Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

美國推動節能減碳 從發電廠開始

李柏昱
・2014/04/18 ・1719字 ・閱讀時間約 3 分鐘 ・SR值 583 ・九年級

文 /
李柏昱 | 台灣大學地理環境資源學系
李亦晟 | 台灣大學外國語文學系

根據美國國家環境保護局的資料,發電占了全美三分之一的溫室氣體排放量。圖為美國俄亥俄州一處燃煤發電廠。(圖片來源:Wikimedia Commons作者Analogue Kid)
根據美國國家環境保護局的資料,發電占了全美三分之一的溫室氣體排放量。圖為美國俄亥俄州一處燃煤發電廠。(圖片來源:Wikimedia Commons作者Analogue Kid)

美國一向在世界碳排放國名列前茅,美國政府對減碳模稜兩可的態度也一直為他國所詬病。不過在2014年3月底,美國自然資源保護委員會(Natural Resources Defense Council, NRDC)發布報告,指出能用比之前推估更低的成本,減少發電廠的碳排放量,或許是美國減碳好的開始。

發電廠排放限制

美國的發電廠佔全國碳排放量的四成,但目前雖然對發電廠的汞、砷和煤煙排放限制有明確規定,對於碳排放的限制卻付之闕如,是個明顯需要改善的法令制度。

由最新的分析結果,若設立嚴格的發電廠排放限制,預計從2020年開始,每年可減少至多7億噸的二氧化碳、相當於1.3億輛汽車在道路上的排放總額。

-----廣告,請繼續往下閱讀-----

美國國家環境保護局(Environmental Protection Agency, EPA)預計在2014年6月,提出全國第一個針對碳排放限制的法案。NRDC的報告顯示,透過高標準的碳排放限制,將能有效地達到節省經費、穩定氣候與保護公眾健康的效果。為了下一代的未來著想,值得大眾更嚴格地審視碳污染的排放問題。

推動再生能源,美國遍地開花

然而,該從何處著手?NRDC的研究報告中指出,藉由提升能源的使用效率,或是利用風力發電跟其他的汙染防治對策,皆能減少排放更多的二氧化碳。目前美國各地都已經開始採取類似的手段,以期早日達到EPA的排放標準要求。

舉例來說,加州8年前就通過了降低碳汙染的法令,目前風力與太陽能等再生能源所佔的比重已提升到大約33%。此外,由於加州企業在潔淨能源上展現的卓越成果,從2006年至今,已經吸引近270億美元的資金投入,並有超過36萬的加州民眾在相關企業就職。

同時,美國東北部的九個州也聯合減少發電廠的碳排放量。也有三十個州希冀減少對石化燃料的依賴,並要求一定比例的再生能源,如風力或太陽能發電等。

-----廣告,請繼續往下閱讀-----

除了各州之外,主要都會區的也表現不俗。

美國亞特蘭大、芝加哥、洛杉磯、丹佛、休斯頓、波士頓、堪薩斯、費城、鹽湖城、奧蘭多等十座大城,共同簽署了一份關於提升能源使用效率的共同協定。NRDC也協助另外十座城市採取類似的政策。換算下來,每年能減少相當於150萬輛汽車的二氧化碳排放量,同時也能削減約十億美元的能源支出。

政府、企業與人民三贏

NRDC日前更新了2012年的減碳計劃藍圖,其中包括了降低電力需求、減少風力發電機與天然氣成本等電力產業的最新趨勢。

在2020年以前,為了符合能源法令規範,企業所投入的資金可達150億美元。接下來的六年中,美國在能源效率與再生能源的開發上,將釋放總值約500到1200億美元的投資機會。

-----廣告,請繼續往下閱讀-----

同時,減低碳汙染能削減汙染所導致的醫療費用,也能造福無數人民。單就2020年來說,美國政府能省下600億美元的預算開支,將近1萬7千人能免於哮喘與其他疾病發作的可能性。

乾淨能源政策並非遙不可及。相反地,它們早已近在咫尺、早已為我們帶來潔淨的空氣,甚至是無數的就業機會與經濟效益。現在美國許多州開始著眼於低汙染性、具永續發展可能的未來。而臺灣炒得火熱的能源爭議,或許也能從中學習。但這並非單是少數人的責任,而是全民都必須面對的共同挑戰。

(本文由科技部補助「新媒體科普傳播實作計畫─重大天然災害之防救災科普知識教育推廣」執行團隊撰稿/2014年3月)

責任編輯:鄭國威|元智大學資訊社會研究所

-----廣告,請繼續往下閱讀-----

本文原發表於行政院科技部-科技大觀園「科技新知」。歡迎大家到科技大觀園的網站看更多精彩又紮實的科學資訊,也有臉書喔!

延伸學習:

-----廣告,請繼續往下閱讀-----
文章難易度
李柏昱
81 篇文章 ・ 2 位粉絲
成大都市計劃所研究生,現為防災科普小組編輯。喜歡的領域為地球科學、交通運輸與都市規劃,對於都市面臨的災害以及如何進行防災十分感興趣。

0

1
0

文字

分享

0
1
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。

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。

0

1
0

文字

分享

0
1
0
美國將玉米乙醇列入 SAF 前瞻政策,它真的能拯救燃料業的高碳排處境嗎?
鳥苷三磷酸 (PanSci Promo)_96
・2024/09/06 ・2633字 ・閱讀時間約 5 分鐘

本文由 美國穀物協會 委託,泛科學企劃執行。

你加過「酒精汽油」嗎?

2007 年,從台北的八座加油站開始,民眾可以在特定加油站選加「E3 酒精汽油」。

所謂的 E3,指的是汽油中有百分之 3 改為酒精。如果你在其他國家的加油站看到 E10、E27、E100 等等的標示,則代表不同濃度,最高到百分之百的酒精。例如美國、英國、印度、菲律賓等國家已經開放到 E10,巴西則有 E27 和百分之百酒精的 E100 選項可以選擇。

圖片來源:Hanskeuken / Wikipedia

為什麼要加酒精呢?

單論玉米乙醇來說,碳排放趨近於零。為什麼呢?因為從玉米吸收二氧化碳與水進行光合作、生長、成熟,接著被採收,發酵成為玉米乙醇,最後燃燒成二氧化碳與水蒸氣回到大氣中。這一整趟碳循環與水循環,淨排放都是 0,是個零碳的好燃料來源。

-----廣告,請繼續往下閱讀-----
圖片來源:shutterstock

當然,我們無法忽略的是燃料運輸、儲藏、以及製造生產設備時產生的碳足跡。即使如此,美國農業部經過評估分析,2017 發表的報告指出,玉米乙醇生命週期的碳排放量比汽油少了 43%。

「玉米乙醇」納入 SAF(永續航空燃料)前瞻性指引的選項之一

航空業占了全球碳排的 2.5%,而根據國際民用航空組織(ICAO)的預測,這個數字還會成長,2050 年全球航空碳排放量將會來到 2015 年的兩倍。這也使得以生質原料為首的「永續航空燃料」SAF,開始成為航空業減碳的關鍵,及投資者關注的新興科技。

只要燃料的生產符合永續,都可被歸類為 SAF。目前美國材料和試驗協會規範的 SAF 包含以合成方式製造的合成石蠟煤油 FT-SPK、透過發酵與合成製造的異鏈烷烴 SIP。以及近年討論度很高,以食用油為原料進行氫化的 HEFA,以及酒精航空燃料 ATJ(alcohol-to-jet)。

圖片來源:shutterstock

每種燃料的原料都不相同,因此需要的技術突破也不同。例如 HEFA 是將食用油重新再造成可用的航空燃料,因此製造商會從百萬間餐廳蒐集廢棄食用油,再進行「氫化」。

-----廣告,請繼續往下閱讀-----

就引擎來說,我們當然也希望用到穩定的油。因此需要氫化來將植物油轉化為如同動物油般的飽和脂肪酸。氫化會打斷雙鍵,以氫原子佔據這些鍵結,讓氫在脂肪酸上「飽和」。此時因為穩定性提高,不易氧化,適合保存並減少對引擎的負擔。

至於酒精加工為酒精航空燃料 ATJ 的流程。乙醇會先進行脫水為乙烯,接著聚合成約 6~16 碳原子長度的長鏈烯烴。最後一樣進行氫化打斷雙鍵,成為長鏈烷烴,性質幾乎與傳統航空燃料一模一樣。

ATJ 和 HEFA 雖然都會經過氫化,但 ATJ 的反應中所需要的氫氣大約只有一半。另外,HEFA 取用的油品來源來自餐廳,雖然是幫助廢油循環使用的好方法,但供應多少比較不穩定。相對的,因為 ATJ 來源是玉米等穀物,通常農地會種植專門的玉米品種進行生質乙醇的生產,因此來源相對穩定。

但不論是哪一種 SAF,都有積極發展的價值。而航空業也不斷有新消息,例如阿聯酋航空在 2023 年也成功讓波音 777 以 100% 的 SAF 燃料完成飛行,締下創舉。

-----廣告,請繼續往下閱讀-----
圖片來源:shutterstock

汽車業也需要作出重要改變

根據長年推動低碳交通的國際組織 SLoCaT 分析,在所有交通工具的碳排放中,航空業佔了其中的 12%,而公路交通則占了 77%。沒錯,航空業雖然佔了全球碳排的 2.5%,但真正最大宗的碳排來源,還是我們的汽車載具。

但是這個新燃料會不會傷害我們的引擎呢?有人擔心,酒精可能會吸收空氣中的水氣,對機械設備造成影響?

其實也不用那麼擔心,畢竟酒精汽油已經不只是使用一、二十年的東西了。美國聯邦政府早在 1978 就透過免除 E10 的汽油燃料稅,來推廣添加百分之 10 酒精的低碳汽油。也就是說,酒精汽油的上路試驗已經快要 50 年。

有那麼多的研究數據在路上跑,當然不能錯過這個機會。美國國家可再生能源實驗室也持續進行調查,結果發現,由於 E10 汽油摻雜的比例非常低,和傳統汽油的化學性質差異非常小,這 50 年來的車輛,只要符合國際標準製造,都與 E10 汽油完全相容。

-----廣告,請繼續往下閱讀-----

解惑:這些生質酒精的來源原料是否符合永續的精神嗎?

在環保議題裡,這種原本以為是一片好心,最後卻是環境災難的案例還不少。玉米乙醇也一樣有相關規範,例如歐盟在再生能源指令 RED II 明確說明,生質乙醇等生物燃料確實有持續性,但必須符合「永續」的標準,並且因為使用的原料是穀物,因此需要確保不會影響糧食供應。

好消息是,隨著目標變明確,專門生產生質酒精的玉米需求增加,這也帶動品種的改良。在美國,玉米產量連年提高,種植總面積卻緩步下降,避開了與糧爭地的問題。

另外,單位面積產量增加,也進一步降低收穫與運輸的複雜度,總碳排量也觀察到下降的趨勢,讓低碳汽油真正名實相符。

隨著航空業對永續航空燃料的需求抬頭,低碳汽油等生質燃料或許值得我們再次審視。看看除了鋰電池車、氫能車以外,生質燃料車,是否也是個值得加碼投資的方向?

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----

討論功能關閉中。