Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

旋轉、跳躍、紗線發電~~~拉拉扯扯就能發電的神奇螺旋線!?

tinablahblah
・2017/10/06 ・1795字 ・閱讀時間約 3 分鐘 ・SR值 517 ・六年級

-----廣告,請繼續往下閱讀-----

螺斯龍放在衣服裡、只要呼吸就可以發電的特性,未來可望應用在充電方面。圖/StockSnap @pixabay

想像一下,以後外出時不用再帶著行動電源,因為你身上穿的衣服就能幫你充電!如果你未來看到這件神奇的衣服,別懷疑,這不是魔術,衣服裡面也沒有隱藏開關,只是內含由奈米碳管纏結而成的特殊紗線,名為「螺旋龍」(暫譯,原文為twistron),本身就有辦法發電!

實驗中的螺旋龍從本來繃緊的狀態到完全鬆開,其中產生的能量足以使一顆LED燈亮起。圖/Shi Hyeong Ki@ Science (上圖) &  Science Magazine@ Youtube (下圖)

這個紗線由德克薩斯州大學達拉斯分校與南韓漢陽大學共同研發,研究發表在今年8月號的《Science》。實驗過程中使用的是直徑比頭髮還要小一萬倍以上的奈米碳管,他們把奈米碳管薄片放置到轉動的馬達上,就像紡紗般,使薄片變為線,接著再強力扭轉線,把線捲得跟家用電話線很像,也就是螺旋龍。接著,研究人員將螺旋龍放在電解液(實驗中用鹽酸)裡,就成了「螺旋集電器」(暫譯,原文為 twistron harvesters)。當原本緊繃的螺旋龍鬆開時,內部的壓力與摩擦力使奈米碳管釋放電荷,並通過電解液抵達電極,就可以成功發電了!

那麼它實際的效果如何呢?實驗中使用了19毫克的紗線,一次的拉扯可以使LED燈瞬間「登!」的亮一下。以每一公斤的紗線來說,放掉的那瞬間繩子旋轉的速度最高可達每秒三十圈(是指速度,不是真的轉三十圈喔xD),可產生250瓦特(也就是250焦耳/秒),而這一公斤紗線從放開、開始旋轉、放慢到完全停下來,平均產生40焦耳的能量。

研究人員已成功將螺旋集電器放入衣服。圖/Science Magazine@ Youtube

以目前來說,可行的應用是可攜式裝置與穿戴式裝置。研究人員已嘗試將螺旋集電器放入衣服裡了,他們將電解質放入凝膠中,另外以導電的奈米碳管作為電極,再加上螺旋龍,全部合在一起做成柔軟有彈性的材料,放入布料中。每當我們活動、甚至只是單純呼吸時,衣服就能隨之起伏而發電!除此之外,也可以應用到襪子、手套等等。(如果放在保險套就可以用愛發電了)(喂)

-----廣告,請繼續往下閱讀-----
未來只要奈米碳管價格下降,可望將螺旋龍應用在海洋發電上。圖/Hans@ Pixabay

但研究人員可不只滿足於人體的起伏所發的電,那麼有沒有什麼能起伏更大、又有更多電解液的地方?來來來,讓我們靜心打坐冥想⋯⋯叮!沒錯,此時你應該已經聽到大自然——波浪——的呼喚了。海水本身就是天然的電解質溶液,且浪潮不停地翻滾,正好適合需要拉扯的螺旋集電器(以後可以當神奇海螺的好朋友,叫神奇海螺旋),因此,研究人員希望可以將此應用在海洋能發電,為我們開啟能源的新可能。

這次的研究所使用的技術,使我們對於如何將力學能轉為電能的了解又跨進一步。雖然奈米碳管的價格並不便宜,但是隨著未來價格下降,加上奈米碳管很輕的優點,研究人員相信螺旋集電器的應用範圍很廣。(不過價格到底什麼時候下降到夠低呢⋯我也不知道)(啊不就在講廢話(逃))

參考資料

-----廣告,請繼續往下閱讀-----
文章難易度
tinablahblah
3 篇文章 ・ 1 位粉絲
喲荷~我是小小的實習編輯,對科學是最一竅不通的那種,所以,嗯,科普文章的存在真的太重要了!(點頭點頭)

0

0
0

文字

分享

0
0
0
拆解邊緣AI熱潮:伺服器如何提供穩固的運算基石?
鳥苷三磷酸 (PanSci Promo)_96
・2025/05/21 ・5071字 ・閱讀時間約 10 分鐘

本文與 研華科技 合作,泛科學企劃執行。

每次 NVIDIA 執行長黃仁勳公開發言,總能牽動整個 AI 產業的神經。然而,我們不妨設想一個更深層的問題——如今的 AI 幾乎都倚賴網路連線,那如果哪天「網路斷了」,會發生什麼事?

想像你正在自駕車打個盹,系統突然警示:「網路連線中斷」,車輛開始偏離路線,而前方竟是萬丈深谷。又或者家庭機器人被駭,開始暴走跳舞,甚至舉起刀具向你走來。

這會是黃仁勳期待的未來嗎?當然不是!也因為如此,「邊緣 AI」成為業界關注重點。不靠雲端,AI 就能在現場即時反應,不只更安全、低延遲,還能讓數據當場變現,不再淪為沉沒成本。

什麼是邊緣 AI ?

邊緣 AI,乍聽之下,好像是「孤單站在角落的人工智慧」,但事實上,它正是我們身邊最可靠、最即時的親密數位夥伴呀。

當前,像是企業、醫院、學校內部的伺服器,個人電腦,甚至手機等裝置,都可以成為「邊緣節點」。當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。簡單來說,就是將原本集中在遠端資料中心的運算能力,「搬家」到更靠近數據源頭的地方。

-----廣告,請繼續往下閱讀-----

那麼,為什麼需要這樣做?資料放在雲端,集中管理不是更方便嗎?對,就是不好。

當數據在這些邊緣節點進行運算,稱為邊緣運算;而在邊緣節點上運行 AI ,就被稱為邊緣 AI。/ 圖片來源:MotionArray

第一個不好是物理限制:「延遲」。
即使光速已經非常快,數據從你家旁邊的路口傳到幾千公里外的雲端機房,再把分析結果傳回來,中間還要經過各種網路節點轉來轉去…這樣一來一回,就算只是幾十毫秒的延遲,對於需要「即刻反應」的 AI 應用,比如說工廠裡要精密控制的機械手臂、或者自駕車要判斷路況時,每一毫秒都攸關安全與精度,這點延遲都是無法接受的!這是物理距離與網路架構先天上的限制,無法繞過去。

第二個挑戰,是資訊科學跟工程上的考量:「頻寬」與「成本」。
你可以想像網路頻寬就像水管的粗細。隨著高解析影像與感測器數據不斷來回傳送,湧入的資料數據量就像超級大的水流,一下子就把水管塞爆!要避免流量爆炸,你就要一直擴充水管,也就是擴增頻寬,然而這樣的基礎建設成本是很驚人的。如果能在邊緣就先處理,把重要資訊「濃縮」過後再傳回雲端,是不是就能減輕頻寬負擔,也能節省大量費用呢?

第三個挑戰:系統「可靠性」與「韌性」。
如果所有運算都仰賴遠端的雲端時,一旦網路不穩、甚至斷線,那怎麼辦?很多關鍵應用,像是公共安全監控或是重要設備的預警系統,可不能這樣「看天吃飯」啊!邊緣處理讓系統更獨立,就算暫時斷線,本地的 AI 還是能繼續運作與即時反應,這在工程上是非常重要的考量。

所以你看,邊緣運算不是科學家們沒事找事做,它是順應數據特性和實際應用需求,一個非常合理的科學與工程上的最佳化選擇,是我們想要抓住即時數據價值,非走不可的一條路!

邊緣 AI 的實戰魅力:從工廠到倉儲,再到你的工作桌

知道要把 AI 算力搬到邊緣了,接下來的問題就是─邊緣 AI 究竟強在哪裡呢?它強就強在能夠做到「深度感知(Deep Perception)」!

-----廣告,請繼續往下閱讀-----

所謂深度感知,並非僅僅是對數據進行簡單的加加減減,而是透過如深度神經網路這類複雜的 AI 模型,從原始數據裡面,去「理解」出更高層次、更具意義的資訊。

研華科技為例,旗下已有多項邊緣 AI 的實戰應用。以工業瑕疵檢測為例,利用物件偵測模型,快速將工業產品中的瑕疵挑出來,而且由於 AI 模型可以使用同一套參數去檢測,因此品管上能達到一致性,減少人為疏漏。尤其在高產能工廠中,檢測速度必須快、狠、準。研華這套 AI 系統每分鐘最高可處理 8,000 件產品,替工廠節省大量人力,同時確保品質穩定。這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。

這樣的效能來自於一台僅有膠囊咖啡機大小的邊緣設備—IPC-240。/ 圖片提供:研華科技

此外,在智慧倉儲場域,研華與威剛合作,研華與威剛聯手合作,在 MIC-732AO 伺服器上搭載輝達的 Nova Orin 開發平台,打造倉儲系統的 AMR(Autonomous Mobile Robot) 自走車。這跟過去在倉儲系統中使用的自動導引車 AGV 技術不一樣,AMR 不需要事先規劃好路線,靠著感測器偵測,就能輕鬆避開障礙物,識別路線,並且將貨物載到指定地點存放。

當然,還有語言模型的應用。例如結合檢索增強生成 ( RAG ) 跟上下文學習 ( in-context learning ),除了可以做備忘錄跟排程規劃以外,還能將實務上碰到的問題記錄下來,等到之後碰到類似的問題時,就能詢問 AI 並得到解答。

你或許會問,那為什麼不直接使用 ChatGPT 就好了?其實,對許多企業來說,內部資料往往具有高度機密性與商業價值,有些場域甚至連手機都禁止員工帶入,自然無法將資料上傳雲端。對於重視資安,又希望運用 AI 提升效率的企業與工廠而言,自行部署大型語言模型(self-hosted LLM)才是理想選擇。而這樣的應用,並不需要龐大的設備。研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。

但問題也接著浮現:要在這麼小的設備上跑大型 AI 模型,會不會太吃資源?這正是目前 AI 領域最前沿、最火熱的研究方向之一:如何幫 AI 模型進行「科學瘦身」,又不減智慧。接下來,我們就來看看科學家是怎麼幫 AI 減重的。

-----廣告,請繼續往下閱讀-----

語言模型瘦身術之一:量化(Quantization)—用更精簡的數位方式來表示知識

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。這其實跟圖片壓縮有點像:有些畫面細節我們肉眼根本看不出來,刪掉也不影響整體感覺,卻能大幅減少檔案大小。

模型量化的原理也是如此,只不過對象是模型裡面的參數。這些參數原先通常都是以「浮點數」表示,什麼是浮點數?其實就是你我都熟知的小數。舉例來說,圓周率是個無窮不循環小數,唸下去就會是3.141592653…但實際運算時,我們常常用 3.14 或甚至直接用 3,也能得到夠用的結果。降低模型參數中浮點數的精度就是這個意思! 

然而,量化並不是那麼容易的事情。而且實際上,降低精度多少還是會影響到模型表現的。因此在設計時,工程師會精密調整,確保效能在可接受範圍內,達成「瘦身不減智」的目標。

當硬體資源有限,大模型卻越來越龐大,「幫模型減肥」就成了邊緣 AI 的重要課題。/ 圖片來源:MotionArray

模型剪枝(Model Pruning)—基於重要性的結構精簡

建立一個 AI 模型,其實就是在搭建一整套類神經網路系統,並訓練類神經元中彼此關聯的參數。然而,在這麼多參數中,總會有一些參數明明佔了一個位置,卻對整體模型沒有貢獻。既然如此,不如果斷將這些「冗餘」移除。

這就像種植作物的時候,總會雜草叢生,但這些雜草並不是我們想要的作物,這時候我們就會動手清理雜草。在語言模型中也會有這樣的雜草存在,而動手去清理這些不需要的連結參數或神經元的技術,就稱為 AI 模型的模型剪枝(Model Pruning)。

-----廣告,請繼續往下閱讀-----

模型剪枝的效果,大概能把100變成70這樣的程度,說多也不是太多。雖然這樣的縮減對於提升效率已具幫助,但若我們要的是一個更小幾個數量級的模型,僅靠剪枝仍不足以應對。最後還是需要從源頭著手,採取更治本的方法:一開始就打造一個很小的模型,並讓它去學習大模型的知識。這項技術被稱為「知識蒸餾」,是目前 AI 模型壓縮領域中最具潛力的方法之一。

知識蒸餾(Knowledge Distillation)—讓小模型學習大師的「精髓」

想像一下,一位經驗豐富、見多識廣的老師傅,就是那個龐大而強悍的 AI 模型。現在,他要培養一位年輕學徒—小型 AI 模型。與其只是告訴小型模型正確答案,老師傅 (大模型) 會更直接傳授他做判斷時的「思考過程」跟「眉角」,例如「為什麼我會這樣想?」、「其他選項的可能性有多少?」。這樣一來,小小的學徒模型,用它有限的「腦容量」,也能學到老師傅的「智慧精髓」,表現就能大幅提升!這是一種很高級的訓練技巧,跟遷移學習有關。

舉個例子,當大型語言模型在收到「晚餐:鳳梨」這組輸入時,它下一個會接的詞語跟機率分別為「炒飯:50%,蝦球:30%,披薩:15%,汁:5%」。在知識蒸餾的過程中,它可以把這套機率表一起教給小語言模型,讓小語言模型不必透過自己訓練,也能輕鬆得到這個推理過程。如今,許多高效的小型語言模型正是透過這項技術訓練而成,讓我們得以在資源有限的邊緣設備上,也能部署愈來愈強大的小模型 AI。

但是!即使模型經過了這些科學方法的優化,變得比較「苗條」了,要真正在邊緣環境中處理如潮水般湧現的資料,並且高速、即時、穩定地運作,仍然需要一個夠強的「引擎」來驅動它們。也就是說,要把這些經過科學千錘百鍊、但依然需要大量計算的 AI 模型,真正放到邊緣的現場去發揮作用,就需要一個強大的「硬體平台」來承載。

-----廣告,請繼續往下閱讀-----

邊緣 AI 的強心臟:SKY-602E3 的三大關鍵

像研華的 SKY-602E3 塔式 GPU 伺服器,就是扮演「邊緣 AI 引擎」的關鍵角色!那麼,它到底厲害在哪?

一、核心算力
它最多可安裝 4 張雙寬度 GPU 顯示卡。為什麼 GPU 這麼重要?因為 GPU 的設計,天生就擅長做「平行計算」,這正好就是 AI 模型裡面那種海量數學運算最需要的!

你想想看,那麼多數據要同時處理,就像要請一大堆人同時算數學一樣,GPU 就是那個最有效率的工具人!而且,有多張 GPU,代表可以同時跑更多不同的 AI 任務,或者處理更大流量的數據。這是確保那些科學研究成果,在邊緣能真正「跑起來」、「跑得快」、而且「能同時做更多事」的物理基礎!

二、工程適應性——塔式設計。
邊緣環境通常不是那種恆溫恆濕的標準機房,有時是在工廠角落、辦公室一隅、或某個研究實驗室。這種塔式的機箱設計,體積相對緊湊,散熱空間也比較好(這對高功耗的 GPU 很重要!),部署起來比傳統機架式伺服器更有彈性。這就是把高性能計算,進行「工程化」,讓它能適應台灣多樣化的邊緣應用場景。

三、可靠性
SKY-602E3 用的是伺服器等級的主機板、ECC 糾錯記憶體、還有備援電源供應器等等。這些聽起來很硬的規格,背後代表的是嚴謹的工程可靠性設計。畢竟在邊緣現場,系統穩定壓倒一切!你總不希望 AI 分析跑到一半就掛掉吧?這些設計確保了部署在現場的 AI 系統,能夠長時間、穩定地運作,把實驗室裡的科學成果,可靠地轉化成實際的應用價值。

-----廣告,請繼續往下閱讀-----
研華的 SKY-602E3 塔式 GPU 伺服器,體積僅如後背包大小,卻能輕鬆支援語言模型的運作,實現高效又安全的 AI 解決方案。/ 圖片提供:研華科技

台灣製造 × 在地智慧:打造專屬的邊緣 AI 解決方案

研華科技攜手八維智能,能幫助企業或機構提供客製化的AI解決方案。他們的技術能力涵蓋了自然語言處理、電腦視覺、預測性大數據分析、全端軟體開發與部署,及AI軟硬體整合。

無論是大小型語言模型的微調、工業瑕疵檢測的模型訓練、大數據分析,還是其他 AI 相關的服務,都能交給研華與八維智能來協助完成。他們甚至提供 GPU 與伺服器的租借服務,讓企業在啟動 AI 專案前,大幅降低前期投入門檻,靈活又實用。

台灣有著獨特的產業結構,從精密製造、城市交通管理,到因應高齡化社會的智慧醫療與公共安全,都是邊緣 AI 的理想應用場域。更重要的是,這些情境中許多關鍵資訊都具有高度的「時效性」。像是產線上的一處異常、道路上的突發狀況、醫療設備的即刻警示,這些都需要分秒必爭的即時回應。

如果我們還需要將數據送上雲端分析、再等待回傳結果,往往已經錯失最佳反應時機。這也是為什麼邊緣 AI,不只是一項技術創新,更是一條把尖端 AI 科學落地、真正發揮產業生產力與社會價值的關鍵路徑。讓數據在生成的那一刻、在事件發生的現場,就能被有效的「理解」與「利用」,是將數據垃圾變成數據黃金的賢者之石!

👉 更多研華Edge AI解決方案
👉 立即申請Server租借

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度

討論功能關閉中。

鳥苷三磷酸 (PanSci Promo)_96
225 篇文章 ・ 313 位粉絲
充滿能量的泛科學品牌合作帳號!相關行銷合作請洽:contact@pansci.asia

0

1
0

文字

分享

0
1
0
「護國神山」越高 電力壓力越大:臺灣海洋能是解方?
PanSci_96
・2024/11/07 ・3553字 ・閱讀時間約 7 分鐘

半導體廠和資料中心的耗電量巨大,隨著護國神山的持續壯大,台灣的電力供應是否還能承受這種壓力?

或許,大海能夠給予我們答案。

在我們的周遭,有一個龐大且源源不絕的能源,但卻長期被我們所忽視——大海。太平洋上的鄰居夏威夷,已經部署了一座 1.25 百萬瓦特(1.25MW)的波浪能發電示範裝置,並即將併入夏威夷的電網。雖然這個發電量看似不大,但一台裝置只需要 38 公尺長、18 公尺寬的空間。想要放置更多的裝置,需要更大的空間嗎?大海有的是空間。

看來從海洋中擷取能源,或許就是台灣能源的終極解答。但為什麼還沒有人大力投入這個領域呢?

-----廣告,請繼續往下閱讀-----
歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

從海洋擷取能源

事實上,從海洋中獲取能量的想法並不新鮮。利用海洋的物理或化學特性所開發的能源,稱為海洋能。海洋能可以大致分為多種不同的形式,每種原理各有不同。

首先是波浪能。夏威夷建設的波浪能示範電廠,就是利用波浪的上下運動所產生的位能變化,或者是利用波浪中海水運動所帶有的動能,來產生電力。值得一提的是,無風不起浪。波浪的產生及其動能的來源,來自於風吹過海面時所產生的摩擦力。而風的出現,可能來自地球自轉,或者是太陽加熱地表和空氣所產生的氣壓差,空氣從高壓區流向低壓區,進而產生風。因此,波浪能的源頭其實是地球和源源不絕的太陽能,被視為永續能源。

其次是潮汐能。月球的引力是潮汐漲退的主要原因。潮汐造成海洋水位的變化,產生位能;同時,漲潮和落潮的水流也帶有動能,這兩種能量都可以用來發電。

另一種是海流能。這是利用海洋中洋流流動的能量。例如,台灣附近的黑潮,水流方向不論冬夏,都是由南向北,而且流速相當快,約每秒 1 至 2 公尺。只要在海流中放置水輪機,就能驅動發電機發電。

-----廣告,請繼續往下閱讀-----

接下來是較為特殊的兩種方式。溫差能(OTEC,Ocean Thermal Energy Conversion)利用海水表面和深海之間的溫度差來發電。我們知道,海水表面因為受到太陽照射,溫度較高;越往深海,溫度越低,一般溫差可達 14 至 25 攝氏度。我們可以利用這個溫差來發電,原理類似地熱發電。OTEC 系統除了發電外,還可以結合海水淡化、海洋養殖和空調冷卻系統等多種用途,可謂一舉多得。

最後是鹽差能。這是利用鹹水和淡水之間的鹽度差異所產生的化學電位差來發電。發電廠通常建設在河水和海水的交界處,將海水和淡水當作一個巨大的化學電池的兩極。

台灣適合發展海洋能嗎?

海洋每年蘊藏的能源遠超全球發電需求,潛力無窮。 圖/envato

地球表面約有 70% 是海洋,蘊藏著無窮的潛力。國際能源總署(IEA)在 2007 年發布的報告預估,海洋每年蘊藏了 21,100 到 93,100 太瓦小時的發電量。作為對比,根據統計公司 Statista 的資料,2022 年全球總發電量為 29,165 太瓦小時。也就是說,海洋蘊藏的能源,足以供給全球所需,甚至可能多出數倍。

海洋能除了蘊藏量龐大之外,發電不需要佔用陸地,又屬於不會造成環境污染的可再生能源,具備多重優勢。既然如此,為什麼我們不大力發展海洋能呢?畢竟台灣四面環海,感覺應該非常有利於開發海洋能。但事實上,不是每一種發電方式都適合台灣。

-----廣告,請繼續往下閱讀-----

根據工研院於 2018 年整理的資料,台灣的地理環境較有潛力發展的是波浪能、溫差能和海流能。在詳細介紹這些能夠發多少電之前,我們先有個概念作為對照。2023 年,台電系統(不包括民營電廠)發電總裝置容量約為 55 吉瓦(GW),而目前封存的核四,兩部機組的總裝置容量為2.7 GW。

首先,波浪能發電適合的區域包括東北角外海、富貴角一帶,以及澎湖和雲林、彰化外海,發電功率有望達到 2.4 GW。溫差能發電適合的範圍則在花蓮、台東外海,具有 2.8 GW 的發電潛力。至於海流能發電,適合的地區在富貴角、澎湖水道(台澎海峽),以及東部外海的黑潮,共有 4.2 GW 的發電潛力。此外,在金門和馬祖,也有一些潮汐能發電的潛力。

總計而言,台灣的海洋能蘊藏量至少有 9.4 GW 的潛力,相當於七部核能機組的發電量。這樣的發電潛力也意味著巨大的經濟價值,估計海洋能市場的產值可達數兆台幣。

發展海洋能的困難之處

既然海洋能蘊藏量龐大,為什麼我們至今未見台灣有大規模的海洋能開發計畫呢?

-----廣告,請繼續往下閱讀-----

首先,海洋能的技術發展仍存在許多挑戰。在各種海洋能中,潮汐發電目前最接近成熟的商業化階段,且已有正在運作的商業發電廠。例如,全球有十多座潮汐發電廠在運作中,其中韓國的始華湖潮汐發電廠是全球最大的,發電容量達 254 MW。此外,還有一些潮汐發電廠處於規劃或建造階段。

然而,潮汐發電的效益取決於潮差(滿潮和乾潮之間的水位差)的大小。一般而言,需要潮差達到 5 公尺以上才有經濟效益。台灣除了金門、馬祖等外島之外,潮差均不足5公尺,因此潮汐發電的潛力較低,並非首選。

至於台灣適合發展的波浪能、溫差能和海流能,目前全球的發展進度都較為遲緩。以波浪能發電為例,雖然蘇格蘭曾有過小規模的商業化案例,但已經退役。不過,最近也有新的波浪能計畫正在進行,包括本文開頭提到的夏威夷案場,這是愛爾蘭公司 OceanEnergy 在夏威夷設置的波浪能轉換器 OE-35,裝置容量為 1.25 MW。另外,瑞典公司 CorPower Ocean 在葡萄牙設置了 C4,裝置容量為 600 kW。雖然規模不大,但已達到商業化的程度,有望在不久的將來成為新的商業化發電方式。

至於溫差能、海流能和鹽差能,都還處於技術發展或小規模實驗測試階段,距離成功商業化發電還有一段路要走。

-----廣告,請繼續往下閱讀-----

那麼,海洋能發展緩慢的原因是什麼呢?技術層面是一大挑戰。首先,海水對電器設備具有腐蝕性。同時,海上的強風大浪可能造成設備損壞。海洋生物也會附著在設備上,影響其運作效能。因此,打造耐用且抗生物附著的海洋能發電設備,本身就是一個巨大挑戰。

海洋能發展緩慢因設備易腐蝕、受強風大浪及生物附著影響。圖/envato

此外,即使我們能夠製造出能夠承受各種海洋環境的發電裝置,是否能長期高效地發電也是一個問題。如果無法建立耐用且具有一定規模的海洋能發電設施,成本將無法下降,進而阻礙海洋能的開發。

台灣在海洋能開發的進展

波浪能方面,工研院開發了「懸浮點吸收式波浪發電」系統,包含具有運動模組和浮筒模組的上浮體,以及具有穩定作用的下浮體。當波浪經過時,上、下浮體會產生相對運動,能量擷取系統藉此吸收波浪的能量。

國家海洋研究院則與台灣海洋大學合作,進行「振盪水柱式波浪發電系統」的研究。該系統利用波浪的上下擺動,擠壓空氣艙內的空氣,將空氣擠出至口徑較小的排氣口,造成空氣流速加快,進而驅動排氣孔中的扇葉發電。成大也有實驗室透過數值分析軟體,進行發電裝置最佳化設計的研究。

-----廣告,請繼續往下閱讀-----

海流能方面,國家海洋研究院、台灣大學、中山大學和台灣海洋大學均參與了「浮游式洋流發電機組」的研發。發電機艙採流線型設計,類似一台風箏。機艙後方的葉片在受到洋流衝擊後轉動,驅動發電機產生電力。目前,20 kW 級的發電機組「錨碇」已在90公尺深的海中初步測試成功。中研院也正在研發 100 kW 等級的渦輪機,預計今年在台東外海下水測試。

在進度較慢的溫差能發電方面,台泥預計在和平火力發電廠打造台灣第一個溫差能發電系統。

未來展望與政策目標

不知不覺中,台灣在海洋能的開發上已經投入了不少資源,雖然還需接受海洋環境的考驗,但前景可期。根據目前的政策目標,台灣將從技術較為成熟的海洋能開始,分階段推進。目標是在 2030 年完成 10 萬瓦特到 100 萬瓦特等級的示範發電機組,並於 2035 年設置 100 萬瓦特到 1000 萬瓦特的商業發電機組。根據屆時的技術發展狀況,期望在 2050 年達成裝置容量 1.3 至 7.5 GW 的目標。

在政策執行方面,海洋能開發涉及多個部會的管轄,如環境部、農業部漁業署、內政部國土管理署等。為簡化申請流程並促進開發,設立單一窗口相當重要。值得一提的是,根據最近的消息,台灣已有民間公司提交了 100 kW 的波浪能示範電廠申請,預計最快在 2025 年完成台灣首個海洋能示範場。

-----廣告,請繼續往下閱讀-----

台灣作為四面環海的島國,有機會在這個領域取得突破,為未來的能源供應找到新的解決方案。

-----廣告,請繼續往下閱讀-----

討論功能關閉中。

PanSci_96
1262 篇文章 ・ 2411 位粉絲
PanSci的編輯部帳號,會發自產內容跟各種消息喔。

1

2
2

文字

分享

1
2
2
最安全的核電廠?小型核電廠 SMR 用發電量換安全性,遇到停電也不怕?
PanSci_96
・2023/06/03 ・2582字 ・閱讀時間約 5 分鐘

隨著核電廠陸續退役,台灣也逐漸邁向零核家園,郭台銘突然提出的「一縣市一核電」把核能議題的熱度重新炒到高峰。

雖然看似激進,但有人認為如果是郭董提到的「小型核電廠 SMR」的話,或許就有可能。這個 SMR 到底是什麼?它安全嗎?再者,它真的是核電的未來嗎?

實際上已經有人成功運行小型核電廠,並且已經併網發電了,他們是怎麼做到的?

小型核電廠是什麼?

台灣現在僅存,還在運作的核電廠就是核三廠,核三有兩部機組,每個機組的發電量大約為 950MW。

-----廣告,請繼續往下閱讀-----

小型核電廠正式的名稱是「小型模組化反應爐」SMR(Small Modular Reactor),發電量通常在 20~300 MW,比一般核電廠小上許多。還有甚至更小,發電量 1~20 MW 的 MMR(Micro Modular Reactor)的反應爐。

奇怪,發電量怎麼越發展越小了呢?這樣不就得要蓋更多核電廠?

小型核電廠的特點就是小發電量,因為這能創造三個優點:安全、造價便宜、易組裝。

核能那麼危險,為什麼還要用?

這三個優點實際上就是現在核電發展的最大瓶頸。核能發電也已經有 60 年歷史了,但至今全世界的發電量中,核電也只佔大約 10%。最大的問題不外乎就是安全性、造價昂貴和建造時間久。

-----廣告,請繼續往下閱讀-----

就算撇除安全性,漫長的建設時間與昂貴的發電成本,是讓許多電力公司卻步的原因之一。根據能源研究公司 BNEF(彭博新能源財經)的調查,從 2009 年到 2021 年,12 年間核能的建設成本增加了 36%;加上核電廠動輒 5~10 年的建設時間,就算核能是屬於低碳排的發電方式,大家也都更傾向選擇發展成熟的再生能源。

核能有一個最大的優點,那就是穩定持續發電。太陽能與風力這些再生能源容易隨天氣與時間影響發電量,反之核能屬於基載電力,本來就與風力、太陽能定位不同。

太陽能與風力等再生能源易隨天氣與時間影響發電。圖/Envato Elements

小型核電廠如何克服安全性?

要好要快也要便宜,除了穩定與低碳,還想要兼顧安全跟造價低的核電,小型核電廠真的是那個完美的選擇嗎?

小型核電廠 SMR 主打的特點就是一個字,小!只要夠小、功率降低,反應爐就不會一口氣釋放太多的熱,甚至能免除外部冷卻設備,靠自然循環降溫。

-----廣告,請繼續往下閱讀-----

福島核電廠發生意外的主因就是海嘯破壞了核電廠中做為緊急電源設備的發電機與電池,導致冷卻系統失效,最後反應爐內的溫度無法抑制、不斷竄高,將水分解成了易燃的氫氣,產生爆炸。

如果 SMR 的反應爐可以撇除對外部冷卻系統的依賴,靠自己就能降溫,就能最大程度避免發生爆炸以及爐心熔毀的事故。

我們以目前 SMR 發展最成熟的美國公司 NuScale 為例,在他們發展的 60MW 反應爐中,含有 37 個燃料束,整個反應爐高約 17.8 公尺,直徑約 3 公尺。這個大小甚至可以在工廠製造,透過貨車或火車運送至預定地再快速組裝起來,大幅減少建造的時間與成本。

NuScale 把水循環系統都包在了反應爐,一次冷卻劑藉由熱對流上下循環,完全不需要幫浦,減少停電時產生的風險,一次冷卻劑的熱則會傳給二次冷卻劑,讓二次冷卻劑變為蒸氣推動渦輪發電。

-----廣告,請繼續往下閱讀-----

如果真的遇上斷電事故,反應爐也有緊急冷卻系統,直接將整個反應爐泡在大水槽中;根據計算,水會在 30 天後完全蒸發,而此時的反應爐功率已經降低為原本的 4% 以下,只要靠空氣循環就能穩定溫度。

福島第一核電廠事故主因是由於海嘯破壞了做為緊急電源設備的發電機與電池。圖/維基百科

中國的小型核電廠是怎麼做到的?

而現在,在中國已經有第一座陸上 SMR 併到電網了!2021 年年底,中國山東省「石島灣高溫氣冷堆核電站示範工程」正式併網發電,發電功率 200MW,雖然發電廠的總體積不小,但以它的發電功率及主打安全的設計,是實實在在的一座 SMR。

所謂的「高溫氣冷堆」,指的是流經燃料棒,充當冷卻劑與熱交換的材料,所使用氣體如:氦氣。與壓水式反應爐用水作為冷卻劑的最大差別在於不僅熱轉換效率更好,也不用擔心水因高溫氣化而有爆炸風險,故可承受更高的反應溫度。

比起傳統反應爐,高溫氣冷堆可以用更少的鈾 -235 進行反應,也就是能在燃料棒中有更多的鈾 -238 可以在溫度飆高時吸收掉多餘中子,加上高溫氣冷堆本身就能承受高溫的特性,如果真的遇到失去電力的情況,整個反應堆的溫度,也會穩定在 1600℃ 上下。

-----廣告,請繼續往下閱讀-----

除此之外,石島灣核電廠的設計十分有趣,是球狀反應爐。在如同沙漏般的大反應爐中,燃料棒被做成了一顆顆直徑約 6.7 公分的燃料球,兩萬七千顆燃料球像沙漏中的沙子一般填充在反應爐內。

鈾燃料會被包裹在球狀構造的中心,外頭則是作為中子減速劑的石磨;作為冷卻劑的高溫氦氣會從球的中間通過帶走熱量,燃料球可從下方取出,並從上方填充。

不過,高溫氣冷堆能否成功,還需要許多時間觀察,例如石磨包裹的燃料球是否容易摩擦造成破裂,都是需要進一步注意的。

燃料棒被做成直徑約 6.7 公分的燃料球。圖/PanSci YouTube

小型核電廠的未來?

除了中國外,各國也都在發展不同形式的 SMR,甚至有人在發展功率 20MW 以下的微型核子反應爐 MMR。例如美國愛達荷國家實驗室正在建造的 MARVEL 反應爐,以及核能公司 Radiant,它們正在打造貨櫃大小、可以隨拉隨走的 MMR,希望能取代社區停電時使用的高污染柴油緊急發電機。

-----廣告,請繼續往下閱讀-----

不論是小型還是微型核電廠,除了技術還有待發展,成本是否能壓低,也是個重要指標。當然,還有另一個大魔王,就是核廢料問題,還等著被解決。

根據研究推算,NuClear 各種機型每單位能量產生的核廢料可能會是傳統核電廠的 5.5~30 倍不等,球狀反應堆的體積因為球狀包裹物的設計,核廢料的體積也是明顯可見的變大,而這些核廢料的處置問題也是全球都在面對的問題。

歡迎訂閱 Pansci Youtube 頻道 獲取更多深入淺出的科學知識!

-----廣告,請繼續往下閱讀-----
所有討論 1