Loading [MathJax]/extensions/tex2jax.js

0

0
0

文字

分享

0
0
0

自己的電廠自己蓋:能源模擬RPG《2050能源模擬器國際研討會》

廖英凱
・2015/03/20 ・3116字 ・閱讀時間約 6 分鐘 ・SR值 569 ・九年級

文/廖英凱、羅佩琪

近年來,隨著核能存廢、國際石化燃料物價波動與再生能源、節能技術和碳補存的發展,台灣的能源議題爭論漸趨白熱化。政府、公民營能源相關業者與倡議團體均試圖提出各種未來能源的規劃與理念。然而,能源規畫須考量科學面上我國先天地理資源的限制、各項技術的物理極限、環境保護,經濟面上則要考量成本比較、產業發展,並兼顧社會正義的國土合理使用等各種複雜因素;因此,發展有助於盤點各項能源供需因素的工具,量化並預估可預期的未來發展,將有助於合理的政策設計與實踐。

對此,在經濟部能源局的計畫支持下,工業技術研究院綠能與環境研究所在2013年初引進發展了「台灣2050能源供需情境模擬器」,並於2015年2月10日起舉辦為期三天的「2050能源供需情境模擬器國際研討會」。此次研討會由經濟部及英國能源及氣候變遷部(Department of Energy & Climate Change, DECC)共同指導,工研院及日本地球環境戰略研究機關(Institute for Global Environmental Strategies, IGES)聯合主辦,聚集了來自二十三國、共七十二位國際學者。研討會中除各國學者發表各國經驗與看法外,也邀請到模擬器創始者Dr. David Mackay分享模擬器的創作過程。

能源供需情境模擬器的創始者:David Mackay。
能源供需情境模擬器的創始者:David Mackay。

David Mackay是劍橋大學工學院的Regius Professor,榮獲英國皇家學會院士,同時也是DECC的首席科學顧問。在三一學院取得物理學士學位後,於加州理工學院取得計算和神經系統博士學位。主要研究貢獻為機器學習、資訊理論與演算法。他也同時致力於教育方法發展並關心非洲開發狀況,關注與推廣可持續能源(Sustainable Energy)。他所領導建置的英國能源供需模擬器(The DECC 2050 Pathways Calculator)詳細列舉並量化了能源的供給面和需求面的各種因素,以及各種因素在未來的發展趨勢。

-----廣告,請繼續往下閱讀-----

以離岸風力和核能為例,模擬器中分別假設了四個不同的級別,大致可解釋為:不發展、一般發展、積極發展、排除設置障礙(自然或人為因素)積極發展,在這四個級別之下,到2050年時英國的離岸風力發電量會有0至929TWh/y的差別,而核能則會有0至1025TWh/y的差別。同時,模擬器也根據DECC的調查,分別敘述不同級別發展可能遇到的瓶頸與限制,例如價位高昂、占地面積過大、排碳量與空汙,以及核廢料處理等問題。Dr. Mackay認為透過這套模擬器來提供事實並量化規模(scale),且避免形容詞、避免推廣特定政策或解法,將能幫助使用者很清晰地理解能源供需的各種選項,並輕易地自行設計各種未來能源情境。

然而,在模擬器的建置過程中,也遭遇到許多挑戰與阻礙。由於模擬器的參數來自龐大能源領域各個公民營組織或部門,因此需取得各方共識與信任、克服反對意見的內部阻力;而各參數的高低設計又會引發許多相關單位的辯證,以及擔心引發爭議或誤解而反對等政治因素。因此在模擬器的設計中,需要逐點檢視各數據,去除與修改可能爭議的項目,才得以問世。

Dr. Mackay表示,這套模擬器仍有許多改進的方向,例如更好的視覺化呈現方式以便於民眾使用;更精細地從國家尺度縮小至地區尺度,從以年為單位的時間縮小至以小時為單位的時間,以此更加掌握太陽能與風力的不穩定特性並更精確地估算各地電力供需與調度。目前也積極推廣到各個國家,幫助各國建立能源供需的預估工具,最終建置全球型模擬器來協助人類維護一個更永續的生存環境。

以David Mackay所發展的模擬器為基礎,工研院綠能微調設計並導入適合台灣環境的各種參數。綠能所胡耀祖所長表示,工研院憑藉多年所累積的技術資料與研究成果,例如台灣各地地熱蘊藏量與開發潛能、離岸風力發展的海象探勘結果與發電量預估、工商業與住宅節電成效與技術發展願景等,共納入130項低碳能源供需技術。此外,我國所開發的模擬器也刻意分開計算電力結構中台電系統與全國系統的供需狀況,以對我國複雜的環境與人為條件能有更簡潔明瞭的理解。這些經驗不僅受到創始者David Mackay的肯定與推薦,目前新加坡、紐澳等國也都參考台灣的發展經驗來開發自己國家的能源模擬工具。

-----廣告,請繼續往下閱讀-----
台灣能源供需情境模擬器的團隊核心:工研院綠能所胡耀祖所長。
台灣能源供需情境模擬器的團隊核心:工研院綠能所胡耀祖所長。

除了技術上的在地化,「台灣2050能源供需情境模擬器」還新增設計了卡通化的遊戲版本,讓更多民眾能輕易使用這項工具來促進討論,上線至今已經累積收集超過七千筆的未來能源規劃建議。工研院也邀請了二十餘位高中學生參與研討會,請他們分享模擬器的試玩心得,以及自己心目中未來合適的能源供需規劃。

近年來,公民社會對政策的主導性大幅增加,能源政策的主導權也勢必將由政治人物、財團與倡議團體轉移至真正的大眾身上。然而,無論群智群策的浪潮會帶我們走向能以審議民主探討核能爭議的英國,或是如全國能源會議般以公民參與之名的集體抓狂,這都需要仰賴資訊的充分揭露與傳播,才有可能在事實認定的基礎上做難解的價值判斷,終而形成可以實踐並共同承擔的政策。相信「台灣2050能源供需情境模擬器」的發展,能成為能源議題討論的共同基礎,幫助我們做出一個跨世代的決定。

【場邊花絮】高中生這樣說:「非核之後,然後呢?」

研討會上,點綴於各國專家、國內官員及學者間,有一群稚嫩年輕的臉龐特別引人注目 ── 工研院本次也邀請了高中生進行《2050能源供需情境模擬器》拆箱試玩。筆者隨機攔截了武陵高中的沈祐德同學、新竹實中嚴一同學,來聽聽「2050年時活著的機率最大、最需要承擔能源選擇後果」的年輕人第一手體驗文:

左為武陵高中沈祐德同學,右為新竹實中嚴一同學, 兩位受邀在本次研討會上分享操作《2050模擬器》的心得。
左為武陵高中沈祐德同學,右為新竹實中嚴一同學,
兩位受邀在本次研討會上分享操作《2050模擬器》的心得。

Q:請跟PanSci分享試玩《2050模擬器》的感覺?(傳說中的老梗記者提問法)

-----廣告,請繼續往下閱讀-----

以往討論能源選擇總覺得抽象,但如果描述發電量多少千瓦又太繁瑣,在《2050模擬器》中,透過刻度量尺,視覺化所有攸關能源的變因,讓每個選擇的因果關聯變得很具體。而在模擬器的進階版中,每個變因被拆成具體四個不同情境,每個情境都有提供詳細的假設及數據資料,資訊量相當豐富。

(編按:嚴同學說每一個情境的資料他都有看完!工研院開發團隊聽到應該會感動落淚哪..)

Q:在試玩過程中,你跟你的團隊在王國裡選擇哪一種能源政策?

我們組當時認為溫室效應最有立即性危機,因此選擇「低碳」方針,降低火力、貫徹節電,並用綠能跟核電填補電力空缺。但選擇後,也會發現除了二氧化碳排放量,還有GDP、電價、利害關係人觀感等重要指標要考量,例如使用綠能會讓電價高漲、使用核能NGO會反彈等。

-----廣告,請繼續往下閱讀-----

Q:問個比較刺激的話題。自己在遊戲中做了實驗後,回頭你怎麼看國家目前的能源政策和民意,例如「非核家園」的目標?

政策本來就必須協調到民意。台灣民間對核電的恐懼感、地震帶所加深的危機感、核廢料放在蘭嶼無永久解……這些都是存在且必須面對的事實。但或許我們可以進一步思考:「不要核電,然後呢?」

在玩《2050模擬器》時我們發現,不要核電後如果用綠能,電價會以驚人的速度跳漲;返回來使用火力,飆升的則變成碳排量……但終究是要做一個選擇,我們不能只說不要這個、不要那個,而避談到底想要 / 能要什麼。

研討會上,其他高中生組別用行動劇呈現環保團體、民眾、官員、學者、產業 在能源議題上的不同立場與訴求。
研討會上,其他高中生組別用行動劇呈現環保團體、民眾、官員、學者、產業
在能源議題上的不同立場與訴求。

雖然沒辦法完全反映現實狀況,但《2050模擬器》作為一個參考工具可以看出制定政策的困難、須顧及面向的多元 ── 能源政策沒有絕對的正解,端看政府的目標跟方針,剩下的就是正視並承擔選擇後的結果了吧!

-----廣告,請繼續往下閱讀-----
-----廣告,請繼續往下閱讀-----
文章難易度
廖英凱
30 篇文章 ・ 249 位粉絲
非典型的不務正業者,對資訊與真相有詭異的渴望與執著,夢想能做出鋼鐵人或心靈史學。 https://www.ykliao.tw/

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。

0

0
0

文字

分享

0
0
0
變身國王 自己決定電要怎麼發
劉珈均
・2015/03/17 ・3518字 ・閱讀時間約 7 分鐘 ・SR值 575 ・九年級

-----廣告,請繼續往下閱讀-----

英國2050 Calculator網站:「你能將二氧化碳排放量減至1990年代基準的20%,避免劇烈的氣候變遷嗎?」。(圖:截圖自該網站)
英國2050 Calculator網站:「你能將二氧化碳排放量減至1990年代基準的20%,避免劇烈的氣候變遷嗎?」。(圖:截圖自該網站)

「讓一條公路上的汽車都使用生質能源!」

「讓建築大樓用電的10%靠再生能源,自己的用電自己發!」

如果讓你掌管一座城市,擔任呼風喚雨的國王,可以隨心所欲在滑鼠彈指間蓋一座核電廠或廢除它、豎立起幾座離岸風力發電機、多種植幾十公頃生質燃料要用的田──當然各種選擇都必須付出相應的代價,你的大臣、NGO也會叨叨絮絮的告訴你──這是你專屬的城市,你會怎麼選擇生活方式、分配發電組合?

-----廣告,請繼續往下閱讀-----

2050能源供需模擬器」(2050 MyCalculator)便由此而生!點入介面,便一腳踏進能源界的模擬城市,自己發想策略,設法維持城市的能源供需。英國「能源及氣候變遷部」(Department of Energy & Climate Change)率先在2009研發能源模擬器,以情境分析為基礎,讓大家身歷其境,自己考量要如何行動。類似RPG遊戲,遊戲中有各種狀況、限制、要付出的代價(能源風險、成本、排碳量、電費),玩家可以任意改變各種發電組合與生活方式,能源模擬器會計算並告知,在該情境之下,能源供需是否達成平衡,同時能源安全、碳排與其他項目會發生什麼變化。

工研院綠能所隨即跟進,2013完成台灣版的能源供需模擬器,並改良設計為更平易近人的遊戲。英國「能源及氣候變遷部」首席科學顧問、劍橋大學教授大衛˙馬凱(David MacKay)、工研院綠能所所長胡耀祖分別為英台兩款能源模擬器的主導者,他們在二月的「2050能源供需情境模擬器國際研討會」相聚,聊聊「建城」的過程與心得。

劍橋大學教授大衛˙馬凱(David MacKay)
劍橋大學教授大衛˙馬凱(David MacKay)

工研院綠能所所長胡耀祖。
工研院綠能所所長胡耀祖。

-----廣告,請繼續往下閱讀-----

 

 

 

 

 

 

 

 

從桌遊紙卡到風靡各國的模擬城市

這款「能源模擬器」由英國吹向世界各地,比利時、日本、韓國、中國、巴西、印度、印尼、越南、南非……包含台灣在內,目前全世界共有18個國家依自身狀況,建設各自的能源模擬器。

英國是全球第一個將節能減碳目標賦予法律意義的國家,2008年英國制定「能源法」(Energy Act 2008)與「氣候變遷法」(Climate Change Act),明定減碳目標與時程,預定在2020年前達成15%能源來自再生能源、在2050年將二氧化碳排放量減至1990基準的20%,並建立碳預算系統,提供排放交易機制的基礎。

英國「能源及氣候變遷部」首席科學顧問、劍橋大學教授大衛˙馬凱(David MacKay)說,美好的想望得加上可靠的計算,才不會產生不切實際、設計不良的政策。面對盤根錯節的能源議題也是,必須同時考量供需兩端的現實需求與限制,再作判斷。

-----廣告,請繼續往下閱讀-----

英國的能源模擬器從紙卡遊戲、網路圖表,演變為帥氣如電影《阿凡達》漂浮島的情境模擬。
英國的能源模擬器從紙卡遊戲、網路圖表,演變為帥氣如電影《阿凡達》漂浮島的情境模擬。

馬凱演講時提到,其實這款能源模擬器的最初原型只是紙卡遊戲,他的學生艾蜜莉亞˙麥爾維爾(Emilia Melville)重視互動,她設計了一款紙卡,上面標示各種發電資訊,參與者拿著紙卡拼貼發電組合、討論影響與後果。後來這紙卡遊戲放上網路,又覺得單只有圖表資訊太枯燥,繼續一代代改良,並加入能源成本等更多資訊,才變成現在這帥氣模樣。

馬凱說,要模擬各種能源搭配、計算該情境會帶來什麼影響,必須取得龐大資料作為支撐,過程中與政府各部門溝通、取得信任和共識是最困難的,DECC還曾經認為模擬器的地圖顯示了太多資訊,有國安顧慮。不過,模擬器開發完成後,英國已用這項工具蒐集數萬筆資料作為制定能源政策的依據。

影響能源供需的許多因素會不時波動,馬凱說,接下來英國團隊計畫加強視覺化,並將資料庫更新的時程縮短,讓模擬器能更切合地反映能源供需變化。

-----廣告,請繼續往下閱讀-----

入境隨俗到台灣

工研院從過去四五十年累積的環境與能源資料提取,並納入台灣自有的130項低碳能源技術、整合為34個情境。他國模擬器大多無遊戲互動版本,比起原本的英國模擬器樣貌,台灣還加入了經濟成長率的連動性、碳排放量估算、限電代價等指標,這些都是變動條件,每三個月至半年要更新一次,胡耀祖開玩笑說:「經濟學家給我的GDP一年變動五六次,我們學工程的人真不習慣。」而在核能取捨的選項,模擬器也列出核一至核三是否延役、核四是否商轉的排列組合。

能源政策與氣候變遷、科技發展、國家環境相互牽動,減碳的必要性帶出了再生能源發展議題,長期而言,再生能源有利減碳,但站在供應端的立場,就必須注意電力充足與穩定性,若有任何時刻供應不足,就必須用傳統燃煤燃氣補充,而這又回到成本與政策討論,大家願意付出多大的代價維持供電條件。

台灣的能源模擬器簡易遊戲版介面,另有進階版、Excel核心運算模型、讓大眾討論意見的能源論壇。
台灣的能源模擬器簡易遊戲版介面,另有進階版、Excel核心運算模型、讓大眾討論意見的能源論壇。

當然,降低成本的渴望也會促使科技研發往前推進,胡耀祖說:「現在看太陽能發電成本就與3年前差了一半!」但另一方面,科技也有其限制,例如台灣研究碳捕捉與封存技術(CCS)已有十年經驗,可抓下電廠煙囪的二氧化碳,甚至獲得素有科技界奧斯卡獎之稱的「R&D 100 Awards」。但胡耀祖認為,20年內還無法利用CCS解決碳排問題,因為「捕捉碳之後沒有地方存!一聽要把二氧化碳打入地底,在當地幾乎沒獲得任何人支持。」工研院轉而找水泥廠合作「碳迴路」,將二氧化碳100%回收、液化重新使用,多的還可以賣給乾冰、碳酸飲料等民生二氧化碳需求。胡耀祖說,IEA提到CCS可貢獻3%至17%的減碳量,前提是有地方存,否則作到如工研院現在的進展後就會停滯了。

-----廣告,請繼續往下閱讀-----

模擬器的選擇分成「Level 1」至「Level 4」四種等級,像光譜的兩端,靠向Level 1的一端是放任、不刻意作改變;Level 2是國家的政策現狀;Level 4則是「理論上可行就定下了」,必須極有魄力地改變社會,有時甚至顯得極端。

胡耀祖說,四個等級的每個參數都有所本,都是經過學者討論、共識決而定下的。他舉例,估算地熱的發電量有許多不同的意見,循環量、土地的加熱狀況、溫度維持等各種條件充滿假設與計算,各方計算的數據可達十倍差異,團隊便邀集學者溝通、論辯,取各專家協商之後公認的可接受值;對於口號響亮的「陽光屋頂百萬座」計畫,綠能所團隊花了快一年半的時間才敲定面積計算方式,自己人就「吵半天」,不斷計算、對照各處數據才公布;土地面積是建設規模的侷限,若為了保護白海豚,不在牠們的棲地建置離岸風機,反映成數據便必須將200支風機移往更深水處,這又牽動工程難度、成本與地質考察,加上政府希望帶動台灣發展離岸風機產業,重新計算後,總裝置容量達6.2GM的離岸風機時程便要往後延五年。其他發電方式的參數也比照處理,胡耀祖說,公布的數值不一定可如實執行,但那些數據都是經過縝密精算的潛能。

淬鍊民意 不再雞同鴨講或「西瓜偎大邊」

胡耀祖說:「這款模擬器是為了幫助大眾在事實認定的基礎上作價值判斷。」有了開放平台、有了具公信力的數據資料,便能促進有效溝通,開放的數據也方便大家相互確認各方的論證;馬凱亦抱持類似觀點,他強調,他們並不推行特定解決方案,方案要自己想,模擬器的用意在於提供論證、充分告知各種能源搭配的影響後果。

路徑反映著玩家的選擇,匯聚起來便成民意所趨,可能從中解讀大眾對能源發展的意見。台灣的能源模擬器自2013年上線,工研院會定期向經濟部報告模擬器的成果與意見,目前累積七千多筆有效路徑,胡耀祖說,目前的路徑數還不足以分析出具統計意義的結論,未來會繼續分析這些路徑背後的意義。

-----廣告,請繼續往下閱讀-----

胡耀祖說,根據調查,能源局的節能標章已達80%的認知度,「但這花了十年的時間才達成,期間經過兩次計畫補助。」工研院計畫從學校切入,對大學生與高中生開設講座與工作坊推廣能源模擬器,從教育著手,知識會擴散較快。

回到本文首段的兩個問題,馬凱說,如果把生質燃料所需的植物就種在路旁,假設公路為雙線道、車輛時速為60英哩、行駛30英哩便要用掉一加侖燃料、車間距為80公尺,一年一平方公里的田地可產生1200公升的生質燃料,計算之後,公路旁邊的田要綿延8公里寬的面積才足以供應所需;讓建築物自己發電供應10%的方案是大倫敦市政廳(the Greater London Authority)於2005提出,「Strata SE1」落實了這想法,它是倫敦最高的住宅大樓,特殊之處在於頂部嵌入三座9米高的風機,設計者估算那3支19KW的風機能為該建築物提供8%的能源,但馬凱指出,若真如照該設計運作,成本會比使用低碳能源高十倍。

價值選擇須以知識基礎作為支撐,正如馬凱演講時說的:「美好的想望得加上可靠的計算,才不會產生不切實際、設計不良的政策。」而模擬器的存在意義正是提供數據、論證與知識,充分告知每個抉擇在各層面掀起的影響,讓個人有穩固的資訊後盾作最終決定。

-----廣告,請繼續往下閱讀-----
劉珈均
35 篇文章 ・ 1 位粉絲
PanSci 特約記者。大學時期主修新聞,嚮往能上山下海跑採訪,因緣際會接觸科學新聞後就不想離開了。生活總是在熬夜,不是趕稿就是在屋頂看星星,一邊想像是否有外星人也朝著地球方向看過來。