815全台大停電，你搞清楚發生什麼事了嗎？

• 作者／賴昭正｜前清大化學系教授、系主任、所長；合創科學月刊

我擔心人工智慧可能會完全取代人類。如果人們能設計電腦病毒，那麼就會有人設計出能夠自我改進和複製的人工智慧。 這將是一種超越人類的新生命形式。

——史蒂芬．霍金（Stephen Hawking）　英國理論物理學家

大約在八十年前，當第一台數位計算機出現時，一些電腦科學家便一直致力於讓機器具有像人類一樣的智慧；但七十年後，還是沒有機器能夠可靠地提供人類程度的語言或影像辨識功能。誰又想到「人工智慧」（Artificial Intelligent，簡稱 AI）的能力最近十年突然起飛，在許多（所有？）領域的測試中擊敗了人類，正在改變各個領域——包括假新聞的製造與散佈——的生態。

圖形處理單元（graphic process unit，簡稱 GPU）是這場「人工智慧」革命中的最大助手。它的興起使得九年前還是個小公司的 Nvidia（英偉達）股票從每股不到 $5，上升到今天（5 月 24 日）每股超過 $1000（註一）的全世界第三大公司，其創辦人（之一）兼首席執行官、出生於台南的黃仁勳（Jenson Huang）也一躍成為全世界排名 20 內的大富豪、台灣家喻戶曉的名人！可是多少人了解圖形處理單元是什麼嗎？到底是時勢造英雄，還是英雄造時勢？

在回答這問題之前，筆者得先聲明筆者不是學電腦的，因此在這裡所能談的只是與電腦設計細節無關的基本原理。筆者認為將原理轉成實用工具是專家的事，不是我們外行人需要了解的；但作為一位現在的知識分子或公民，了解基本原理則是必備的條件：例如了解「能量不滅定律」就可以不用仔細分析，即可判斷永動機是騙人的；又如現在可攜帶型冷氣機充斥市面上，它們不用往室外排廢熱氣，就可以提供屋內冷氣，讀者買嗎？

CPU 與 GPU

不管是大型電腦或個人電腦都需具有「中央處理單元」（central process unit，簡稱 CPU）。CPU 是電腦的「腦」，其電子電路負責處理所有軟體正確運作所需的所有任務，如算術、邏輯、控制、輸入和輸出操作等等。雖然早期的設計即可以讓一個指令同時做兩、三件不同的工作；但為了簡單化，我們在這裡所談的工作將只是執行算術和邏輯運算的工作（arithmetic and logic unit，簡稱 ALU），如將兩個數加在一起。在這一簡化的定義下，CPU 在任何一個時刻均只能執行一件工作而已。

在個人電腦剛出現只能用於一般事物的處理時，CPU 均能非常勝任地完成任務。但電腦圖形和動畫的出現帶來了第一批運算密集型工作負載後，CPU 開始顯示心有餘而力不足：例如電玩動畫需要應用程式處理數以萬計的像素（pixel），每個像素都有自己的顏色、光強度、和運動等, 使得 CPU 根本沒辦法在短時間內完成這些工作。於是出現了主機板上之「顯示插卡」來支援補助 CPU。

1999 年，英偉達將其一「具有集成變換、照明、三角形設定／裁剪、和透過應用程式從模型產生二維或三維影像的單晶片處理器」（註二）定位為「世界上第一款 GPU」，「GPU」這一名詞於焉誕生。不像 CPU，GPU 可以在同一個時刻執行許多算術和邏輯運算的工作，快速地完成圖形和動畫的變化。

依序計算和平行計算

一部電腦 CPU 如何計算 7×5+6/3 呢？因每一時刻只能做一件事，所以其步驟為：

• 計算 7×5；
• 計算 6/3；
• 將結果相加。

總共需要 3 個運算時間。但如果我們有兩個 CPU 呢？很多工作便可以同時（平行）進行：

• 同時計算 7×5 及 6/3；
• 將結果相加。

只需要 2 個運算時間,比單獨的 CPU 減少了一個。這看起來好像沒節省多少時間，但如果我們有 16 對 a×b 要相加呢？單獨的 CPU 需要 31 個運算的時間（16 個 × 的運算時間及 15 個 + 的運算時間），而有 16 個小 CPU 的 GPU 則只需要 5 個運算的時間（1 個 × 的運算時間及 4 個 + 的運算時間）！

現在就讓我們來看看為什麼稱 GPU 為「圖形」處理單元。圖一左圖《我愛科學》一書擺斜了，如何將它擺正成右圖呢？ 一句話：「將整個圖逆時針方向旋轉 θ 即可」。但因為左圖是由上百萬個像素點（座標 x, y）組成的，所以這句簡單的話可讓 CPU 忙得不亦樂乎了：每一點的座標都必須做如下的轉換

x’ = x cosθ + y sinθ

y’ = -x sinθ+ y cosθ

即每一點均需要做四個 × 及兩個 + 的運算！如果每一運算需要 10^-6 秒，那麼讓《我愛科學》一書做個簡單的角度旋轉，便需要 6 秒，這豈是電動玩具畫面變化所能接受的？

人類的許多發明都是基於需要的關係，因此電腦硬件設計家便開始思考：這些點轉換都是獨立的，為什麼我們不讓它們同時進行（平行運算，parallel processing）呢？於是專門用來處理「圖形」的處理單元出現了——就是我們現在所知的 GPU。如果一個 GPU 可以同時處理 10⁶ 運算，那上圖的轉換只需 10^-6 秒鐘！

GPU 的興起

GPU 可分成兩種：

• 整合式圖形「卡」（integrated graphics）是內建於 CPU 中的 GPU，所以不是插卡，它與 CPU 共享系統記憶體，沒有單獨的記憶體組來儲存圖形／視訊，主要用於大部分的個人電腦及筆記型電腦上；早期英特爾（Intel）因為不讓插卡 GPU 侵蝕主機的地盤，在這方面的研發佔領先的地位，約佔 68% 的市場。
• 獨立顯示卡（discrete graphics）有不與 CPU 共享的自己專用內存；由於與處理器晶片分離，它會消耗更多電量並產生大量熱量；然而，也正是因為有自己的記憶體來源和電源，它可以比整合式顯示卡提供更高的效能。

2007 年，英偉達發布了可以在獨立 GPU 上進行平行處理的軟體層後，科學家發現獨立 GPU 不但能夠快速處理圖形變化，在需要大量計算才能實現特定結果的任務上也非常有效，因此開啟了為計算密集型的實用題目編寫 GPU 程式的領域。如今獨立 GPU 的應用範圍已遠遠超出當初圖形處理，不但擴大到醫學影像和地震成像等之複雜圖像和影片編輯及視覺化，也應用於駕駛、導航、天氣預報、大資料庫分析、機器學習、人工智慧、加密貨幣挖礦、及分子動力學模擬（註三）等其它領域。獨立 GPU 已成為人工智慧生態系統中不可或缺的一部分，正在改變我們的生活方式及許多行業的遊戲規則。英特爾在這方面發展較遲，遠遠落在英偉達（80%）及超微半導體公司（Advance Micro Devices Inc.，19%，註四）之後，大約只有 1% 的市場。

事實上現在的中央處理單元也不再是真正的「單元」，而是如圖二可含有多個可以同時處理運算的核心（core）單元。GPU 犧牲大量快取和控制單元以獲得更多的處理核心，因此其核心功能不如 CPU 核心強大，但它們能同時高速執行大量相同的指令，在平行運算中發揮強大作用。現在電腦通常具有 2 到 64 個核心；GPU 則具有上千、甚至上萬的核心。

結論

我們一看到《我愛科學》這本書，不需要一點一點地從左上到右下慢慢掃描,即可瞬間知道它上面有書名、出版社等，也知道它擺斜了。這種「平行運作」的能力不僅限於視覺，它也延伸到其它感官和認知功能。例如筆者在清華大學授課時常犯的一個毛病是：嘴巴在講，腦筋思考已經不知往前跑了多少公里，常常為了追趕而越講越快，將不少學生拋到腦後！這不表示筆者聰明，因為研究人員發現我們的大腦具有同時處理和解釋大量感官輸入的能力。

人工智慧是一種讓電腦或機器能夠模擬人類智慧和解決問題能力的科技，因此必須如人腦一樣能同時並行地處理許多資料。學過矩陣（matrix）的讀者應該知道，如果用矩陣和向量（vector）表達，上面所談到之座標轉換將是非常簡潔的（註五）。而矩陣和向量計算正是機器學習（machine learning）演算法的基礎！也正是獨立圖形處理單元最強大的功能所在！因此我們可以了解為什麼 GPU 會成為人工智慧開發的基石：它們的架構就是充分利用並行處理，來快速執行多個操作，進行訓練電腦或機器以人腦之思考與學習的方式處理資料——稱為「深度學習」（deep learning）。

黃仁勳在 5 月 22 日的發布業績新聞上謂：「下一次工業革命已經開始了：企業界和各國正與英偉達合作，將價值數萬億美元的傳統資料中心轉變為加速運算及新型資料中心——人工智慧工廠——以生產新商品『人工智慧』。人工智慧將為每個產業帶來顯著的生產力提升，幫助企業降低成本和提高能源效率，同時擴大收入機會。」

附錄

人工智慧的實用例子：下面一段是微軟的「copilot」代書、谷歌的「translate」代譯之「one paragraph summary of GPU and AI」。讀完後，讀者是不是認為筆者該退休了？

GPU（圖形處理單元）和 AI（人工智慧）之間的協同作用徹底改變了高效能運算領域。GPU 具有平行處理能力，特別適合人工智慧和機器學習所需的複雜資料密集運算。這導致了影像和視訊處理等領域的重大進步，使自動駕駛和臉部辨識等技術變得更加高效和可靠。NVIDIA 開發的平行運算平台 CUDA 進一步提高了 GPU 的效率，使開發人員能夠透過將人工智慧問題分解為更小的、可管理的、可同時處理的任務來解決這些問題。這不僅加快了人工智慧研究的步伐，而且使其更具成本效益，因為 GPU 可以在很短的時間內執行與多個 CPU 相同的任務。隨著人工智慧的不斷發展，GPU 的角色可能會變得更加不可或缺，推動各產業的創新和新的可能性。大腦透過神經元網路實現這一目標，這些神經元網路可以獨立但有凝聚力地工作，使我們能夠執行複雜的任務，例如駕駛、導航、觀察交通信號、聽音樂並同時規劃我們的路線。此外，研究表明，與非人類動物相比，人類大腦具有更多平行通路，這表明我們的神經處理具有更高的複雜性。這個複雜的系統證明了我們認知功能的卓越適應性和效率。我們可以一邊和朋友聊天一邊走在街上，一邊聽音樂一邊做飯，或一邊聽講座一邊做筆記。人工智慧是模擬人類腦神經網路的科技，因此必須能同時並行地來處理許多資料。研究人員發現了人腦通訊網路具有一個在獼猴或小鼠中未觀察獨特特徵：透過多個並行路徑傳輸訊息,因此具有令人難以置信的多任務處理能力。

註解

（註一）當讀者看到此篇文章時，其股票已一股換十股，現在每一股約在 $100 左右。

（註二）組裝或升級過個人電腦的讀者或許還記得「英偉達精視 256」（GeForce 256）插卡吧?

（註三）筆者於 1984 年離開清華大學到 IBM 時，就是參加了被認為全世界使用電腦時間最多的量子化學家、IBM「院士（fellow）」Enrico Clementi 的團隊：因為當時英偉達還未有可以在 GPU 上進行平行處理的軟體層，我們只能自己寫軟體將 8 台中型電腦（非 IBM 品牌！）與一大型電腦連接來做平行運算，進行分子動力學模擬等的科學研究。如果晚生 30 年或許就不會那麼辛苦了?

（註四）補助個人電腦用的 GPU 品牌到 2000 年時只剩下兩大主導廠商：英偉達及 ATI（Array Technology Inc.）。後者是出生於香港之四位中國人於 1985 年在加拿大安大略省成立，2006 年被超微半導體公司收購，品牌於 2010 年被淘汰。超微半導體公司於 2014 年 10 月提升台南出生之蘇姿豐（Lisa Tzwu-Fang Su）博士為執行長後，股票從每股 $4 左右，上升到今天每股超過 $160，其市值已經是英特爾的兩倍，完全擺脫了在後者陰影下求生存的小眾玩家角色，正在挑戰英偉達的 GPU 市場。順便一題：超微半導體公司現任總裁（兼 AI 策略負責人）為出生於台北的彭明博（Victor Peng）；與黃仁勳及蘇姿豐一樣，也是小時候就隨父母親移居到美國。

（註五）或。

延伸閱讀

• 「熱力學與能源利用」，《科學月刊》，1982 年 3 月號；收集於《我愛科學》（華騰文化有限公司，2017 年 12 月出版），轉載於「嘉義市政府全球資訊網」。
• 「網路安全技術與比特幣」，《科學月刊》，2020 年 11 月號；轉載於「善科教育基金會」的《科技大補帖》專欄。

我們的能源從哪裡來、往哪裡去？

全球每年對能源的需求量相當巨大，若用「瓩時」──即一度電這樣的度量單位──來表示會出現天文數字，因此改用「太瓦時」（TWh）來表示，太瓦時等於 10 億瓩時。

在一八〇〇年，全球約有 10 億人口，當時對能源的需求約為 6000 太瓦時；而且幾乎全部來自傳統的生質能源。到了二〇一七年，全球人口達到 76 億，發電量增加了 25 倍（156000 太瓦時）。

下圖顯示在二〇一七年全球主要能源消耗總量的百分比，其中近 8 成為化石燃料。其他再生能源包括風能、太陽能和地熱能，其中成長最快的是風場和太陽光電場。生質能源則主要來自傳統生質能源。

大約有 1/3 的全球能源消耗在將化石燃料轉化為電力和精煉燃料上。

剩下的稱為最終能源需求（final energy demand），是指用戶消耗掉的能源：每年約 10 萬太瓦時。

大約有 10％ 是來自開發中國家傳統生質能的熱，22％ 來自電力，38％ 用於供熱（主要來自化石燃料） 30％ 在交通運輸。熱能和電能主要都是用於工業和建築。汽油和柴油幾乎提供了所有用於運輸的燃料。

怎麼做比較不浪費？能量轉換效率大比拚！

我們看到供熱與供電一樣重要。兩者都可以用瓩時為單位，也就是一度電來測量，雖然電可以完全轉化為熱量，例如電烤箱，但只有一小部分以熱能形式存在的能量可以轉化為電能，其他的必然會散失到周圍環境裡。

在火力發電廠中，存在於化石燃料中的化學能會在燃燒後轉化為熱能。這會將水加熱，產生蒸汽，蒸汽膨脹推動渦輪的葉片，轉動發電機。只有一部分熱量被轉化成電力；其餘的熱量在蒸汽冷凝，完成循環時，就轉移到環境中，成了殘熱。

這份熱電轉化的比例可透過提升高壓蒸汽的溫度來增加，但受限於高溫下鍋爐管線的耐受度。

在一座現代化的火力發電廠中，一般熱能轉化為電能的效率約為 40％。若是在較高溫的複循環燃氣發電機組（combined cycle gas turbine，CCGT）裝置中，這個比例可提高到 60％。

同樣地，在內燃機中也只有一小部分的熱量可以轉化為車子的運動能量（動能）；汽油車的一般平均效率為 25％，柴油車則是 30％，而柴油卡車和公車的效率約為 40％。

另一方面，電動馬達的效率約為 90％，因此電氣化運輸將顯著減少能源消耗。這是提高效率和再生能源之間協同作用的一個範例，這將有助於提供世界所需的能源。

再生能源的過去跟未來

在十九世紀末，水力發電的再生資源幫助啟動了電網的發展，在二〇一八年時約占全世界發電量的 16％。而在再生能源──風能、太陽能、地熱能和生質能源──的投資上，相對要晚得多，是在二十世紀的最後幾十年才開始。

起初的成長緩慢，因為這些再生能源沒有成本競爭力還需要補貼。但隨著產量增加，成本下降，它們的貢獻開始增加。這些其他再生能源發電的占比已從二〇一〇年的 3.5％ 上升到二〇一八年的 9.7％，包括水力發電在內，再生能源的總貢獻量為 26％。

不過，就全球能源的占比，而不是僅只是考慮用戶消耗的電力來看，再生能源僅占約 18％，而傳統生質能則提供約 10％ 的能量。隨著太陽能和風能的成本在許多國家變得比化石燃料更便宜，它們在總發電量中的占比有望在未來幾十年顯著增加。

這世界花了很長的時間才意識到這一事實，從現在開始，再生能源勢必將成為主要的能源來源。

——本文摘自《【牛津通識課02】再生能源：尋找未來新動能》，2022 年 6 月，日出出版，未經同意請勿轉載。

• 本文摘自柿子文化出版， 尼古拉‧特斯拉，《被消失的科學神人：特斯拉親筆自傳》。

編按：尼古拉・特斯拉（Nikola Tesla）是上個世紀的偉大科學家，諸多發明和發現，廣泛應用於後世——旋轉磁場、第一台交流電發電機、特斯拉線圈、第一台無線電發射機、Ｘ-ray攝影技術⋯⋯然而在科學作為「謀利工具」的爾虞我詐的市場，特斯拉不敵當時代的競爭對手（如騙術百出的愛迪生電力公司），而顯得沒沒無聞。

近年特斯拉的生平及貢獻重新受到重視，以下為特斯拉自傳中的童年的回憶，讓我們一起看看這位鬼才科學家童趣視野。

搬家對我來說就像是一場災難，要跟舊家的小動物們分離，讓我傷心不已，其中有鴿子、小雞、綿羊，以及隊伍壯觀的鵝群，牠們總是在清晨時分昂首向天朝著飼養場前進，在日落時分排成戰鬥隊形從飼養場回來，那整齊劃一的隊伍，足以讓當今最精良的空軍連隊自慚形穢。

然而，到了新居，看著窗簾外的陌生人，我感覺自己就像是蹲苦牢的囚犯。我是個非常靦腆的小孩，寧願面對一頭獅子，也不願跟那些穿著入時、遊手好閒的城市紈褲子弟打交道。但是我最嚴峻的考驗發生在星期日，這一天我的服裝儀容必須保持整潔，還要參加教會禮拜的服事。

教堂禮拜闖禍，不受歡迎的兒童

有一次我不小心闖了大禍，即使事情過去了那麼多年，只要一想到當天的情景，依舊會血液像陳年優酪乳般凝固那樣地感到心驚膽跳。那是我的第二次教會驚魂記，在那之前不久，我才在一間教堂裡被困了一晚，教堂座落於人煙罕至的深山，一年只去造訪一次。那確實是一次恐怖的經歷，但是第二次的遭遇更糟。

城裡有個女富豪，她是個好人，但喜歡擺架子。她總是盛裝打扮上教堂做禮拜，臉上畫著精緻的濃妝，裙襬拖得老長，有一群僕人隨身服侍打理。某個主日，我一敲完教堂鐘樓的鐘，便急匆匆下樓梯，恰巧碰上這位貴婦大搖大擺走出來，我一個箭步正好踩到她的拖裙。

接著，響起一陣撕裂聲，聽起來就像是技術生疏的新兵射擊發出的槍響，她的裙襬當場被硬生生地撕裂。我看到父親氣得臉色鐵青，他打了我一巴掌，雖然不是很用力，但這是他第一次體罰我，我到現在都還能感覺到那一巴掌在心裡的力度。我覺得很丟臉也很困惑，筆墨難以形容當時的心情。

經過這次事件後，我等於是社區裡的不受歡迎人物，直到後來發生了一件事，我的名譽才得以平反，使得大家對我另眼相看，重拾尊嚴。

敏銳直覺讓他重拾尊嚴！

一名年輕創業家組織了本地一支消防隊。他採購了全新的消防車和制服，還計畫做一次消防演練和遊行展示。所謂的消防車其實就是一具消防泵浦機組，由十六個壯漢共同操作，並漆上美麗的紅色與黑色。一天下午，官方測試正在準備中，消防機組被運送至河邊，全城的人都蜂擁到河邊想要一睹壯觀的演練場面。所有致詞和儀式都告一段落後，長官下達命令啟動泵浦，但是噴嘴卻噴不出一滴水，現場的教授和專家也束手無策，找不出問題所在，眼看演練就要失敗了。

我當時還沒有任何機械方面的知識，對於氣壓沒有一點概念，但是直覺告訴我是河中的抽水軟管出了問題。我走近看到它塌陷在河中，於是下水將它打開，大量的水突然湧出，將我身上所穿的主日服噴濕了一大片。

阿基米德沐浴時發現浮力理論，當他赤身裸體奔跑過義大利敘拉古（Syracuse）街道，聲嘶力竭高喊「我找到了！」（Eureka）時所引起的騷動，還遠遠不如我當日受到的矚目，那一天我成了英雄，被人們扛在肩膀上，接受群眾熱烈的歡呼。

捕鴉冠軍手，引來鴉群動怒！

我們一家人在新居安定下來後，我進入師範學校開始了一個四年制的課程（即基礎小學教育），為進入大學或是文實中學（Real Gymnasium，一種中等教育體制，一般為五年級至十年級，高等文實中學則約為高中，但都較偏實科）做準備。這段時期，我仍然繼續我的孩子氣發明，當然也繼續製造麻煩。

此外，我還博得了「捕鴉冠軍手」的響亮名號。老實說，我的捕捉方法很簡單──進到樹林後，便躲在灌木叢後面，模仿烏鴉叫聲。通常，我會先得到幾聲回應，不久之後就會有一隻烏鴉飛到我附近的灌木叢。接下來要做的，就是把一片紙板朝牠丟過去，藉此分散牠的注意力，趁牠飛走逃脫之前，趕緊跳出來捉住牠。然而，一次意外事件讓我不得不對牠們另眼相看。

有一天，我捉到了一對漂亮的烏鴉，正當我和朋友一起往回家的路上走，準備離開樹林時，數千隻烏鴉突然群集在我們頭頂上空，發出恐怖的聒噪聲。幾分鐘後，牠們做出攻擊態勢，將我們兩個團團包圍起來，一開始我還覺得有趣好玩，直到後腦勺遭到一陣攻擊，把我撲倒在地，才覺得不對勁。接著，牠們朝我猛烈攻擊，我只得把捉到的兩隻烏鴉釋放。儘管如此，我還是開開心心地跑去跟朋友會合──他早已經躲到洞穴中藏身了！

被責罵的嗜好，成就偉大的水力發電廠

教室裡有一些讓我感興趣的機械模型，把我的注意力轉到了水渦輪機。我動手製造了許多水渦輪機，從操作中感受到巨大的快樂。若要形容我的人生際遇是何等奇妙，也許可以從這一個小插曲窺見一斑。我的叔叔不喜歡我這類消遣嗜好，所以我不只一次受到他的責罵。

我曾在書中讀到關於尼加拉大瀑布的描述而為之深深著迷，並在腦海中勾勒想像利用它的澎湃水力運轉的巨大渦輪，我告訴叔叔我將來有一天會去美國實現這個計畫。三十年後，我看到我的發想在尼加拉大瀑布實現成真（一八九五年，特斯拉為美國尼加拉水力發電廠製造發電機組，至今仍是世界知名的水力發電廠之一），也讓我對心智奧祕的深不可測驚歎不已。

——本文摘自泛科學2020年12月選書《被消失的科學神人：特斯拉親筆自傳》，柿子文化，2019年01月。

2017 年 8 月 15 日下午 16:51 起，在臺灣各地發生的大規模無預警停電，全台灣共 17 個直轄市、縣市共約 592 萬戶用電受到影響。當天的分區停電直至晚間 21:40 才正式解除。到底發生了什麼事？真的是因為台灣缺電嗎？電力系統調度到底做了什麼呢？

事件起因

當天下午當時發電量 438.42 萬瓩（佔當時發電能力的 11.94%）的大潭電廠，來自中油的天然氣供應突然中斷，導致六部機組跳機，整體電力供應瞬間減少近百分之十二。

全台瞬間少了百分之十二的供電，然後呢？

電力系統的運作，需要供應方（發電廠）與負載方（電力用戶）達成供需平衡。當天大潭電廠跳機瞬間減少電力供應，系統上的用戶不可能自動降低需求（又不知道有事故發生了），因此整個電力系統就出現了嚴重的供需不平衡。

發電不夠的情況下，電力系統會由還在線上的發電機組汲取更多的能量以供給用戶──但如果這些機組負荷不了，很有可能也會跟著跳機，從而造成電力系統進一步崩潰。而判斷電力系統穩定程度的一個重要依據，就是電力系統內的「頻率」。如果發電機組負荷太大，發電機組的轉速會變慢，而造成電力系統的頻率下降。

16:51「低頻卸載」自動執行

現行台灣的交流電系統維持的頻率為 60 Hz，電力系統上裝有電力保護裝備「低頻電驛」在偵測到發電頻率降低到一定程度時，就會自動執行「低頻卸載」：系統自動切斷一部分用電，以維持電力系統的穩定──這也就是第一波無預警斷電的由來。

低頻電驛於 16:51 分自動啟動，卸載了 336 萬瓩，影響約 154 萬戶。低頻卸載再加上緊急調度抽蓄機組（水力發電），電力系統頻率於 16:58 恢復穩定。好的，現在看起來系統不至於崩潰了（汗），如果你是電力系統的調控者，接下來該做什麼呢？

還有用戶在斷電中，系統缺了大約三百多萬瓩的電力，當然是把能打開的發電系統通通打開啊！（還有搞清楚大潭到底怎麼回事）

18:00-21:40「分區限電」恢復發電能力

但對所有人來說很不幸的，發電機組跟家用電器不同，並不是按個開關就完成開機了。（嗚嗚嗚）

視不同的發電種類，有些能配合開機，有些老天不賞飯吃也沒辦法，還有些開個機就需要至少半天的時間。而就算只是想要提高輸出功率，需要時間；發電機組從頭開機，需要時間；將電力併聯上網，需要時間。被「斷氣」的大潭電廠也需要時間檢查才能從頭啟動、完成併聯發電。

因此這時需要時間才能讓發電能力提高到足以供給所有用戶的需求──明顯不夠用時就只能實施「分區限電」。在這個階段中，被分為 A-F 組別的用戶會依情況輪流停電，每區限電以 50 分鐘為限，直到供電能力回復。

• 覺得以上的說明不夠動感嗎？你可以看看以下影片。

在停電之後：你可能想知道的幾個關鍵字

815 大停電的影響十分廣泛，光是受困電梯的案例就高達 900 多件。除了檢討中油換個開關就可以放倒全台的電力供應（真的沒有007入侵大潭嗎），亦有人開始檢討目前的能源政策是否使得電力系統的備用與備轉不夠充裕。在討論這個部分之前，我們需要來一點名詞解釋。

備用容量：通常指電力系統中較為長期（如一整年）的發電能力與預期尖峰時間負載的電力需求差額，規劃時須將機組的維修、老化等狀況納入考量。這部分會跟機組配置、投資供電成本的預算規劃有很大的關聯。

備轉容量：指當天可以調度的發電能力的與尖端負載的餘額。這部分除了跟備用容量規劃時提供的機組數量有關，還與各機組安排歲修、保養的時程有關。

關心電力供需的夥伴或多或少都知道，近年來每逢夏天最火熱、用電最吃緊的時節，大家都會眼巴巴的注意台電的尖峰備轉容量率（這裡讓你知道今天是多少），唯恐進入限電的地獄之中啊啊啊。

所以如果砸大把銀子提高備轉容量率，815 就不會大停電了嗎？

嗯這個，其實只大概回答了一半的問題。在 815 大停電的情境中，斷電當時的備轉容量率是 5.51 % (203萬瓩，當天在尖峰只有 3.17 %)，而大潭電廠跳機瞬間損失了超過一成的供電──所以在當時的情境下鐵定不夠用。

而即使備轉容量率提高至 15 % 好了（近年尖峰備轉容量都在 6% 左右徘徊），也並不代表在這種瞬間失去一成電力的狀況下就不會停電或者可以達到快速復電──這與發電機組的特性有關。所有的發電機組，無論是由啟動到併聯至電網，或是已在線上提高輸出功率也還是需要時間──需要多少時間完全看機組的特性。

所以如果當時有餘裕的機組無法快速反應，後面幾個小時的分區限電也是無法避免的。到這裡一定有人想到了，所以為了避免有意外發生，應該要安排有快速反應能力的備轉 stand by 才對吧！

對的，目前技術除了了水力發電可以在幾分鐘內上線（但能負擔的發電量很低），另外一個選擇則是可以在兩個小時內滿載的燃氣發電──事實上，這正是大潭電廠起初設置規劃的角色³，作為中載尖載與緊急時使用的備援電廠。而 815大停電的前夕，雖是非用電尖峰的傍晚時分，但如出事的大潭，與通霄、興達、南部電廠……等具有相對快速升降載能力的燃氣電廠，也都發好發滿，在沒有調度機組的情況下，任何一個環節出了狀況，就導致了無預警斷電，全台一起看星星。（無誤）

• 註：下圖資料所顯示各機組從開機至併聯發電、滿載一般性升降之時間，與跳機後滿載所需之時間不同。僅供理解參考，不能完全顯示 815大停電當天機組調度之情況。資料來源：台灣電力公司。
• 因各機組型式、容量、設計等互異，起動至併聯時間均不同，僅以815事故當天相關機組為代表時程，並非所有機組起動時程均如所列。 （台電資料來源的原始註記）

一年過去了，事情有改善了嗎？

事件的起因，在於大潭電廠的天然氣管線僅由單一管線供氣，而且供氣控制系統的設計顯然很有問題，因為操作疏失就關掉了整個管線的天然氣來源……

除了檢討的作業流程，事後中油亦提出短中長期計畫，希望開闢「雙迴路、雙氣源」的第 2 條迴路分散風險，施工期預計約 2 至 3 年。而這項施工原來預計與規畫於桃園觀塘的天然氣第三接收站一同動工，但第三接收站，因涉及藻礁生態爭議，於 7 月 3 日被「環差會議」退回，尚待 9 月份環評大會審議。（詳見這裡或這裡）

一年後的今天，大潭電廠仍只靠單一迴路供氣……

在意外發生時可以應付衝擊的備轉容量率、以及備轉機組規劃，到今天有進一步改善了嗎？

一年後的今天的尖峰備轉容量率是 6.36%，所有電廠依舊是餘裕很少地努力工作著呢。

行政院的《815 停電事故行政調查專案報告》，有興趣的夥伴可以從中找到更多有趣的細節。

參考資料：

1. 行政院：815 停電事故行政調查專案報告
2. 台灣電力公司
3. 從大潭、通霄電廠是不是「蚊子電廠」談起燃氣發電甘苦經驗