SAS Insights

再生能源發展借力AI少走冤枉路

作者:SAS台灣總經理陳愷新
原文刊登自:電子時報《智慧能源專欄》

節能減排、淨零碳排成為全球共同努力方向，同時全球對於能源的需求也逐年提高。為讓潔淨能源發揮最大的效益，除了需要發掘更多潔淨再生能源供應外，藉由優化既有發電、輸配電系統，降低無謂損耗，也是重要關鍵之一。

賽仕電腦軟體( S A S ) 台灣總經理陳愷新認為，將AI導入能源架構中，透過大量累積數據的分析，不僅能提高對能源運用需求預測的準確度，同時也能更有效益地調配潔淨能源。將AI應用在輸配電系統的管理上，透過預防保養的概念，能同步降低業者的成本，創造更大的效益。

不管是節能減碳或淨零碳排，都意味著人類必須逐步減少，最終捨棄絕大多數的石化燃料，改以再生能源來支撐社會運作，能源產業也因此正邁入轉型的關鍵時刻。

但對能源產業而言，這是一個相當大的挑戰，因為能源供應不可以中斷，而再生能源最大的缺陷，就是產出會受到許多環境因素的影響。舉例來說，風力發電所產生的電力，取決於風力條件；太陽能發電的產出量，則受到日照條件的制約。即便是已經相當成熟的水力發電，若遇到嚴重的枯水期或乾旱，也很難派上用場。

然隨著科技進步，再生能源有沒有機會變得更穩定呢？答案當然是肯定的。從發電、輸電、配電到售電，只要能提高能源從生產到消費這整個鏈條中，每一個環節的可預測性，進而根據預測結果來進行精密準確的調整，自然能提高確保能源供需平衡的機會，亦可以讓再生能源更和諧地融入整個電力架構中。而AI跟大數據分析，即是這種可以提高整個系統穩定性與可靠度的有效技術，可謂是再生能源今後成功發展的重要關鍵之一。

透過AI分析產需預測達到供需平衡、減少損失

再生能源受天候條件制約的程度遠高於傳統發電方式，導致能源預估模型中的變數比以往更加複雜，因此也非常難得到精準的預估結果。

一般傳統能源供需的平衡會產生變化，主要是受到外部變數跟特定事件的影響。例如經濟景氣狀況、天候條件跟人口變遷等外生變數，以及颱風、地震、新年連假等可預期或突發的日曆事件，都會對能源供需平衡的波動，產生決定性影響。

再生能源的導入，則會在既有的運算模型上引入更多變數，使得精準預測能源供需變得更加困難。因此，在進行能源預測時，電力公司必須將這些變數納入，使模型更貼近真實世界的狀況。

AI的運用則可有效提高預測的準確性。電力公司可以先選定一段歷史資料作為範本，在AI的輔助下，用各種演算法建置出不同的預測模型，然後用這段範本資料作為測試範本，選出最精準的冠軍模型，然後重新建模，不斷修正出更準確的模型，進一步提供各類情境下的應對方針供決策層級加速回應市場狀況。

目前在《財星》雜誌500大企業中，有90%電力及能源廠商，已經透過運用AI進行各類情境預測與監控，反映出在現實環境裡，先進企業對於仰賴AI穩定供電與調配的需求持續提升。

例如澳洲電力供應商之一的Red Energy，先前曾深受不準確的能源預測所苦，導致每年損失高達數百萬美元。在導入AI解決方案前，Red Energy 的能源預測準確率不到90%；為此，常被迫要緊急跟其他電力公司調度電力，才能滿足用電戶的電力需求。

但緊急調度的成本是很高昂的，因為電力是一種即期商品，供應商只會生產恰好滿足市場需求的量，如果有意料之外的需求出現，電力供應就會短缺，造成價格上升。

導入AI應用方案後，Red Energy的能源預測準確度提高到超過98%，需要緊急跟其他電力公司調度電力的情況大幅減少，購電成本自然大幅下降。

澳洲電力供應商之一的Red Energy

落實設備預診斷電力系統發電可靠度全面提升

至於在提升電力系統可靠度方面，AI 技術也能發揮巨大的功效。設備故障停擺前進行維修保養，對電力這種不能出狀況的基礎設施而言十分重要。

目前全球運作中的電力設備，主要是依據歲修排程的方式來進行停機維護。但事實證明，如果能針對設備的健康狀態進行即時監控，在設備出現異常徵兆時就提前更換零組件，就能更有效避免系統發生故障導致事故發生。

而透過AI即時判讀設備傳回的健康數據，鎖定跟設備異常有關的蛛絲馬跡，其所帶來的效益不只是減少故障停機時間；同時，機組還能一直維持在健康運行的狀態下，使其運作效率維持在顛峰狀態。

舉例來說，風機健康狀況的監控，就對風電業者至關重要。畢竟，風機一般都架設在海邊，甚至是海上，在高鹽度海風的吹襲下，設備老化跟故障的速度都比一般機組更快。

此外，每部機組的老化速度都不盡相同，不僅增加了巡檢工作的複雜度，也讓風電業者難以精準設定替換零件庫存的水位，萬一損壞的零件剛好沒有庫存，即便立刻叫貨，交期也在半年以上，等於是風機必須閒置半年。

為了精準掌握設備的健康狀況，土耳其風力發電廠Enerjisa在風力發電機內裝入各種物聯網(IoT)感測器，再以AI 分析感測器所蒐集來的訊息。

藉由AI來判讀感測器數據可帶來兩大效益，一是可以做到即時監控，二是讓營運團隊能找出可能將發生的故障，及早安排檢修維護跟備料。

透過AI分析，Enerjisa不僅即時掌握了風力發電機組的運作狀況，並將設備非預期停機時間降低了35~45%，同時確保風力發電量可維持在一定標準，不會因為設備出現故障而影響發電量。

當然，除了發電機組，相關的配電設備也可以利用AI進行健康度診斷。像是配電變壓器就可以利用不同時間頻率的AI模型，提前掌握有哪些零件可能會發生故障，並做好維修排程規劃。

能源產業面臨數位、綠色雙轉型透過AI少走冤枉路

全球永續浪潮來襲，各國家企業紛紛訂定減碳與採用綠電目標，能源轉型與再生能源發展已到了刻不容緩的趕路階段。運用數位轉型來帶動能源轉型， AI的導入可即時判斷、事先偵錯預警、準確預測供需，對當前正面臨數位轉型與綠色轉型雙重考驗的能源產業而言，可少走不必要的冤枉路，避免不必要的營運損失；同時精準預測發電量跟用電狀況，讓電力業者得以駕馭相對不穩定的再生能源，達到落實綠色永續與穩定企業營運的雙重目標。