【AIoT的智慧未來】台達電馴服綠電的智慧能源方案

AIoT 的應用，在能源方面可以看到不少的案例。為了瞭解 AIoT 在台灣的落地況狀和挑戰INSIDE 訪問到台達電子的智慧能源解決方案事業部產品經理賴宏仁博士，請他來和我們談談台達電能源設施在 AIoT 的應用與開發過程。

賴博士介紹，大約 6-7 年前，台達電開始走出應用和產品開發的方向，而他自己則是在 2011 年加入，過去專業是在網通、電力相關基礎設施。而在 2008 年，智慧電網的名詞興起，資策會也想探索這個領域。

台達很早就投入開發，在電網相關產品領域是領導者，而賴宏仁的團隊做通訊服務器，和台達內部另一個負責網通的事業群合作，為能源產品擔任輔助或整合的角色，也賦予這些產品連網的能力。

現在台達的能源相關產品如太陽能逆變、風能變壓器、電動車充電樁、儲能系統、家用太陽能系統等，都需要一個整體的 Turnkey Solution。

集團內部資源合作

「老闆很支持。」賴宏仁博士分享，在台達對 AIoT、能源方案整體都有推行共識，比如每次在歐洲談到一個光能充電儲存需求，他在台灣半夜時間接到電話，隔天中午前就能組成跨組織團隊，決定規模並分發給各部門，接著 2 天後就開始進行計畫，速度非常敏捷，不同事業群間為專案整合合作相當頻繁。

負責整合的單位要替產品兜出垂直的解決方案，賴宏仁舉例由能源基礎建設單位為樓宇自動化方案提供儲能系統、太陽能板等能源基礎建設以及其控制管理，而樓宇自動化單位調控建築物中的燈具空調等設備，而統對系統的整合則透過 API 丟過來給賴博士的團隊，經由虛擬匣門在不同裝置通訊協定轉換，來達到互連互通的目的。

接著賴博士團隊會提供一些介面把裝置端的資料串接到後台，建立好基礎，才會有 AIoT 的應用。

需求方面，有一些政府和企業單位想要推廣綠能概念，比如 2035 年煤電歸零。能源局也在推行用電大戶條款，所以儲能是未來需求度極高的方案。全球不少國家目標在 2030 年減少油車並讓電動車成為主流，就需要充電基礎設施或換電方案，這些都要奠基於政府的基礎設施變化。

能源的 AIoT 需要大量基礎建設

賴宏仁分享， AIoT 要有一些前期基礎建設才能蒐集資料來運算，比如智慧電表就是終端的機械表換成數位表，過去兩個月抄表一次，現在可以每 15 分鐘發送一次訊號更新，能更精準監控用電需求供電力公司規劃。當然裝置要傳送訊號，通訊跟軟體工作佔很大比例，這就是賴宏仁博士與團隊負責把這塊接起來。

他也分享，台達從硬體、軟體到測試都有能力，可以提供像金門電廠的硬體控制、軟體後台鬥能源管理平台一站式總方案。尤其能源應用投入早所以場域熟悉度高，不管終端使用者或系統都可以直接省下一些初期建置的工作。

AIoT 在能源的應用

相較於一般人關注 AIoT 帶來吸睛的效果、飛躍式的運算分析，賴宏仁認為這些技術其實也常在不起眼處發揮作用。比如設備建置要求 8-10 年維運期，或太陽能電站逆變器可能要求到 20 的維護，透過 AIoT 可以遠端監控運作情況，台達研究院 AI 團隊可以分析是否有些元件提早損壞、老化影響發電穩定度或導致效率下降，可以及早進行預防維護保養。

另外在用電方面，隨著綠能比例提升，發電較不穩定，匯入市內電網會影響穩定度。賴博士以太陽能發電解釋，電池此時就扮演緩衝角色，配合演算法在非常短時間內推論太陽能驟升或驟降，並且進行調控。這種應用精度不需要太高，但可以快速協助控制，達到放電控制平滑化的效果。

AI 的前後端

賴宏仁也透漏，台達花了 1-2 年時間建構了平台，可以監控裝置狀態，並且把冷資料存起來日後搜尋、熱資料投入分析演算，要把不同產品在不同領域的數據，轉變成可供分析的資料。所以產品的格式料要統一定義，才可以丟進 AI 模型或者服務。這是 AIoT 前端和後端團隊長期合作的項目，另外每年有 2-3 個專案會丟出題目，客製修改既有的技術變成可以販售的方案。

另外，台達與微軟有合作，會導入一些微 AI 服務。賴宏仁分享，微軟 AI 場域經驗豐富，該用什麼模型來得到什麼樣的結果，都能帶來超乎想像的效果。而在微軟合作方面還有數位雙生應用，比如儲能系統的控制器是在場域現場，控制決策都是在控制器上進行，要到場育去測試才會知道效果。但數位雙生可以建置虛擬的裝置分身，就能先知道修改的部分是否可以應用到現場，可以加速客製化開發的導入時間。

人才與未來

對於 AIoT 產業的資源以及在台灣的發展願景，賴宏仁博士觀察，現在 AI 相當熱門，從學校如台大、清大、交大，到像台達這樣的企業都有設置實驗室，彼此間的合作也培植學生解決問題的能力，對於接下來人才供應相當看好。他也回憶當初唸書時類神經網路乏人問津，機器學習所需的訓練數據非常難拿到，現在這們技術熱門起來，各式各樣的資料庫可以拿去訓練或驗證，不管在環境或知識水準上都有提升。

賴博士認為 AI 可以解決一次單一服務問題，比如能源充電排程最佳化，之後可能在網更廣泛的方式去發展，而 AIoT 可能就是剛開始的進行式，因應未來自駕車環境感知等更複雜的動作，讓 AI 能有不同的想像。

應用領域方面，他認為 IoT 可以泛用在許多領域，不過會以產值或比較快回收成本的領域先發展，跟社會需求直接連結。比如現在政策強調綠能，對於政府基礎建設、智慧交通、智慧城市的應用都是焦點。

賴博士觀察，台灣不論是 AI 或 IoT 都有相當的討論，從學界或自學的熱潮看來，大家也都有感覺到未來可能就在這裡，而作這件事首先需要人才，從這個角度看台灣頗有優勢。至於資金方面，現在新創和以前比非常蓬勃，錢倒不是問題，這個點子或模式能否足以生存才是重點。

核稿編輯：Anny

延伸閱讀：

查看原始文章