工業技術研究院資訊與通訊研究所 洪淑慎 曾志宏 朱彩熒 郭豐源

台灣常見的再生能源包含：太陽能、風力、水力、地熱能及生質能，每種再生能源適合的條件不同，若要完全取代現有發電，尚有一段路需要努力。

前言

隨著氣候變遷的快速影響，產業淨零碳排需求趨勢日益迫切，其中引用綠電減少碳排將扮演非常重要的角色。政府為引導國內產業發展綠電，推出多項的鼓勵措施，兼具公平性及利潤保障的轉供規章是目前國內綠電轉供售電的主要依據。由於產電量及用電需求會隨著每日時間有所變化，例如太陽能發電只有在白天產電，部分用電戶在尖峰時段需求大等，如何在現有機制下，決定電廠要配電給哪些用戶使用及配置多少電量以便達到最佳效益是一個很大挑戰。本文將介紹如何利用人工智慧技術，透過資料分析與判斷，演算出最佳轉供配置建議方案，讓售電業者利潤增加、電廠餘電減少、用電戶滿足需求，達到綠電供需效益最大化。

精彩內容 1. 台灣綠電發展現況 2. 什麼是綠電轉供？ 3. AI技術如何達到轉供配置最佳化？

國內綠電轉供發展概述

全球節能減碳的意識崛起，使用再生能源逐漸成為各大企業指標，也是企業邁向永續的重要途徑，而受《氣候變遷因應法》草案推出，綠電買賣更加火熱。台灣常見的再生能源包含：太陽能、風力、水力、地熱能及生質能，每種再生能源適合的條件不同，且目前綠電供不應求，若要完全取代現有發電，尚有一段路需要努力。

什麼是轉供？直供？

「轉供」泛指透過台電輸配電業、設置電力網，傳輸電能的行為；而「直供」則是指再生能源發電業者直接拉電線將綠電供給用戶。目前市場運作如圖1說明，其中綠電轉供方式主要透過台電的輸配電網，用戶可以向台電或再生能源售電業者購買綠電。

圖1 再生能源電力及憑證市場運作方式。（資料來源：國家再生能源憑證中心） [1]

綠電轉供年成長率達6成

根據2022年台灣綠電交易進度報告分析 [2]，2022年台灣總電力裝置達62GW，再生能源裝置佔總量23％，達14GW；而發電量來到238億度，占總體發電量8.3％，較2021年174億度電成長36％，且首度超越核電8.2％。其中再生能源總類中，無論是裝置容量或發電量皆以太陽光電最高，在2022年達9.7GW、發電量約107億度。而綠電轉供量也相較2021年成長60％，來到11億度，當中以風電轉供量占比最高 [3] 佔6成，交易330MW（百萬瓦），發電量6.75億度；太陽光電則占了110MW，發電量約2.32億度，可以發現再生能源發電正處於快速成長階段。

台電綠電轉供二次媒合規章

綠電具有間歇性的特色，例如太陽光電只有在白天發電，而且發電量跟日照有直接相關，因此發電量會隨時間有所變化；用戶用電也會有曲線變化，例如尖峰時段用電量高。如下圖，某一時刻，若發電量＞用電量，電廠的電無法供應出去，稱為餘電，將轉售給台電（Feed-in-Tariffs，FIT），餘電售價通常低於客戶售價；若發電量＜用電量，則用戶需求不夠，必須轉向台電買電，稱為市電。因此如何適當有效地進行配置媒合，讓電廠餘電減少、客戶需求滿足是轉供決策非常重要的挑戰。

圖2 發電量與用電量的時間變化對應

台電為承辦電能轉供及併網型直供業務，依電業法第四十五條、第四十六條、第七十條等相關規定及再生能源發電業申請直供審查規則，以符合公平、公開原則，訂定「台灣電力股份有限公司電能轉供及併網型直供營運規章」 [4]，以便業者及用戶遵循。其中於計費方式章節，說明了轉供的計算方式，特別是2022年5月18日修正的最新版本，除了原先每15分鐘的產電、用電媒合外，新增了第二階段的餘電媒合機制。

規章相關背景說明如下：

• 不論任何發電設備所發的電（綠電或灰電），一旦透過台電的電網進行電力輸配，就無法分辨來源及總類，所以本規章所提供的轉供計算，基本上是一種事後的「計算認證」方法。例如電廠A某日產電轉供給用戶B200度電，事實上，用戶B真正使用的200度電並不一定是電廠A所發的綠電，而是台電電網上聚集的各類電力的一部分。
• 台電的轉供規章基本上是基於公平性所發展出來的，所有的配置是以用戶用電的比率進行分配，用電愈多的用戶就有機會拿到愈多的綠電。對售電業者來說，用電多的客戶不一定售價較高，所以售電業者無法以利潤為前提自行決定配置，都必須以台電的計算結果為主。
• 配置的基準是以電廠和客戶間的契約為依據，必須事先提交台電審核。每一張契約可能有多個電廠和多個用戶一同參與，同時明訂各電廠發電的輸出占比。若是契約只有一個電廠供應電力給一個用戶，稱為個別契約；否則稱共同契約，共同契約顧名思義就是大家要共享電廠所發出的電力。每一個電廠或用戶可以同時參與多份契約。
• 台電的轉供媒合分為二階段，第一階段是發電和用電每15分鐘進行一次媒合；第二階段則是分電價時段的尖峰、半尖峰、離峰、週六半尖峰四個區段，每一個區段以月結為單位將電廠的餘電再供應出來給用戶的餘電媒合，用來弭補用戶市電的需求，但用戶的轉供量不能超出設定的月上限及年上限。

根據台電規章，其轉供計算說明如下：

第一階段媒合：
以契約為單位每15分鐘進行以下步驟：
1. 算出參與的電廠可以提供的總綠電量（供應）
- 各電廠發電量×契約占比
- 此契約所有電廠可供應量加總

2. 算出參與的用戶需要的總綠電量（需求）
- 針對用戶用電量根據可提供綠電電廠相對負載算出需求量
- 此契約所有用戶需求量加總

3. 算出此契約可轉供量
比較參與電廠的總發電供應量與用戶用電的總需求量，取其較小的一方作為契約可轉供量

4. 算出參與的用戶可獲得的綠電配置
- 根據用電需求量分配

5. 算出參與的電廠的分配供應綠電
- 根據發電量分配

第二階段媒合：
主要進行時間電價同時段內之餘電再媒合，以契約為單位每月進行以下步驟，其概念與第一階段類似，只是發電量改為餘電量，用電量改為市電量：
6. 算出參與的電廠可以提供的總電量（供應）
- 依各時段算出各電廠該月餘電量
- 此契約所有電廠可供應量加總

7. 算出參與的用戶需要的總電量（需求）
- 依各時段算出各用戶該月市電量
- 此契約所有用戶需求量加總

8. 計算第二次媒合可轉供量
比較參與電廠的總餘電供應量與用戶的市電總需求量，取其較小的一方作為二次媒合可轉供量

9. 算出參與的用戶可再度獲得的綠電配置
- 根據用戶需求量分配

10. 算出參與的電廠的分配供應綠電
- 根據電廠餘電量分配

AI最佳轉供配置技術

問題定義與最佳化說明

轉供配置方案整體是一個最佳化的問題，如何決定將電廠發電配置給哪些用戶、配置多少量才能達到最佳效益。效益的定義包括提升售電業的總營收利潤、減少電廠餘電、滿足用戶的需求，如RE100的目標等。 因此可以將問題轉換為mxn矩陣來代表的契約組合，其中m代表電廠數，n代表用戶數，矩陣［i,j］值為電廠i轉供給用戶j的發電占比。例如圖3，表示有五個契約的契約組合：

契約1：電廠1發電量的100％提供給用戶3
契約2：電廠2發電量的40％提供給用戶1
契約3：電廠2發電量的60％提供給用戶2
契約4：電廠3發電量的100％提供給用戶4～n－1共同分享
契約5：電廠m-1、電廠m發電量的100％提供給用戶n

圖3 契約組合

以契約組合的內容，參照用戶售電價、餘電電價、每15分鐘發電量和用電量，依據台電的轉供規章結算出用戶轉供量、電廠餘電，總售電總利潤，而最佳化就是從所有可能的契約組合中找出結算結果最好的一種組合。由於可能的組合數量繁多，若從傳統的計算方式將會耗費非常大的運算資源，因此採用AI最佳化技術快速、精準計算出推薦的最佳契約組合，達到最大的效益。

由於決定最佳化過程需要利用台電公式的結算結果不斷地迭代優化，因此系統運作流程如下圖。

圖4 系統運作流程

本文的最佳轉供配置主要是以增加售電業的總營收利潤為目標，這也包括減少電廠餘電（因餘電售價較低），同時也兼顧用戶的RE100目標需求。

AI最佳化演算法

台電的綠電配置計算公式考量公平性，供需配置過程中會不斷互相影響修訂，例如調高某一用電端和某一供電端的契約占比，會導致它對其他供電端的用電負載降低，進而增加其他供電端的餘電。由於傳統的演算法其迭代運算的特性，會假定算出和特定供電端的占比後，後續的計算不會影響這組用電－供電的綠電分配結果，因此並不符合本案最佳的需求。本技術採用基因演算法從全局考量，有別於傳統的演算法，有效實現綠電轉供配置最佳化。

基因演算法基於演化的概念，將尋找最佳解的過程類比為生物演化，每一代的生物在演化時，會保留當前優良的基因以及淘汰不適合的基因，再加上突變的動作，最後會找到一組最佳的基因，對應到最佳化的綠電配置，整體的流程如下：

圖5 最佳化演算法流程圖

• 基因演算法的基本運算子

在電腦裡，基因由一組數值表示，每個數值稱為染色體，是基因演算法裡最小表示單位，基因的運算子有交配及突變：

1.交配（CrossOver）
兩個親代的基因交配之後可以得到子代的基因，在交配時，程式會隨機取出其中一個親代的基因片段，填入子代的基因的對應位置裡，直到子代的基因被填滿為止。舉例而言，有兩個親代基因［10,6,7,3,6］和［3,5,8,10,3］，我們可以拿第一個親代的前兩個染色體（10和6）及最後一個染色體（6），以及第二個親代的第三及第四個染色體（8,10），交配出一個子代基因［10,6,8,10,6］。

2.突變（Mutate）
每個染色體可能突變，這表示原本的染色體數值被另一個隨機數值取代，如［10,6,7,3,6］的第二個染色體突變成1，整個基因就變成［10,1,7,3,6］。

套用基因演算法到綠電配置問題時，有以下兩個工作：
1.定義綠電配置和基因之間的編碼／解碼
2.定義基因優劣的評估函式（Evaluation Function）

• 定義綠電配置和基因之間的編碼／解碼

首先定義兩種類型的基因，一種叫契約類型基因；另一種叫權重類型基因。

如前述的契約組合圖示所示，對每個電廠，在有n個用戶的情況下，可以把基因用一個n維的陣列表示，陣列裡的每個元素是0到n－1的整數，陣列的數字表示該用戶對應的契約編號，用戶對應的契約編號相同表示在同一個契約裡，這種基因稱為契約類型基因。

接下來，使用權重的概念來表示契約占比，同時也編碼成基因。同樣的，對每個電廠，在有n個用戶的情況下，把基因用一個n維的陣列表示，每個數字代表用戶的權重，數字的範圍是0到1,000的整數，以期最後得到的占比精準度可以到千分之一；有了權重之後，就可以算出每個電廠對應的總權重，在計算總權重時，如果遇到共同契約，取共同契約裡的最大權重為代表，每個契約的占比就可以用權重除以總權重來定義；這種基因稱為權重類型基因。

舉例而言，考慮一個電廠及五個用戶（分別稱為用戶1到用戶5），契約類型基因是［3,1,4,1,0］，權重類型基因是［2,7,1,8,2］。對此電廠而言，總共有三個個別契約（用戶1、用戶3、用戶5），權重分別是2,1和2，一個共同契約（用戶2和用戶4），權重是max（7,8）＝8，總權重為2＋1＋2＋8＝13；基於此，用戶1和用戶5的個別契約占比都是2／13（15.4％），用戶2和用戶4的共同契約占比為8／13（61.5％），用戶3的個別契約占比是1／13（7.7％）。

定義綠電配置和基因之間的轉換之後，就可以套用圖5的概念，系統初始化時，會隨機生成一群基因（親代），每個基因都是一個數字陣列；基因演化時使用陣列的角度，做交配及突變的運算，評比基因之間的優劣時，則先把基因轉成綠電配置並套用台電公式；如此反覆執行，直到無法找到更好的基因為止。

• 定義基因優劣的評估函式（Evaluation Function）

給定一組基因後，會先把基因解碼成契約配置，然後套用台電的結算公式，算出綠電轉供的總利潤；除此之外，由於每一個用戶有最小轉供量及RE100的目標值，需另外計算出滿足最小轉供量和RE100目標的用戶數量，所以一組基因的評估結果是三個數字：（滿足最小轉供量的用戶數量,滿足RE100的用戶數量,總利潤），在比較兩組基因的優劣時，先比較滿足最小轉供量的用戶數量，如果相等再比較滿足RE100的用戶數量，如果再相等則比較總利潤，以最佳化問題的解決思路來說，可以把綠電配置問題的限制放入評估函式，避免在基因演化時受到這些限制條件的約束。

當基因演算法停止時，預期會得到一個最佳化的基因以及它對應的評分（n,n,最大利潤），然後就可以把這個基因解碼成契約配置的形式，產生最佳契約組合配置。

案例說明與效益

售電業者的真實案例可能有千百家的電廠和千萬家的用戶，需進行龐大的數量級媒合運算，本節將簡化案例，比較使用人工進行配置和使用AI最佳化配置之不同及其效益。

案例說明

本案例總共有兩個電廠，三個用電戶，提供：
三個月份用電資料（2021／01～2021／03），每15分鐘一筆，總用電量2,238,385度及三個月份發電資料（2021／01～2021／03），每15分鐘一筆，總發電量2,707,092度。

電廠、用戶資訊如下表：

表 1 用戶資訊

用戶	用戶電號	綠電售價
用戶1	xx-xx-xxx1-xx-1	5.124
用戶2	xx-xx-xxx1-xx-2	6.3
用戶3	xx-xx-xxx1-xx-3	5.715

表 2 電廠資訊

電廠	電廠電號	餘電售價
電廠1	xx-xx-xxx2-xx-1	4.7238
電廠2	xx-xx-xxx2-xx-2	4.9222

人工轉供配置與AI技術轉供配置試算比較

首先，假設售電業者以人工經驗進行轉供配置方案如下：

表 3 人工契約配置組合

契約	電廠	轉供的用戶	電廠發電占比
1	電廠1	用戶2、用戶3	0.5
2	電廠1	用戶1	0.5
3	電廠2	用戶1	1.0

經結算後總計結果如下：

表 4 人工轉供配置計算結果

電廠數	用戶數	總轉供量（度）	契約數	營收（元）
2	3	1,185,170	3	13,756,720

採用AI技術參照用戶售電價、餘電電價、每15分鐘發電量和用電量，依據台電的轉供規章得出的最佳契約配置組合如下：

表 5 AI最佳契約配置組合

契約	電廠	轉供的用戶	電廠發電占比
1	電廠1	用戶3	1.0
2	電廠2	用戶1	0.429
3	電廠2	用戶2	0.347
4	電廠2	用戶3	0.224

經結算後總計結果如下：

表 6 AI最佳轉供配置計算結果

兩者比較，採用AI最佳轉供配置總營收增加970,443元（約7％），總轉供量增加了857,050度（約72％），總餘電減少了857,050度（約56％），整體效率都超越人工配置。

表 7 人工配置與AI配置效益比較

結論

AI技術演算出的轉供配置方案以最大化利益為原則進行電廠、用戶的產用電媒合，達到最佳轉供配置效益，讓售電業者利潤增加、電廠餘電減少、用電戶滿足需求。相關方案可於簽訂契約前進行有效評估，也可於新電廠加入或新用戶加入時重新盤點。當售電規模漸漸擴大，可取代人工無法處理的轉供配置，達到最高效率目標。

目前轉供配置必須根據台電轉供規章進行，售電業者較無主導空間進行更有利的商業模式，工研院甫進行的「沙崙綠能科技示範場域淨零碳排綠能技術沙盒計畫」，正嘗試將轉供配置轉由售電業者自行分配，透過沙盒計畫驗證其可行性，讓轉供售電市場有更多的商業模式發展，AI綠電轉供最佳化技術的應用更多元化，進而增進整體綠電產業的蓬勃發展。

本研究承蒙經濟部能源局112年度「沙崙綠能科技示範場域淨零碳排綠能技術沙盒計畫」支持，特此誌謝。

參考文獻

[1] 經濟部標準檢驗局,國家再生能源憑證中心. Available at: https://www.trec.org.tw/.
[2] pwc,“2022台灣綠電交易進度報告,”pwc,2022. Available at:https://www.pwc.tw/zh/industries/new-energy/insights/taiwan-cppa-market-report.html.
[3] “綠能科技產業推動中心. Available at:https://www.geipc.tw/EnergyReport.aspx.
[4] 台灣電力公司, 台灣電力股份有限公司電能轉供及併網型直供營運規章,” 185111. Available at:https://powerwheeling.taipower.com.tw/powerwheeling/static/file/1110518％E9％99％84％E4％BB％B6％E4％B8％80％20％E9％9B％BB％E8％83％BD％E8％BD％89％E4％BE％9B％E5％8F％8A％E4％BD％B5％E7％B6％B2％E5％9E％8B％E7％9B％B4％E4％BE％9B％E7％87％9F％E9％81％8B％E8％A6％8F％E7％AB％A0.pdf.