台電以AI預測太陽光電風電　48小時滾動調度穩供電

（中央社記者謝怡璇台北5日電）台灣再生能源發電量成長，但「看天吃飯」的發電特性，使電力調度變成與大自然的競賽。台電透過AI模型與氣象預測，從太陽光電的區域性預測到風力發電的深度學習架構，增加電力系統調度彈性。

台灣於2024年起推動二次能源轉型，除了持續擴大推動離岸風電與太陽光電外，也積極布局地熱、生質能、小水力及海洋能等多元綠能。據經濟部能源署官網統計，今年1至4月發電量約為884億度，其中燃氣發電占50.9%，燃煤占32%，再生能源占14.4%；再生能源發電量約為127億度，以太陽光電及風力發電為主。

但再生能源易因天氣變化影響發電，無法隨意控制發電量，併入電網後，也容易因為發電變化大造成電力系統不穩定，使電力調度的複雜度增加。近幾年因再生能源併網容量成長，台電結合AI模型與氣象預測，強化再生能源發電預測，增加電力系統調度彈性。

台電綜合研究所（綜研所）表示，太陽光電方面，隨著民營分散式案場大量增加，預測模型更新為「區域性預測」架構，改以區處或縣市為邊界進行分區預測，再聚合成全台總預測量，更貼近實際電力調度需求；風電預測則導入新一代深度學習架構，改善民營案場觀測資料不夠完整的情況，提升模型容錯率與精準度。

台電目前在太陽光電及風力發電分別採用2套預測資料來源，包含台電綜研所及一家民間預測公司，依歷史預測誤差實績調整其計算權重，產出系集預測發電量，供電力調度參考。

台電綜研所說明，目前使用的天氣預報數據，主要來自中央氣象署的數值氣象預報。台電接收數據後，會依案場地理座標進行解析與特徵萃取，再整併氣象預報資料與案場實際觀測數據。

在預測方面，台電已針對太陽光電與風力發電，應用48小時等長尺度預測資訊，進行系統供需分析及機組發電排程規劃。當日即時調度則綜合考量當前系統運轉現況與未來數小時的天氣變化，並依據小時前、10分鐘等短尺度再生能源預測進行滾動式修正，以即時調整機組出力與調度策略，確保電網穩定運轉。

台電調度處指出，除了參考民間預測公司及台電綜研所提供的未來數小時再生能源預測，也會透過即時參考氣象資料，如氣象署雷達回波、定量降雨分析。像是遇午後雷陣雨時，火力機組、民營電廠（IPP）提早升載或併聯，並運用電力交易平台備轉資源，以因應太陽光電不如預期的情況。

針對AI導入氣象預測所帶來的發電效益，台電表示，再生能源發電預測誤差逐步降低，可減少因氣候不確定性所導致的機組頻繁起停與負載變動，進而降低設備熱應力與管路疲勞、設備損耗，有助於提升機組運轉可靠度。

隨著全球極端氣候情形與日俱增，調度再生能源發電的天氣預測愈趨重要。台電提到，未來預測來源應嘗試增加預測點位、變數或訓練資料集，並評估從機器學習模型架構，升級為訓練資料規模更大的深度學習架構。（編輯：林淑媛）1150705