能源管理系統發展始於1970年代,因應石油危機、能源短缺衍生對能源進行最適化管理的需求,之後伴隨著資通訊科技發展,逐漸整合建築管理系統,提升建築環境舒適及便利性。

工業技術研究院 產業科技與國際發展策略所 李宏俊

人工智慧對於提升能源效率之的應用實例與產業發展動態能源管理系統結合人工智慧可精準控制設備運轉參數,達到能源最有效利用,協助企業或建築推行節能減排。


前言

能源管理系統發展始於1970年代,因應石油危機、能源短缺衍生對能源進行最適化管理的需求,之後伴隨著資通訊科技發展,逐漸整合建築管理系統,提升建築環境舒適及便利性。近年來因全球氣候變化劇烈,世界各國開始推動淨零碳排政策。企業、建築導入能源管理系統,可透過對生產以及建築設備用能管理調度,減少能源浪費,達到能源最佳化利用,迅速提升能源效率,對淨零碳排發揮立即可見的效益。

能源管理系統結合人工智慧可進行遠端用電設備檢查、設備或回路故障偵測、電網系統管理、能源利用最佳化,以及相關用能設備或行為的碳排放管理。尤其是能源利用最佳化部份,能源管理系統依據建築內部人員使用狀態、天候、歷史資料,精準控制設備運轉參數,達到能源最有效利用,協助企業或建築推行節能減排,以應對國際淨零碳排趨勢及市場對於碳管理的需求。

從國際的實際案例證實,在不減少使用者舒適、便利性的情況下,人工智慧有助於進一步提高建築能源效率。而導入人工智慧雖然會增加的設備投資成本,卻可透過電力調度,在時間電價的收費機制下讓電費支出降至最低,降低幅度具可回收的經濟效益。更進一步,人工智慧也同時協助管理者精確預估建築的用電量,讓建築可參與電力市場交易,增加管理者實質的經濟效益,提升企業主或管理者投資能源管理系統的意願,加速能源管理系統滲透率,加速促成節能減碳目標。


能源管理系統架構與範疇

能源管理定義與系統架構

能源管理系統(Energy Management System,EMS)目的是對特定的場域(工廠、建築、住宅)所產生、使用、耗費的能源進行量測並回報其使用量,系統架構大致上可歸納如圖1所示[1],系統可整合公用事業(一般為電力、燃料)帳單、能源量測資訊、天候狀態、場域內的能源、建築管理資訊以及物聯網感測設備,將所有資料收集至資料倉儲中。取得資料經過整理、分析後,對使用者提供能源使用資訊、資料進一步連結應用、偵測異常設備以及整合應用控制等功能:

圖1 能源管理系統架構(資料來源:工研院產科國際所)

圖1 能源管理系統架構(資料來源:工研院產科國際所)


提供能源使用資訊:EMS透過可視化設備或信息傳遞的方式,讓使用者檢視能源使用狀態,例如能源使用量、能源費用。

資料連結應用:將能源使用狀態與相關設備、人員的活動進行連結,進一步計算能源績效指標,例如設備的能源效率、產品的單位能源耗用量,或生產活動產生的碳排放等。

設備異常偵測:透過設備與歷史運轉資料進行型比對,可偵測設備的老化、故障以及能源管路是否有洩漏情形。

整合應用控制:在住、商部份,EMS依據室內溫度、人員使用狀態,對暖通空調系統、照明以及其他用能設備優化運轉參數,減少能源浪費。在工業應用方面,透過能源管理、物聯網整合數據分析,來優化系統級工業流程,提高製造業能源效率。


能源管理系統應用範疇

EMS可依照其管理的場域種類區分為工廠能源管理系統(IEMS)、建築能源管理系統(BEMS)以及家庭能源管理系統(HEMS)三類 [2],系統定義以及管理標的如表1所示。


表1 能源管理系統分類、定義以及其管理標的(資料來源:產科國際所整理)

表1 能源管理系統分類、定義以及其管理標的(資料來源:產科國際所整理)


能源管理結合人工智慧的效益

人工智慧在能源管理方面的應用

近年來AIoT(AI + IoT,整合人工智慧的物聯網技術)的快速發展,EMS開始整合人工智慧功能,除了優化能源管理的成效,為使用者節省更多的能源之外,也衍生更多的附加價值,創造更多市場誘因說明如下:

  • 設備能效最佳化:整合環境參數,透過機器學習方式,即時調整設備的操作參數。例如,整合攝影機、人員感測器等設備,即時開、關或調整辦公區域所需要開啟的照明、空調設備,即時關閉非必要的用電設備,讓建築整體使用的電力降至最低。
  • 負載預測:將人員出差勤資料、經濟活動的排程資料,以及歷史天候資訊納入人工智慧進行運算,預測建築內部設備可能耗用的能源。例如預先排定照明、空調、動力機械的可能開啟、關閉的時間以及耗用的功率,以此預估整體建築所需要耗用的電力。
  • 能源調度管理:透過負載預測,結合天氣的預報資訊,並且參考時間電價以及其他能源設備的發電、蓄電資料,提出最佳的能源調度策略。例如,當建築內有設置儲能設備或再生能源發電設備,可依據天氣狀態、時間電價制訂出最經濟實惠的充電時段以儲存電力備用,並且在電費較高的時段釋放電力,甚至出售儲存電力獲得更多經濟收益。
  • 設備診斷與故障偵測:長時間收集設備運轉時的資料,例如設備輸入電壓、輸入電流、輸出功率、運轉溫度、噪音、振動幅度或頻率等,透過機器學習找出設備故障、損壞的特徵與設備壽命。當其他設備出現即將損壞的特徵時,預先對管理人員提出預報,提前進行設備保養,避免設備損壞造成更多的能源損耗,也避免設備故障引發重大的災害所造成人員與經濟損失。
  • 能源洩漏偵測:監控建築或特定場域內的能源以及其他資源運用狀態,如用用電量、液體流量等資訊,透過深度學習將場域內的人員活動情形、生產製造等參數同時納入運算,以此界定出正常的管線運轉狀態。當運轉狀態偏離正常值,可立即對相關人員提出預警,即時前往檢視、修復管線。
  • 用電行為分析:利用機器學習分析建築物或場域內部的設備運用、人員活動情形並予以分類,藉由了解使用者的用電行為,並且針對其用電習慣與需求制定節電策略,例如,以非侵入式負載監視(Non-intrusive load monitoring,NILM) 分析進入房屋的電壓和電流的變化,並推斷房屋中使用了哪些設備以及它們各自的能耗,進一步以時間電價鼓勵用戶減少用電浪費或轉移尖峰需量。

人工智慧整合能源管理應用案例 - Prescriptive Data

Prescriptive Data是美國紐約一家軟體公司 [3],該公司的價值主張是通過為房地產運營商提供節能工具減少商業建築的碳排放,提供顯著的財務回報並提高資產價值。並且與世界房地產創新團隊合作,解決客戶在建築管理與淨零碳排方面所面臨的挑戰。

Prescriptive Data推出的產品-Nantum OS 是一個建築管理系統,可以整合多數的建築營運管理技術項目,包括BMS(Building Management System)、儀表、人員計數器、空氣質量傳感器、天氣、物聯網設備、分散式能源、再生能源、智慧照明、自動窗簾和玻璃等。並且將相關資料匯集至即時的資料庫中,提供客戶關於建築管理所需的資訊可視化、資料分析、耗能預估、最佳化操作建議、以及整合自動化建築管理。

Nantum OS在能源管理方面的應用說明如下:

  • AI/機器學習異常檢測:分析歷史數據並將其與預測性預期行為分析相結合,為建築物內的所有數據點創建預測模型,預測設備故障、洩漏、異常操作等。
  • 自動化能源和碳減排:整合建築管理系統、能源管理來優化能源成本和減少碳排。
  • 自動化並增加需求響應收入:整合建築使用者能源使用參數,讓建築的用能設備可以參與電力市場交易,如需量反應、輔助服務等。
  • 自動化健康與保健:整合管理空調 HVAC 系統、智慧照明、自動窗簾和玻璃,為使用空間提供健康認證級別的舒適度,當空間閒置時自動關閉以節省能源。

美國總務管理局(General Services Administration,GSA)與國家可再生能源實驗室 (National Renewable Energy Laboratory,NREL)合作[4-5],分別在Austin Courthouse、Dallas Terminal Annex、Harvey Wiley Federal Building,以及ATF Headquarters 進行整合自動系統優化(ASO) 的能源管理信息系統(EMIS)效能的大型試點計畫,以作為GEB試驗評估的一部分。在計畫中導入由Prescriptive Data 發展的能管系統產品 - Nantum OS。該產品整合了各試點計畫場域的歷史數據,並使用機器學習和熱模擬系統優化建築物的能源效率,特別是空調系統端的效能。計畫的運行架構如圖2所示。

在四個試點計畫中,整個建築的節能幅度為5%~11%,對於尖峰用電量的預測誤差可精確到5%以內。在成本效益評估方面,評估報告中認為,當建築物電費費率高於GSA的平均費率(0.11 美元/度)時,採用這套軟體服務的回收年限可少於五年,具有經濟回收效益。綜合整體計畫成效,顯示能源管理系統整合人工智慧可進一步提升建築能源效率、節省能源成本、並且準確預測建築物用電峰值。

圖2 GSA進行以機器學習、熱建模,優化建築能效試點計畫之驗證架構(資料來源:產科國際所整理)

圖2 GSA進行以機器學習、熱建模,優化建築能效試點計畫之驗證架構(資料來源:產科國際所整理)


除了GSA的試點應用外,KPMG也採用Nantum OS協助其客戶準確測量、監控並降低其溫室氣體排放。此外,Cresa-全球最大的僅限租戶的商業房地產公司選擇以 Nantum OS 幫助推動其客戶進行建築數位轉型。


人工智慧在能源管理產業的發展

國際能管系統市場與整合人工智慧發展

分析全球政治、經濟、社會、技術等面向發展,全球能源管理市場的趨動力主要有:能源成本提高、淨零碳排發展趨勢、能源管理系統可創造多元附加價值、能源管理衍生出多元商業模式、新興科技企業投入、電網彈性互動受到重視以及政府推動政策等因素。但是在阻力部份則有消費者對能管系統存在投資效益疑慮、經濟波動影響導入意願、中小企業對能源管理陌生、可靠性有待驗證以及資安的疑慮等因素。依據市調報告(MarketsandMarkets Research)推估,全球EMS市場預計將從 2022 年的 386 億美元增長到 2027 年的 750 億美元,複合年增長率為 14.2%。如圖3所示[6]。整體能源管理系統市場可分為工廠能源管理系統(IEMS),占比約60%,年成長率約14%;建築能源管理系統(BEMS)約占16%,成長率約14.2%;家庭能源管理系統(HEMS)約占14%,成長率約15.1%。

圖3 全球能源管理系統發展趨勢 (資料來源:工研院產科國際所)

圖3 全球能源管理系統發展趨勢 (資料來源:工研院產科國際所)


就全球能源管理市場的推力來看,除了節能因素外,創造多元附加價值、衍生出多元商業模式與能源管理導入人工智慧以及資通訊科技有高度相關性。參考過去的研究資料,安裝能源管理系統確實可創造一定的節能效益,然而,建置能源管理系統卻必須投入高額的資本支出,當投入資本高,對企業主而言,只有節能效益並不足以構成投資能源管理的決定性誘因,當企業主往往覺得投資的成本效益不高,而對投資能源管理系統產生疑慮。

近年來由於資通訊、人工智慧快速發展,能源效率整合智慧化功能已成顯學,除了Prescriptive Data,能管系統大廠(Honeywell、Bosch、Johnson Controls、Daikin Applied……等)均發展出整合AI之EMS產品。這些EMS產品除了為客戶提供節能的服務之外,更進一步提供衍生的加值服務[7],例如:

  • 能源調度管理:當廠區或建築設有再生能源、儲能設備時,透過AI進行最佳化的能源調度策略,配合時間電價,讓整體建築使用電費降最低,減少電費負擔,同時適時提供儲存電力參與電力交易市場。
  • 用電負載預測:依據建築內部人員使用狀態、天候、歷史資料,準確地預測建築用電量,增加管理者參與電力市場交易的信心水準,獲得更好的利益,避免因誤判導致違約而造成損失。
  • 設備能效最佳化:對用建築內的設備進行最佳化的操作,讓整體建築用電量降至最低,並且減少設備操作時間或頻繁開關的狀態,延長設備壽命,減少設備維修更換費用。
  • 設備診斷與故障偵測:診斷建築內部已經故障或即將故障的設備,避免故障設備耗費能源,提升建築能效,同時提前預估設備維修保養,以大量採購降低維護成本。更進一步減少災害發生,提高建築安全性,降低保險費用。
  • 能源洩漏偵測:降低建築內部不必要的能源損耗,減少災害發生,提高建築安全性,提前進行維護保養,避免浪費能源以及增加不必要的電力成本。
  • 用電行為分析:分析建築物或場域內部的設備運用、人員活動以及使用者的用電行為,透過特定的獎、懲制度,引導建築內的使用者配合建築的電力調度政策,讓整體建築參與電網互動交易時取得最大的經濟利益。

當能源管理系統產生更多的附加效益時,對企業、建築帶來的除了節能效益,也衍生更多經濟效益,如節省費用、提高生產效力、增加物業的安全性等。有這些衍生效益也大幅提高企業主投資建置能源管理系統的意願。

表2列出目前將AI應用在能源管理之產品之廠牌、EMS產品名稱以及其產品所具備的相關效益與特點。

表2 應用AI於能源管理系統之廠牌及其產品(資料來源:工研院產科國際所)

表2 應用AI於能源管理系統之廠牌及其產品(資料來源:工研院產科國際所)


我國能管系統整合人工智慧動態

近年來在全球著重節能減碳趨勢情況下,國內工業、服務業也開始導入能源管理以提升設備、建築或生產製造部門之能源效率。伴隨著資通訊產業蓬勃發展,我國提供能源管理產品或服務的廠商也開始投入AI在能源管理方面的應用。

工業控制系統商-泓格科技推出IoTstar,是由泓格科技所創新研發的物聯網雲端管理軟體,協助使用者建置雲端物聯網應用系統。此軟體可提供服務除了感測器資料收集儲存、可視化管理以及使用者介面雙向互動外,IoTstar可快速整合資料分析工具,協助建置雲端「IoT +Big Data」應用系統。例如,透過產線的端傳之設備運轉電力、環境的氣候資訊,預測廠區未來的用電需求,當預測值可能超過該廠區所訂定的用電契約,會提前告知管理者進行設備用電調度,或者直接透過IoTstar設定轄下控制器的操作命令,直接調整部份用能設備的操作狀態(例如調節照明、空調等公用設備的用電量),以避免廠區用電超過契約容量而遭受超約罰款。IoTstar服務架構如圖4所示 [8]。

此外,對於企業要參與電力市場交易,如需量反應,精準的需量預測可判斷該建築或場域用電量,以利整體建築進行設備卸載或用電移轉。為此,透過AI進行負載預測,與目前既有的預測模型比較可大幅提高預測之準確性。例如,國內能源技術服務業(Energy Service Company,ESCO)元福實業,在其進行的節能績效改善服務中,將AI應用在其專案的基線模擬,相較於目前節能績效保證專案中常用用於基線預測的模型-「ASHRAE's Guideline 14」,其模擬精確度可提升15%以上。模擬精確度提升有助於企業參與電網需量反應的交易時,提出更多的需量反應,取得更多的服務收益。

圖4 泓格科技IoTstar架構圖(資料來源:泓格科技)

圖4 泓格科技IoTstar架構圖(資料來源:泓格科技)


我國資通訊及能源管理產業借鏡之處

人工智慧強化能源管理節能成效,衍生附加價值,整合人工智慧已成能源管理產業趨勢

透過美國GSA測試場域試驗,證實將建築內部人員活動、歷史天候、設備運轉狀態等參數,透過人工智慧運算歸納出最佳設備運轉策略,可提升能源效率。透過本文的案例,導入人工智慧雖然會支出更高的成本,但是取得的節電效益可抵銷人工智慧所增加的資本支出。除了節能之外,導入人工智慧可精確預估建築用電量,讓建築可以參與電力市場交易活動,取得實質的經濟效益,創造能源管理系統的附加價值。

當能源管理系統整合人工智慧以及物聯網等資通訊科技,將能源、資源、用能設備與人員活動做最有效配置與利用,達到能源效率最佳化。此外,透過人工智慧,精準預測能源使用,能源管理系統可衍生更多實質的經濟效益,並且創造更多元的商業模式,對於企業主或提供能源管理系統業者,衍生效益以及多元商業模式可增加投資能源管理的獲利以及減少投入成本,進一步加速能源管理系統的導入速度。

因此,預期當資通訊、人工智慧快速發展,能源效率整合智慧化功能勢必成為顯學,各國將持續投入技術研發、市場擴大政策,快速累積經驗,一方面搶占市場,另一方面改善國家供電穩定性。伴隨著更多使用智慧化手段優化能源效率的成功案例,預期將消除使用者對於導入智慧化手段的疑慮,智慧化將成為各企業、建築能效提升之必要功能。


我國應儘速推動能源管理系統整合人工智慧科技之應用

台灣已發布2050淨零路徑,在全球淨零碳排趨勢下,能源管理系統對提升產品、設備、建築能源效率至關重要,導入人工智慧將有助於強化能源管理提升能源效率,協助機關、企業推動節能減碳。此外,未來將陸續擴增再生能源裝置容量、達成100%智慧電網布建。當再生能源占比逐漸提高時,勢必需要透過能源管理系統調度建築、場域內的電力設備。

我國資通訊產業發達,能源管理產品或服務的廠商也開始投入人工智慧在能源管理方面的應用。然而,人工智慧整合能源管理,必須仰賴長時間的資料收集,方能透過人工智慧演算法擬定適當的設備控制策略。相較於歐美已將人工智慧整合能源管理成功導入商業應用,我國仍處於起步階段,技術仍落後歐美。台灣氣候條件、人民生活習慣與其他國家不同,如要有效利用人工智慧強化能源管理功能,必須儘速累積足夠的資料以建立可應用能源管理系統的天候模型、環境模型,並且建立測試驗證場域著手測試人工智慧在能源管理可行性,持續累積經驗,精進人工智慧在能源管理方面的演算法。如此方能不斷精進人工智慧的控制精準度,提高使用者對人工智慧的信賴,加速讓人工智慧在能源管理系統商品化。


參考文獻

[1] Hannah Kramer, Guanjing Lin, Claire Curtin, Eliot Crowe, and Jessica Granderson, “Proving the Business Case for Building Analytics - Results from scaled implementation of Energy Management and Information Systems, as documented by the Smart Energy Analytics Campaign”, 2020.

[2] Frost & Sullivan, “Global BEMS and HEMS Emerging Technologies, Business Models, and Growth Opportunities” , 2022.

[3] Prescriptive Data website, Available at: https://www.prescriptivedata.io/

[4] U.S. DOE and NREL, “2022 M&V Study U.S Government Field Tests & Validates Natum OS for Real Estate Operations, Sustainability, & Financial ROI”, 2022.[5] Guanjing Lin, Armando Casillas, Maggie Sheng, Jessica Granderson, “Evaluating the Performance of HVAC Optimal Control Based on Real-time Floor-by-Floor Occupancy Data”, Building Technologies & Urban Systems Division Energy Technologies Area, NREL , Aug. 2022.

[6] Marketsandmarkets, “Energy Management Systems Market, Global forecast to 2027”, 2022

[7] Frost & Sullivan, “Artificial Intelligence (AI) and IoT-driven Building Energy Management” , 2022.

[8] ICPDAS website. Available at: https://www.icpdas.com/index_tw.php