淺談人工智慧在能源領域的應用
許湘琴 組長
財團法人中技社
近年人工智慧 (AI) 技術以超出專家預期的速度持續突破與應用， AI 儼然成為現世代的顯學，其應用範疇亦一直延伸到各種領域，但如同水一樣，能載舟也能覆舟， AI 技術的廣泛應用也讓大家開始關注，在享受 AI 帶來便利的同時，所伴隨而至的風險隱憂。本文將淺談 AI 在能源領域應用的利基，以及伴隨而來的風險和挑戰。
一、AI 在能源領域的應用利基
根據 Precedence Research 研究機構的研究報告，指出在2021 年的可再生能源市場規模中， AI 的應用已達 82.4 億美元，預計到 2030 年，將超過 758.2 億美元左右，2021 年至 2030 年的複合年增長率為 27.9%，足以顯見在現今面臨氣候變遷的威脅下，全球致力於追求可再生更乾淨能源，將 AI 技術與能源發展相結合，正被期待創造出更多的能源轉型機會，而將 AI 技術應用於能源領域的優勢與效益，簡述如下：
- 可再生能源發電和需求預測：可再生能源受日照與風力等氣候因素影響甚大，利用 AI 技術可以從巨量的歷史數據幫助監測和預測天氣，協助電廠選址、設計，且在電廠運行時，透過快速的回饋來調整太陽能和風力發電廠的發電參數，提高整體電廠的發電效率，同時從再生能源發電量的高低峰與間歇性，與其他發電能源或儲能系統做最適化調配，藉以提升整體發電系統的效率和可靠性。而一些精準的預測資料更有助於能源政策或淨零減排作為更加完善，更有利於促進永續能源的發展。
- 傳統能源生產與開發：可利用 AI 改善油氣開採技術，提高產量和降低成本，例如使用人工智慧分析地震數據，來尋找油源和改善開採過程。此外， AI 可以將過去的生產歷史數據加以分析，幫助生產製程的管理，降低生產成本。
- 電網運維與最適化：當發電結構多元化後，不同發電形式的電力併網，對電網輸配電穩定帶來很大的挑戰，尤其可再生能源受氣候影響的間歇性，一個 AI 化的電網更顯得重要，如美國能源部更將「智慧化電網」作為國家政策目標，把 AI 視為電網系統的大腦，透過監控數據的模式和趨勢， AI 可以在潛在問題發生之前，就辨識出來，並採取糾正措施以避免中斷。或遇到突發狀況能夠在最短時間即時做出最適當的能源分配決策，確保電網的穩定。例如利用監控和資料擷取系統 ( Supervisory Control And Data Acquisition, SCADA)、維護和預知數據來防止短缺或電網故障。
- 機構能源使用與應用發展最佳化：以目前深度學習人工智慧演算法的預測能力，已被大家認為將比所有行業專家的總和還要精準，且預測方式可應用在各種不同形式上，如進一步結合用電與政府需量競價、綠電使用與販售及製氫、參與輔助服務市場、整合製程用電供需管理等等的綜合應用，可使企業在售購電與電能轉換應用大大增加靈活使用彈性，創造最大能源與經濟效益。
- 減少人力：能源管理行業需要大量的精力和時間。利用 AI 技術，可以減輕能源管理員工的工作負擔，減少勞動量，同時還可以歸結從事管理的人力、時間、資源等成本和開銷。
圖1 碳足跡比較，Chart: MIT Technology Review Source: Strubell et al. Created with Datawrapper
二、AI在能源領域的應用伴隨之風險與挑戰
- 高成本：AI 需要大量的數據資源來訓練和運行模型，且具備高效能的運算能力才易彰顯功效，高運算力就需有高階前端的相關硬體設備做支撐，如近期高階 AI 晶片在售價與需求屢創新高，可見一般；而 AI 系統運作時更會產生大量的資料，這時亦需要物聯網的支援。所以 AI 系統的開發和應用皆需要大量的人力、物力和財力，高昂的成本是使用 AI 在能源領域時會面臨的一大挑戰。
- 電力需求：當 AI 利用大量的數據訓練和驗證模型的執行階段，需要耗費很多電力能源，根據 MIT Technology Review 在2019年發表的一篇文章，提及 Massachusetts 大學的研究人員，針對幾種常見的大型 AI 模型進行的生命週期評估，以 Transformer 模型為例，將訓練此模型過程中所消耗的總能源根據美國的平均能源結構，換算成 lbs CO2 當量，得出此訓練過程會排放超過 62.6 萬磅的二氧化碳當量，這相當於平均人類一年生活所排放二氧化碳量的57 倍；美國人一年生活碳排的 17 倍；一台美國汽車包含製造的生命週期碳排放量的 5 倍，如圖一所示。可以見得，AI系統的高耗能將對能源系統造成另一股壓力，並導致不必要的能源浪費，對環境帶來衝擊。
- 資訊安全風險：如同前面所提，AI系統除了需要具備高速、大容量的數據存儲設施以及強大的數據分析和處理能力外，所產生出來的大數據也很容易受到駭客和網絡攻擊的威脅。為了需要保障資料、模型和系統的安全，因此需要具備高效強大的安全防護及維護措施，防止敏感數據遭到盜取或損毀。
但整體看來，AI 在能源領域的應用帶來的利應大於弊。從新能源開發、設計能源系統、能源供輸調配分析，到能源管理的 AI 應用，隨著科技進展發現有越來越多有效案例與潛在應用，更加深 AI 技術為能源轉型帶來新契機的期待。而在成本、資安、耗能碳排部分，更加希望能藉由技術的突破，降低AI運用成本、強化資料安全，更重要的是降低運算能耗，減少二氧化碳排放，為潔淨能源使用和地球環境帶來更大的實質效益。
參考文獻
- Harnessing Artificial Intelligence to Accelerate the Energy Transition Report
- Artificial Intelligence (AI) in Renewable Energy Market Report 2022-2030 | Precedence Research
- Training a single AI model can emit as much carbon as five cars in their lifetimes | MIT Technology Review
- The smart grid: How AI is powering today’s energy technologies | SAP
