台灣電力企業聯合會

      本會(TEPA) 與加雲聯網公司於114年2月25日(二)下午假台大集思會議中心蘇格拉底廳共同舉辦「AI應用於能源管理之商機與展望」研討會，總計有120位來自業者、台電、智庫、學術機構等人士參加，由本會歐理事長嘉瑞及加雲聯網張副總經理力夫共同主持。

      歐理事長在開幕致詞時表示，AI技術應用於能源管理，符合目前全球發展趨勢，可整合分散式電源、優化智慧電網、建物智能化，實現虛擬電廠參與電量競價，並提供電網輔助服務，創造新商機；張副總經理致詞時也表示，應用AI技術可以協助提升電網韌性與供電穩定、引導用戶調整用電行爲與思維，並促進能源轉型，可結合產官學研等各界建立本土技術能量，拓展海外市場。

      本次研討會從AI技術在產業界的節能應用實例及能源管理的實務經驗，探討未來的商機與展望：

      另，由歐理事長和張副總經理共同主持之綜合討論過程中，各與談人除答覆與會者對該等議題所提出之問題外，也交換意見與建議。

      本次研討會承加雲聯網公司鼎力共同辦理、3位主講人對議題之精闢評析，以及TEPA會員和各界人士之踴躍參加與熱烈討論，使活動圓滿完成，特此致謝。

本次研討會與會者提出之意見與建議彙整如下：

一、在AI新模型開發上，可用傳統方法或創新方法，如何選擇？

說明：基本上是先做大數據的分類。以需量反應爲例，採用邏輯式迴歸分析，先看用戶之用電行爲做分類/分群，再決定採用哪一種演算法較佳。

二、對於變壓器偵測，目前主要採用人工方式，偵測炭刷是否正常或需要更換，是否可運用AI技術來偵測？如採用AI技術，是否需要很多儀器？

說明：採用AI技術須裝感測器，視擬蒐集數據的屬性-炭刷磨損量、電壓、振動量、噪音等等，先收集足夠數據後再做模型訓練，並決定用什麼感測器。

三、企業要如何選擇和取得本身所需要的算力？

說明：

1.以台電爲例，採用生成式AI尚在起步階段：先從某一特定領域-例如氫能發電，針對該項議題，收集並累積足夠的氫能相關資料後，再做模型訓練。企業可視本身業務需求，選擇用何種模型。

2.以工研院爲例，目前也在研究如何建立整合算力中心。目前建立算力之成本尚高，但隨著需求成長、日漸普及化後，預計成本會持續下降。

3.對中小企業而言，算力的選擇和取得，依其對於企業的 CP值而定。以佳雲聯網爲例，主要採用檢索增強生成(RAG) 模型，先建立基本的資料準確度。

按：RAG (Retrieval-Augmented Generation) 是透過讓大型語言模型(LLM) 在不經過再訓練的情況下利用更多資料資源，改善生成式AI 的品質。RAG 模型會根據組織自己的資料建立知識儲存庫，並且可以持續更新儲存庫，以協助生成式AI 提供及時、符合情境的答案。 也就是利用 RAG，就能在不修改基礎模型本身的情況下，以目標資訊最佳化 LLM 輸出。

四、儲能系統在能源管理上扮演越來越重要的角色，是否也有應用AI技術於儲能系統故障之偵測？

說明：儲能技術有多種，應用AI技術於電池儲能系統故障之偵測，須依其性能與用途之不同來設計，且須有大量、充足之數據為基礎。目前主要針對2-3種電池儲能系統故障偵測，分別開發其AI模型。