量的估算，但因為台灣的經濟發展程度高，不如印度國家內部發展差距嚴重，故將只考量總體的社經因子，不考量都市地區以及鄉村地區的差異。

第二節

國內

能源部門未來溫室氣體推估方式文獻回顧

依據《溫室氣體減量及管理法》（簡稱溫管法）第9 條第 3 項「國家能源、製造、運輸、住商及農業等各部門之中央目的事業主管機關應依前項推動方案，訂定所屬部門溫室氣體排放管制行動方案（以下簡稱行動方案），其內容包括該部門溫室氣體排放管制目標、期程及具經濟誘因之措施」，可以得知能源部門的中央目的事業主管機關須訂定能源部門的減量行動方案，政府機關部門及排放源均有減量責任，故能源部門之減量責任部分透過總量管制的方式由能源產業承擔。而能源部門以及能源產業的範疇在減碳責任的歸屬以前要優先釐清，根據能源局

(23)

汽電共生鍋爐、一貫式煉鋼廠之高爐及轉爐等製程、焚化爐等均屬於為能源產業邊界內（如圖 2-8 所示），但並不表示上述的產業與工廠都歸類為能源產業，因為部分汽電共生廠、一貫式煉鋼廠產出的能源可能無法與廠內的其他溫室氣體排放來源分離；另外，焚化爐的中央目的事業主管機關為環保署，是否為能源產業應另外明確定義。由溫管法第 3 條第 24 款「核配排放額度（以下簡稱核配額）：指中央主管機關會同中央目的事業主管機關核配排放源於一定期間之直接與間接排放二氧化碳當量的額度」、以及第20 條第 3 項「中央主管機關於核配予公用事業之核配額，應扣除其提供排放源能源消費所產生之間接排放二氧化碳當量之額度」可知，溫室氣體總量管制的對象除了直接排放以外，亦涵蓋間接排放，而公用事業的溫室氣體排放計算方式又有別於一般產業的排放量，故應釐清發電業是否為公用事業。若將其視為公用事業，並將產電之減量責任分配予使用者，排放的計算方式與《國家綠能低碳總行動方案》之計算方式相似。在能源部門的溫室氣體推估過程中是否將其視為公用事業之所以重要，是由於會影響到其他使用電力部門的碳排計算，而計算結果的差異是非常巨大的，故釐清發電業的範疇是計算溫室氣體排放以及減碳責任前的重要功課。不過由於溫管法在訂立的時候就已經將台電公司適用於公用事業，故發電業的溫室氣體排放歸屬以及減碳責任可以就此定義下來。圖 2-8 能源部門與能源產業的邊界示意圖（圖片來源：(林家弘 & 許淑麗, 2015)）發電業為公用事業之溫室氣體排放量計算標準流程，以電廠溫室氣體排放清冊為計算標準，屬於固定排放的「鍋爐發電程序」占了總排放量佔比的99.9% 以上，其次排放量佔比較大的項目為外購電力占比，約佔0.05%，與鍋爐發電程序的佔比差異極大。依溫管法第20 條第 3 項「中央主管機關於核配予公用事業之核配額，應扣除其提供排放源能源消費所產生之間接排放二氧化碳當量之額度」，經鍋爐發電程序產生的電力並非完全供應自消費者端，根據能源局 103 年發布的能源統計

(24)

第二章國內外文獻回顧與評析量為 260,026.7 百萬度（含台電、民營電廠、汽電共生廠），而全國售電量為 205,956.0 百萬度，兩者之間的差距為 54,070.7 百萬度，主要為廠內用電、自用電及輸配送電時產生的線損，故於計算公用事業排放量時，不可將鍋爐發電程序之發電量直接扣除，應釐清排放量的歸屬，哪些屬於能源部門，哪些屬於消費者端。民營電廠、汽電共生廠將自身的毛發電量，扣除廠內自用後，以躉售的方式售給台電，而所有的電廠（包含民營電廠、汽電共生廠以及台電）供給的電量總和，扣除路線損失後，共同併網之總電量為台電的銷售電量，故廠內用電、自用電量、線損電量之溫室氣體排放量理應由發電業承擔，不應轉嫁至能源消費端。而目前能源局計算電力排放係數時，所採用之計算公式亦排除廠內用電、自用電量、線損電量之溫室氣體排放量。綜上所述，能源部門的溫室氣體排放量可以由台電公司（事業）、民營電廠（各廠）、汽電共生廠（各廠）的應承擔排放量累計而得，完整的計算方式如圖 2-9 所示。圖 2-9 各電業於溫管法架構下所應承擔減量之溫室氣體排放量（圖片來源：(林家弘 & 許淑麗, 2015)）由於影響電力負載的因素相當複雜，包括生活習性、用電行為、氣候變化等影響，且由於國家整體的能源政策導入再生能源，隨之而來的儲能技術的發展以及節能政策的推型等，電力供需規劃日漸複雜。為預測未來臺灣整體的能源供需情況，工研院綠能與環境研究所(郭瑾瑋, 周裕豐, 洪明龍, & 劉子衙, 2015)應用TIMES（The Integrated MARKAL-EFOM System）模型，發揮 TIMES 結合電力負載與供給面燃料別機組發電的季節性、每日及每小時間的特性，用以作為未來國家規劃發電結構以及政府政策擬定節能措施的依據。

在國際上，電力負載以及電源開發的規劃之分析模式主要分為兩種方式，一種為「由上而下（Top-down）」的方法，利用時間序列以及回歸分析的方式用以預測未來電力負載量，另外一種為「由下而上（Bottom-up）」的方式，利用最

(25)

整的用電資料，以預測未來的電力附載。而工研院採用的TIMES 模型為 Bottom-up 的方式，以能源技術為基礎，透過多項目之間彼此的投入產出關係，考量能源系統發展的可能與限制，在總能源系統成本最小化的目標下，滿足未來的能源服務需求（Energy Service Demand, ESD）。圖 2-10 為工研院 TIMES 模型的能源供需架構圖，從最初的能源開採以及進口開始，經過煉油、發電等能源轉換程序，再經由電網的輸配送等程序給各部門的終端設備，以滿足最終的能源服務需求，每個過程背後皆有完整的資料庫以及模型支持。圖 2-11 以輸入、輸出的方式呈現 TIMES 模型的電力系統架構。未來的電力供需可以藉由需求端外生的能源服務需求以及模型規劃的電力需求技術配比（如螢光等與省電燈泡）來計算所需的電力需求量，在供應端則以各燃料發電機組特性以及資源供應限制等資料模擬滿足電力需求所需要的電源開發案、供電結構與供電量等。另外，除了能源的技術參數以外，模型中也包括經濟參數、環境參數等資料，用以計算整體能源系統所需的最小成本。TIMES 模型中的電力需求依照能源服務需求分為兩類，一類為需電量不因時段而有所差異，如冰箱等，另一類為因時段不同而有不同的占比的，如空調與照明等。應用TIMES 模型推估未來的電力負載主要可以分為下列步驟(郭瑾瑋 et al., 2015)： 1. 依據台灣未來的社經展望（人口、產業發展與經濟成長趨勢）等，利用計量模型與運輸規劃模型推估未來台灣各部門的能源服務需求。 2. 應用 TIMES 模型技術資料庫（包括製程、設備及運具的技術效率、可用率、成本等，及各能源服務需求的時段分類），並且搭配 GAMS 軟體求出滿足各部門需求的能源供給組合，以及未來台灣年平均顛力消費量與時段別電力消費量基線。 3. TIMES 模型的技術資料庫中亦能模擬各部門的節能措施，藉此描述節能情境。 4. 可將能源服務需求轉為時段別電力消費負載量。 TIMES 能源工程模型中的部門主要可以分為三個：工業部門、住服部門以及運輸部門，如圖 2-12 所示，其中的住服部門的能源需求涵蓋包括烹調、熱水、空調、照明、冷凍、其他家電等能源服務需求項目，共計有80 種技術項目，而在評估方面，則是採用Eviews 軟體以指數迴歸方式進行評估，其中考量的變數包括人口成長率、人口結構、戶數、住宅樓地板面積、服務業GDP、服務業主要場域的樓地板面積等，依照設備型態的不同而有不同的迴歸方程式。下面簡單呈現兩個Eviews 在推估能源需求的過程中採用的迴歸方程式：服務業烹調需求 12.37 1.08 ∗ log 住宿餐飲業 GDP 住宅烹調需求 37.71 2.39 ∗ log 人口數

(26)

第二章國內外文獻回顧與評析圖 2-10 工研院 TIMES 模型能源系統架構圖（圖片來源：(郭瑾瑋 et al., 2015)）圖 2-11 TIMES 模型電力系統架構（圖片來源：(郭瑾瑋 et al., 2015)） TIMES 模型中的住服部門與本研究的關聯度較高，故在文獻回顧的部分特別將住服部門的模型拆解，以了解TIMES 模型中是如何推估未來該部門的能源服務需求。TIMES 模型是透過 Bottom-up 的方式建構出住商部門的能源需求，以這些能源服務需求作為TIMES 模型的外生變數，並且持續更新台灣最新的社經統計參數，以反映真實的能源耗用現況，如圖 2-13 所示，TIMES 模型中以社經因子（如：人口數、GDP、住宅戶數等）作為初級解釋變數，藉此影響次級解釋變數（如：住宅以及商業的樓地板面積），進而以迴歸分析的方式推估住服部

(27)

門的能源需求。在終端能源使用的設備分類上，主要分為七類，下面以列表的方式呈現七種項目以及其分別的能源服務需求定義：圖 2-12 TIMES 模型能源消費推估流程（圖片來源：(郭瑾瑋 et al., 2015)）表 2-3 住服部門能源服務需求定義與範疇項目能源服務需求定義範疇 1. 空調冷度需求（kcal）商業場所用之窗型、箱型、分離式冷氣機及中央空調住宅用之窗型、箱型、分離式冷氣機及中央空調 2. 照明照度需求服務業場所用之照明住宅場所用之照明 3. 熱水熱水的熱能需求（kcal）服務業場所用之熱水住宅場所用之熱水 4. 烹調烹調用熱（kcal）服務業用之燃氣烹調需求（天然氣及液化石油氣瓦斯爐）住宅用之燃氣烹調需求（天然氣及液化石油氣瓦斯爐） 5. 冰箱冷藏需求（公升）住宅用冰箱 6. 其他用電器具電力需求（kWh）影印機、傳真機、電腦等辦公設備電扶梯、升降梯等升降設備排風扇等通風設備 7. 其他燃料設備能源需求（kcal）主要為住服部門中之公共行政業航空燃油及煤油需求（資料來源：(郭瑾瑋, 溫珮伶, 徐昕煒, 周裕豐, & 李孟穎, 2017)）

(28)

第二章國內外文獻回顧與評析圖 2-13 臺灣 TIMES 模型中住服部門能源推估模型流程示意圖（圖片來源：(郭瑾瑋 et al., 2017)）在各個住商部門的能源服務需求中，分別有影響其需求的解釋變數，而有些解釋變數會受到社經影響，因此而有次級解釋變數以及初級解釋變數之別。表 2-4 以表格的方式呈現各個能源服務需求中對應到的次級解釋變數以及初級解釋變數的關係。表 2-4 七種能源服務需求的推估方式中採用的次級解釋變數，以及影響次級解釋變數的初級解釋變數項目推估方式次級解釋變數初級解釋變數 1.空調場域空調能源服務需求=場域樓板面積x 冷房負荷 x 場域年使用時間其中，冷房負荷採定值計算＝ 450Kcal/h，場域年使用時間則根據場域使用目的以及季節因素等進行推算，樓地板面積為關鍵的影響因素樓地板面積 1. 7～29 歲人口數 2. 服務業 GDP 3. 人均所得 4. 戶數 2. 照明場域照明能源服務需求=樓板面積 ×照度需求×年使用時間其中，照度需求參考國家標準（CNS12112），將照度需求界定於 300～760 lx 之間，年使用時間則依照營業時間進行推算樓地板面積 1. 服務業 GDP 2. 就學人口數 3. 人均所得 4. 戶數

(29)

3. 熱水服務業熱水能源服務需求＝f（大專院校住宿人數，老人安養機構住宿人數，醫療院所住院人次，觀光旅館住宿人次）住宅熱水能源服務需求＝f（我國人口中推計）人次 1. 大專院校就學人口數 2. 65 歲以上老年人口數 3. 服務業 GDP 4. 人均所得 4. 烹調服務業烹調能源服務需求＝f（住宿餐飲業GDP＝f（服務業 GDP））住宅烹調能源服務需求＝f （人口數）無 1. 服務業 GDP 2. 住宿餐飲業 GDP 3. 人口數 5. 冰箱冰箱冷藏需求＝f（戶數）以戶為推估基礎主要考量是一戶至少有一台電冰箱，只是這樣的方式較難預測因戶量不同造成的冰箱容量需求差異無戶數 6. 其他用電器具服務業其他插電設備能源需求＝f （服務業GDP）住宅其他插電設備用電＝f（戶數）無服務業GDP 戶數 7. 其他燃料設備服務業其他燃料設備能源需求＝f （服務業GDP）無服務業GDP （資料來源：(郭瑾瑋 et al., 2017)）其餘國內溫管法下減碳部門的未來溫室氣體排放量預估之文獻回顧可以參考附錄三，其中包含運輸部門、農業部門、製造部門的文獻回顧，以及在推估未來社經參數時經常使用的可計算一般均衡（Computable General Equilibrium, CGE）模型簡介，作為本研究的參考依據。

(30)

第三章研究方法

第三章

研究方法

透過前節之文獻蒐集回顧後發現，整體建築溫室氣體之預估方法大致可分為由上而下(Top-down)和由下而上(Bottom-up)，由上而下之分析法由於推估之方式往往為透過全國之能源平衡表透過時間序列分析等方法推估，此方法之缺點為未來不易評估節能減碳策略之效益，誤差往往會較大。因此，本研究以較為精確之由下而上之方法進行推估。然而，由下而上之推估模式需大量仰賴詳細之各項能源消耗量統計以及各種基礎調查資料，例如各類建築類型之樓地板面積、人均使用樓地板面積、能源使用密度、建築或設備運轉時間等變因，而影響了推估之不確定性。本研究因此導入蒙地卡羅方法(Monte-Carlo Method)中之拉丁超立方抽樣LHS (Latin Hypercube Sampling)方法，以綜合考量上述建築外殼、使用密度與時程、設備效率等之不確定因素，透過大量建立之樣本以推估我國總體建築之樣本分佈，進而推估其能源使用量。所建立之建築能耗資料庫其優勢在於提供未來政策導入各種節能減碳策略時，可以進一步評估各種可能之減碳潛力，以優化適合於台灣本土較佳之減碳路徑。

第一節

研究流程

本計畫區分為二階段，第一階段建立各類建築之溫室氣體排放量推估模式；第二階段擬定可行之減碳路徑評估其減碳潛力。在第一階段建立全國總體住商溫室氣體排放量預測方面，本研究採用蒙地卡羅方法配合各種影響建築耗能之因子，以建立足以代表全國建築樣本特性之資料庫，同時透過整合未來氣候資料與基於大量之建築耗能模擬下，建構全國建築耗能資料庫。此方法之優點在於方便未來第二階段擬定節能減碳政策或調適路徑時，得以量化分析各項減碳對策潛在的減碳潛力。本計畫整體研究流程如圖 3-1 所示。 3.1.1 氣象資料之製備 空調耗能主要受到當地氣候條件影響，因此必須依地理氣候區分區討論，本研究將台灣分為北、中、南三區討論，並分別以台北、台中、高雄之氣象條件分別代表台灣北、中、南氣候區進行模擬。在已發生的歷史年份中，模擬上採用各區域實際之歷史氣象資料進行模擬，各區之歷史氣象資料取自中央氣象局之局屬一級測站，分別製作真實氣象年AMY (Actual Meteorological Year)。

此外，為了推估在未來氣候變遷影響下空調耗能量之變化，需要以未來氣候作為建築耗能之模擬。首先需製作台北、台中與高雄之未來氣候資料。國際上有關未來氣候之推估，常依聯合國氣候變遷委員會(IPCC)所公告之各國大氣環流模式GCM (General Circulation Model)為依據，依當地氣候進行空間與時間之降尺度後以產製的逐時之未來氣象年做模擬。本研究團隊過去曾建立未來氣候之逐時氣象資料(Huang & Hwang, 2016)，此資料是依 CanESM 大氣環流模式透過型

(31)

國倉, 2013)降尺度而得台北、台中及高雄自 2000 至 2100 年間各年逐時之氣候變化資料，在未來氣候變遷的情境選擇上，由於 RCP4.5 與 RCP6.0 兩種情境的相似性高，因此本研究選定RCP2.6、RCP4.5 和 RCP8.5 三種氣候變遷情境分別作為低、中、高三種情境。此外，為確保未來氣候資料之可靠度，本研究嘗試建立 AMY 與未來氣象年同期距下之擬合函數作為修正未來之氣候資料，以增進未來氣象年之準確度與當地氣候之代表性。圖 3-1 研究流程圖外部因子：  GDP  人口增長  經濟成長率  建築樓地板擴張  各種能源排放係數  ... 1998-2018 歷史象資料 (AMY) 我國住商部門歷年溫室氣體排放量資料庫成果2：完成未來住商部門碳排放預測模式成果1：完成國內外建築溫室氣體排放預測方法之文獻蒐集成果3：完成住商部門減碳潛力之分析及減碳路徑之推估台灣北、中、南三區TMY3氣象資料研究緣起與目的國內外建築溫室氣體排放預測方法之文獻蒐集 1.發展住宅部門溫室氣體排放量預測模型 2.發展商業部門溫室氣體排放量預測模型透過歷史資料，修正建築溫室氣體排放量之預測模型發展建築外殼減碳對策之效益推估模型發展各種溫室氣體減量對策之減碳效益推估模型(照明、熱水、瓦斯、設備、電梯等) 發展空調節能系統減碳對策之效益推估模型應用蒙地卡羅法創建大量建築樣本以供能源模擬建立建築外殼與空調策略與減碳效益預估方程式建立其他各式策略減碳效益預估方程式校正全國住商部門溫室氣體排放預測模型未來社經因子、能源碳排係數、減碳策略擴散效益等之修正建築減碳效益推估模型基於GCM所開發之未來氣象資料 (2020-2100)

(32)

第三章研究方法 3.1.2 各項能源之溫室氣體排放係數 由於建築內使用之能源種類除電力外，尚有烹飪與熱水供應使用之瓦斯、天然氣以及自來水用水等不同之能源使用型態。本研究參考經濟部能源局、行政院環保署以及自來水公司等之公告資料，以各種能源之溫室氣體排放係數(如下表 3-1)，藉以將各種能源使用型態統一換算為二氧化碳排放當量表示。此類排放係數之公告數值，如為逐年公告者，則依實際值計算總體排探量，如僅只有單一公告值者，則以僅能援以該數據進行未來逐年之推估，在此合先敘明。表 3-1 各項能源之排放係數年電力碳排係數 (β1) 液化石油氣排放係數 (kgCO2e/度) (β2) 天然氣排放係數 (kgCO2e/度) (β3) 自來水排放係數 (kgCO2e/度) (β4) 臺北自來水事業處台灣自來水股份有限公司 2005 0.555 1.7529 (行政院環境保護署, 2019) 1.8790 (行政院環境保護署, 2019) 0.0633 -- 2006 0.562 -- 2007 0.558 -- 2008 0.555 -- 2009 0.543 0.167 2010 0.534 0.169 2011 0.534 0.167 2012 0.529 0.164 2013 0.519 0.156 2014 0.518 0.155 2015 0.525 0.154 2016 0.530 0.152 2017 0.554 0.162 2018 0.533 0.160 （資料來源：(經濟部能源局, 2019a)、(行政院環境保護署, 2019)、(臺北自來水事業處)、(台灣自來水全球資訊網)）

第二節

住宅部門溫室氣體推估理論

住宅能源需求項目可區分為空調、照明、家電、熱水、烹飪等五大類別，而能源使用型態以電力與瓦斯二者為主要。在未來溫室氣體排放量推估上，在無進一步節能措施介入下之未來耗能情況稱為耗能基線(Business as usual, BAU)，此一耗能基線受到人口變化、經濟情況、氣候變遷等而逐年而異，因此住商溫室氣體排放之推估首要需先推估在未來社會經濟條件以及氣候變遷影響下，耗能基線之變化趨勢，以作為任何溫室氣體減量措施或政策之不可控因素，其次再評估在推行不同節能策略與調適路徑下其可能之溫室氣體減碳效益。整個住宅部門溫室氣體排放基線(BAU)之推估流程如圖 3-4 至圖 3-5 所示。其中，全國戶數、氣候、台灣各地區之戶均人口數、人均GDP 以及外來逐年之溫室氣體排放係數等會隨時間而變化，應此有必要以逐年滾動檢討之方式進行推估，以逐年修正之方式更

(33)

圖 3-2 全國住宅空調耗能推估模型

（資料來源：本研究整理）

圖 3-3 全國住宅照明耗能推估模型

(34)

第三章研究方法

圖 3-4 住宅家電、熱水與烹飪耗能推估模型

（資料來源：本研究繪製）

圖 3-5 全國住宅部門二氧化碳排放計算與修正流程圖

(35)

 住宅耗能基線之推估 3.2.1 住宅空調耗能推估 影響住宅空調耗能的因素複雜，包含建築外殼、氣候、空調系統、室內發散熱等等，由於住宅建築在類型上與熱學性質上的多樣性，使得模擬過程存在著高度的不確定性，因此本研究參考所內過去之研究(羅時麒, 黃瑞隆, & 黃國倉, 2017)，透過全域的模擬方法-蒙地卡羅法中之拉丁超立方取樣法，設計 300 個住宅案例進行市場上可能之案例分布模擬。蒙地卡羅法為一種隨機分布的模擬方法，透過大量的案例來掌握實際的情況，而各個參數之範圍則參考過去的經驗及文獻設定。其步驟如下： (一) 住宅建築外殼與室內發散熱參數設定由於空調受到氣候、建築外殼及設備影響，為了涵蓋國內大部分的住宅建築性質，空調耗能採用較保守的蒙地卡羅法設計300 個案例，並以國內常見的住宅平面圖作為基準，如圖 3-6，其中 L 代表客餐廚等公共空間，B 代表臥室，相關參數設定如表 3-2 所示：表 3-2 住宅建築外殼與室內發散熱參數設定變因最小值最大值備註每戶樓地板面積分配 92.56 m2 窗牆比 (WWR) 0.1 0.6 - 玻璃熱傳透率 (U 值) 1.5 6.0 W/m2_-K 玻璃日射透過率 (SHGC) 0.20 0.85 - 外遮陽深度比 0 2.0 格子遮陽外牆熱傳透率 (U 值) 0.5 3.5 W/m2_-K 建築方位八方位等機率模擬每戶人員數 4 人客餐廳燈光密度 12.0 W/m2 客餐廳設備密度 10.8 W/m2 臥室燈光密度 9.6 W/m2 臥室設備密度 4.8 W/m2 (資料來源：(羅時麒 et al., 2017))

(36)

第三章研究方法圖 3-6 住宅平面配置圖（資料來源：(羅時麒 et al., 2017)） (三) 空調運轉模式 台灣住宅多以小型分離式冷氣為主，運轉模式為當室內過熱時才啟動空調運轉，否則平時多以自然通風為主，是否開啟空調視室內有無過熱而定，為了判斷住宅空調的啟閉時間，本研究採用ASHRAE Standard 55 所提出的熱適應舒適模型作為評斷標準，當室內操作溫度超過該模型80% 的熱舒適上限時則開啟空調，該模型的最佳室內操作溫度(Toc)為外氣均溫(Tom)的函數，如式 3-1 所示，而80%的舒適範圍上界為 Toc+3.5°C。 Toc = 0.31×Tom + 17.8 式 3-1 (四) 住宅空調耗能計算 住宅空調耗能採用EnergyPlus 模擬，將 300 個住宅案例與北、中、南三區之氣象條件輸入至 EnergyPlus 後將會計算出每個住宅案例在不同的氣象條件下全年的空調耗能，將全年的空調耗能除以空調面積即求得空調的能源使用密度 (Energy Use Intensity, EUI)，繪製 300 個案例的 EUI 分布，作為該氣候條件下之住宅空調 EUI 表現，再將此分布乘上住宅面積即可求得住宅空調耗能，計算公

式如下Eres,HVAC,yr＝∑region(EUIres,region,HVAC,yr × Ares,region,yr) 式 3-2

Eres,HVAC,yr＝∑region(EUIres,region,HVAC,yr × Ares,region,yr) 式 3-2

其中，Eres,HVAC代表住宅空調耗能，EUIres,HVAC代表住宅空調EUI（由分布中取值），Ares代表住宅

面積，下標res 代表住宅部門，下標 region 代表北、中、南三種不同之區域，下標 yr 代表某一年

份。

(五) 住宅樓地板面積變遷之推估法

住宅樓地板面積可由民國89、99 年普查得知全國各縣市的人均居住面積，如表 3-3，再根據各縣市歷年人口估算該縣市的住宅面積，各縣市歷年人口資料

(37)

由於人均居住面積為每十年調查一次，因此在未調查的年份之間，採用線性內插的方式將每一年各縣市的人均居住面積計算出來，而民國99 年之後的年份由於尚未取得民國109 年的資料，因此取民國 99 年的調查結果作為每年的人均居住面積值，各縣市住宅面積計算公式如各區域住宅面積yr(分北、中、南區， m2_{) =各區域人均居住面積} yr(m2/人) ×各區域人口 Pzone, yr (人) 式 3-3。各區域住宅面積yr(分北、中、南區，m2) =各區域人均居住面積yr(m2/人) ×各區域人口Pzone, yr (人) 式 3-3 表 3-3 各縣市人均居住面積單位：m2_/人氣候分區縣市民國79 年民國89 年民國99 年北區臺北市 24.8 26.1 27.9 新北市 22.7 26.8 27.1 基隆市 20.1 27.9 30.0 新竹市 26.0 37.6 35.2 桃園市 26.2 36.1 35.3 新竹縣 26.8 35.3 37.2 宜蘭縣 23.8 35.2 38.6 苗栗縣 26.1 37.4 39.1 金門縣 29.0 44.7 36.8 連江縣 19.6 28.6 32.9 中區臺中市 25.9 34.9 35.7 彰化縣 22.0 32.1 33.5 南投縣 25.2 34.9 37.0 雲林縣 22.0 28.3 35.5 花蓮縣 23.7 32.1 36.7 南區高雄市 24.3 32.2 34.5 臺南市 24.1 36.4 37.1 嘉義市 22.6 31.1 35.3 嘉義縣 21.5 28.8 34.4 屏東縣 23.6 32.7 36.6 澎湖縣 21.4 36.6 35.9 臺東縣 21.6 34.5 35.8 全國平均 24.1 31.7 33.2 （資料來源：(行政院主計總處, 2010)）

(38)

第三章研究方法住宅面積影響空調耗能，因此在推估未來空調耗能時也須考慮住宅面積的變化，由於無法精確掌握未來全國住宅樓地板面積之變化，因此在未來住宅面積推估上擬採用聯合國人居署全球城市指標數據庫和歐洲統計局城市審計歐洲統計數據庫所統計的模式推估住宅面積成長率，此模式描述了全球人均居住面積與人均GDP 之間的關係，如圖 3-7。式 3-4 為人均 GDP 與人均居住面積的關係式，可由表 3-4 中的未來人均 GDP 代入式 3-4 得到未來的人均居住面積，搭配表 3-5 進一步推求未來逐年的住宅面積及成長率(ζ)，再利用成長率與各區域住宅面積yr(分北、中、南區，m2) =各區域人均居住面積yr(m2/人) ×各區域人口 Pzone, yr (人) 式 3-3 求得的住宅面積推估未來全國各縣市的住宅面積 FA。圖 3-7 人均居住面積與人均 GDP 之關係

（資料來源：(Isaac & Van Vuuren, 2009)）

yyr = 6.33 ln (xyr) - 28.95 式 3-4

未來各區域住宅面積(FAyr,zone)=FAyr-1,zone×ζyr,zone 式 3-5

ζyr,zone=(yyr×Pyr,zone/ yyr-1×Pyr-1,zone) 式 3-6

其中y 代表人均居住面積；x 代表人均 GDP（參考表 3-4 中華民國統計資訊網中我國未來 GDP 成長推估）；下標yr 為未來某一年份；ζ 代表住宅樓地板面積之成長率。而在使用聯合國人居署的模式之前，為了確保世界的趨勢與國內的趨勢相近，因次將民國79 年、89 年與 99 年的全國人均居住面積(行政院主計總處, 2010) 和人均GDP (中華民國統計資訊網) 的真實資料與聯合國人居署的模式做比較，比較結果顯示，除了民國 79 年的人均居住面積低於全球趨勢外，民國 89 年與 99 年的人均居住面積皆與世界趨勢相近，如圖 3-8，而由於本研究的推估起始點

(39)

為民國89 年（西元 2000 年），因此民國79 年的資料將會被捨棄，並採用符合國內近況的聯合國人居署模式推估未來每一年的住宅面積及成長率。

圖 3-8 全球與國內人均居住面積之比較

（資料來源：(Isaac & Van Vuuren, 2009; 中華民國統計資訊網; 行政院主計總處, 2010)）

表 3-4 我國未來 GDP 成長推估年 (1) GDP 成長率 (%) (2) GDP (百萬美元) (2)yr=(2)yr-1×[1+(1)] (3)人均 GDP (美元/人)* (3)=(2)/總人口 2018 2.00 608186 25783 2019 3.03 611255 25898 2020 2.40 625925 26511 2021 2.50 641573 27169 2022 2.60 658254 27876 2023 2.60 675369 28606 2024 2.70 693604 29391 2025 2.70 712331 30203 2026 2.60 730852 31013 2027 2.50 749123 31821 2028 2.50 767851 32659 2029 2.50 787047 33531 2030 2.50 806723 34437 2031 2.40 826085 35348 2032 2.40 845911 36294 2033 2.30 865367 37246 2034 2.30 885270 38237 2035 2.30 905631 39275 *_人均_{GDP 以未來人口中推估計算} 0 5 10 15 20 25 30 35 40 0 5000 10000 15000 20000 25000 30000 人均居住面積 (m 2/cap ita) GDP/capita 聯合國人居署模式國內真實資料

(40)

第三章研究方法表 3-5 未來逐年年末人口數推估值（單位：千人）年高推估中推估低推估 2020 23,620 23,610 23,599 2021 23,638 23,614 23,594 2022 23,660 23,614 23,580 2023 23,680 23,609 23,559 2024 23,695 23,599 23,530 2025 23,706 23,585 23,493 2026 23,713 23,566 23,449 2027 23,715 23,542 23,398 2028 23,711 23,511 23,338 2029 23,700 23,472 23,270 2030 23,682 23,426 23,193 2031 23,656 23,370 23,107 2032 23,621 23,307 23,012 2033 23,577 23,234 22,907 2034 23,525 23,152 22,793 2035 23,463 23,059 22,669 （資料來源：(國家發展委員會, 2018)） 3.2.2 住宅照明耗能推估 一般照明耗能受到氣候的影響較小。因此僅須考慮住宅中各個空間所需的照明密度、空間面積以及全年的使用時數，即可計算出全年照明耗能，照明耗能計算公式如下式 3-7。

Eres,light ＝∑i (Ares,i × Ires,light,i × tres,light,i × 365) 式 3-7

其中，i 下標代表住宅中不同廳室空間，A 為面積，Ires,light為住宅照明密度，tres,light為每日照明時

間，各空間之照明密度及時間設定如下表 3-6。表 3-6 各空間照明密度及時間空間住宅照明密度Ires,light,i (W/m2) 平均每日照明使用時間 tres,light,i (hr) 客廳 11.30 6.0 餐廳 7.50 2.5 廚房 7.50 2.5 臥室 8.36 4.0 衛浴 7.97 1.5 陽台 5.93 0.5 資料來源：(郭柏巖, 2005) 各廳室面積Ares,i則由全國住宅總面積乘上各廳室空間之比例，各空間之面積比例則參考內政部營建署於民國95 年所做的調查研究報告，報告中統計了不同平面配置的住宅數量，如表 3-7，本研究參考市面常見的住宅平面圖平均計算各廳室之面積比，如表 3-8，利用式 3-8 即可概略求得各廳室之全國總面積。

(41)

Ares,i＝Ares × ∑ j (RAj × RAi,j) 式 3-8 其中，A 代表面積，下標 i 代表不同廳室，下標 j 代表不同的格局，RAj為格局j 之比例，RAi,j代表在格局j 之下廳室 i 之面積比例表 3-7 住宅平面格局抽樣調查資料平面格局宅數（戶）比例RAj 兩房以下 1,203,262 19% 三房 2,860,518 45% 四房以上 2,315,056 36% （資料來源：(內政部營建署, 2006)）表 3-8 不同格局對應之廳室面積比例 RAi,j 廳室\格局兩房以下三房四房以上客廳 17% 26% 27% 餐廳 16% 12% 11% 廚房 10% 8% 9% 臥室 36% 35% 38% 衛浴 7% 9% 7% 陽台 14% 10% 8% （資料來源：本研究整理）在未來照明基線耗能(BAUlighting)之推估上，假設未來國民生活水準大致變動不大之前提下，全年照明使用時間應大致不變。而未來人口消長導致的住宅樓地板面積之增加或減少是影響照明耗能之因子之一。其變動的因子為未來之樓地板面積成長率，其推估則依照上一節的方式，參考主計總處之人均居住面積、人均GDP、國發會之人口推估及聯合國人居署之研究計算。 3.2.3 住宅家電耗能推估 為了避免重複計算，此節的家電項目須扣除冷氣、照明設備、熱水器等項目，並以「戶」為單位推估，由於每戶住宅所擁有的電器種類及台數不盡相同，因此需考慮「家電戶均台數」的問題，家電戶均台數定義為「每戶平均所擁有的各種電器設備數量」。住宅家電耗能計算公式如下式 3-9：過去家電耗能Eres,app,yr＝∑k (家電k全年耗能×戶均擁有家電k台數×戶數yr) 式 3-9 其中，Eres,app為住宅家電耗能，下標k 代表不同種類的家電設備；各種家電年均耗能則參考下表 3-9，戶均擁有台數參考下表 3-10。表 3-9 單台家電全年耗能（單位：kWh）家電設備 2014 單台年耗量 2015 單台年耗量 2016 單台年耗量電扇 78 75 73 電視 281 326 303 電腦 65 62 63 洗衣機 41 41 43

(42)

第三章研究方法電冰箱 403 401 396 （資料來源：(林素琴 & 林志勳, 2017)）表 3-10 戶均擁有家電台數家電設備種類 (1) 每百戶擁有台數（台） (2) 戶均擁有台數 (2)=(1)/100 電扇 353.4 3.53 電視 183.1 1.83 電腦 77.8 0.78 洗衣機 107.2 1.07 除濕機 46.6 0.47 電冰箱 129.7 1.30 洗/烘碗機 54.7 0.55 （資料來源：(梁世武, 2019)）未來隨著人口增加、戶數成長，購買之家電亦會日益增加，且隨著人均GDP 的上升，國民購買之家電數量也會跟著成長，將導致家電設備之耗能隨之上升。在未來住宅家電設備基線耗能(BAUequip)之推估上，假定未來家電設備之能源效率技術維持 2018 年的水準之一般情境下，未來家用電器耗能每年以 1.6 %之速率成長(梁世武, 2019)，計算未來某一年份之家電設備耗能量如下式 3-10： Eres,app,yr＝Σk(家電k年均耗能×戶均擁有家電k的台數)×戶數yr×(1.016)yr-2018 式 3-10 其中yr 代表未來某一年，yr≧2018，而戶數yr之推估則如下說明。住宅用戶之未來戶數推估步驟參考台電調查報告(梁世武, 2019)之方法，推估2019-2033 年住宅用戶戶數，迴歸式如下式 3-11： Hyr = 0.3135 pyr + 1.9827Hyr-1 - 0.9859 Hyr-2 + εyr 式 3-11 其中，Hyr：第yr 年之戶數推估值；Hyr-1：前一期戶數；Hyr-2：前兩期戶數；pyr：當期總人口數； εyr：殘差項。表 3-11 未來戶數及低度用戶推估年戶數低度用戶比例(%) 調整後戶數 2019 8,813,092 10.3 7,905,520 2020 8,884,632 10.3 7,973,282 2021 8,949,077 10.2 8,031,876 2022 9,006,408 10.2 8,085,147 2023 9,056,424 10.2 8,129,885 2024 9,098,835 10.3 8,165,942 2025 9,133,763 10.2 8,198,114 2026 9,161,104 10.2 8,222,906 2027 9,180,686 10.2 8,240,629