台灣政府是否真的用心著墨海洋綠色能源的研究、開發與運用
歐洲推新再生能源計畫,預計2050年離岸風電規模要達到300GW,海洋能規模40GW,總預算規模直逼9500億美元,折合台幣27.1兆。
全球前20名離岸風場,有16處位於台灣海峽內,2016年蔡英文政府上台,制定2025年燃氣50%、燃煤30%及綠能20%的能源轉型藍圖。2019年11月12日更正式啟動了「海洋風電」(Formosa 1)台灣第一座離岸風場。
在2000年之前的工業密集年代,台灣每年的用電量約莫300億度,近幾年平均用電量則在220億度以下。過去幾年夏季尖峰用電的高峰很少超過3600萬瓩,唯獨今年爆熱,除了七月出現最高連續超過36度高溫的紀錄,台北測得39.7度、台東測得40.2度,使得2020年尖峰用電在歷年用電量排行榜中,占了8 個席次,最高來到3802萬瓩,同時也包下前五名。目前秋老虎仍在發威,高雄內門中午高溫達35.5度,中午尖峰時段用電量未達3200萬瓩。
台灣政府規劃在 2025 年將再生能源裝置量提高到 27GW,發電占比增加到 20%,而離岸風電為發展重點,計畫離岸風電從零開始,2020 年建置 520 MW 容量,力拚 2025 年累計達 5.5 GW。
(說明:1吉瓦GW=10億W=100萬瓩,若持續以1GW發電1小時,也就是100萬度電。若預估2025年台灣的用電高峰是3828.6萬瓩,屆時離岸風電最高可以分攤14%的高峰用電。唯台灣海峽風場效率最強時間是東北季風時節(平均風級為 4-7 級),台灣用電尖峰時段多吹南風及西南風(平均風級為 3-5級)理想值在夏季尖峰時段無法實現。)
除了離岸風電 台灣更寶貴的綠色能源叫 #黑潮
台灣對於能源蘊藏量不亞於風電的潮汐洋流發電,尤其對於黑潮這個舉世第二大洋流動力發電的強大綠色能源研究,政府及學術研究相關單位的研究投資計劃,在我們十幾年前調資料時,只看到工研院能環所顏志偉在2005年主導一項「我國海域能源蘊藏量分析技術之建立及開發方向評估」計劃,及負責電力開發的政府機構司職單位一份為期25年,名為洋流潮汐發電研究計劃的不研究計劃。
中研院院士徐遐生曾估計,黑潮總能量約100GW(1000億瓦),由於黑潮主流靠近台灣,估可取50GW(500億瓦)。台大陳發林教授則是以黑潮水量流速每秒一公尺的能量計算,黑潮流經台灣海域不同斷面的平均總發電量為5.5GW(55億瓦),季節則以夏季最佳,可穩定產出達10GW(100億瓦);冬季較弱,也有4GW(40億瓦)。
日本科學技術廳資源調查會於1979年的調查報告顯示,黑潮在日本海域年平均功率約19GW,日本政府與民間企業共同研究開發,2017年在黑潮洋流較強、水流流向較穩定,位在鹿兒島南方靠台灣的口之島海域,以漂浮式渦輪機沉水20~50米發電30KW實驗成功,目前正進行更大型的研發應用。該團隊學者估算,黑潮發電未來可望供給全日本5%的用電(日本年總用電量約在1兆度上下,5%為500億度,足足可以供給2個台灣的全年用電量)。
而從扁政府、馬政府,到如今的蔡政府,在這上面著墨了多少?
透過政府研究資訊系統查詢,輸入Tidal Ocean current energy,查詢近二十年來政府編列預算在該相關領域投資的結果出現:
2005年由顏志偉主導一項計劃預算440萬;
2006年~2009年有10項計劃合計預算15134.2萬;
2010年有四項計劃包含前往英國考察洋流發電,總預算1065萬;
2011年有四項計劃合計2968.5萬;
2012年含中小學教科書列入水資源教育等六項計劃合計8959.4萬:
2013年三項計劃合計384.6萬;
2014年一項計劃112.4萬;
2015年四項計劃294.4萬;
2016年有一項顏志偉主導的小型潮流發電機組與動態纜線測試計劃4356萬:
2017年有一項黃昆明主導的10kW潮流發電系統開發計畫(1/2)1800萬,及一項教育研究推廣計劃94萬元:
2018年有一項135.2萬:
2019年有一項薛憲文主導的洋流能關鍵技術開發與推動計劃6514.2萬、一項台灣東南部海域海底地形調查委託專業服務案1050萬及一項應用於海流能轉換之創新垂直軸渦輪性能提升研究,預算95.4萬:
2020年有一項台灣洋流能海域測試場規劃評估委託專業服務案,預算1340萬,及一項應用於海流能轉換之創新垂直軸渦輪性能提升研究104.7萬。
過去20年來,台灣政府合計總共在潮汐及洋流發電領域投資了4億4千847.7萬元,其中還包含了部份離岸風電的評估研究。
台灣是最能運用黑潮的先進國家,自己不投入洋流研究,後果就是得等待很長的時間之後,再花遠比研究經費要高出幾千倍,甚至幾萬倍、幾十萬倍的預算去跟別人採購。
政府真的有用心投入資源,為綠電島國的未來藍圖打拼嗎?從政府學研單位相關的人才及預算投入,就可一窺一二。(V編)
————————
以下為外電新聞 鉅亨網張博翔編譯2020/11/20 06:07
歐洲推新再生能源計畫 規模直逼9500億美元
歐盟週四 (19 日) 制定新再生能源計畫,目標是在 2050 年將離岸風電發電量從 12 吉瓦 (gigawatt,GW) 一口氣提高至 300 吉瓦,此外,歐盟執委會的「離岸再生能源策略」預計在同一期間將海洋能源發電提升至 40 吉瓦,估計將砸下近 9500 億美元執行這項長期綠能計畫。
短期而言,歐盟表示,新再生能源計畫即將在未來 10 年內將離岸風電機容量至少提高到 60 吉瓦,而諸如潮汐、海浪等海洋能源發電則預估 10 年至少達到 1 吉瓦,目前海洋能源發電量僅 13 兆瓦 (megawatt)。
由此可見,需要達到這樣大幅度的成長意味著歐盟的新能源計畫投資規模非常可觀,據歐盟執委會估計,2050 年內要實現這些目標將需要近 8000 億歐元 (約 9422 億美元) 的規模,其中大約三分之二將用於電網基礎設施,而三分之一用於發電,預計大部分現金則來自於私人投資。
歐洲能源專員 Kadri Simson 在週四的聲明中表示:「歐洲是海上再生能源的全球領導者,並且可以成為未來全球發展的動力,我們必須透過利用離岸風電的所有潛力,並發展其他如波浪,潮汐和水上太陽能等技術,來加強再生能源實力。」
歐洲風能協會 (WindEurope) 樂見歐盟這項新策略,該組織表示,要將離岸風電「提升為 25 倍」勢必要「大量投資」基礎設施,除了海上電網銜接與陸上電網強化外,未來十年港口也需要 65 億歐元的相關投資。
這項透過再生能源實現發電產業全綠能的計畫,也被比喻為「歐洲綠色協議的關鍵要素之一」。《歐洲綠色協議 (European Green Deal)》是歐盟執委會為實現 2050 年成為氣候中和大陸的總體計畫,目標在 2021 年至 2027 年間動員至少 1500 億歐元,並將重點放在「高碳密集或化石燃料使用率高的地區」。
轉換型領導四要素 在 台灣物聯網實驗室 IOT Labs Facebook 的最讚貼文
瞄準AIoT龐大商機 驅使產業價值鏈持續重組洗牌
魏淑芳 2019-05-30
伴隨物聯網(IoT)應用蓬勃興盛,加上人工智慧(AI)技術日趨成熟精進,兩大技術雙雙躍為企業數位轉型過程中不可或缺的要素;在此前提下,近年IoT與AI逐漸匯流為AIoT嶄新面貌,使AI得以藉由IoT滲透至各個產業與生活應用情境,連帶讓AIoT背後所表彰的邊緣運算概念,成為繼雲端運算後另一個熱門辭彙。
所謂邊緣運算,簡單來說,可視為從雲端到邊緣的移動,意即把原本透過雲端資料中心執行的AI機器學習推論工作,移往網路邏輯上的邊緣節點來處理,由於邊緣節點鄰近於用戶端設備、也就是數據來源,因而能夠以近乎即時的速度來處理資料,不僅消除了以有限網路頻寬傳送大量原始數據的負擔,更消除了凡事唯雲端是問、久候雲端下達指令的依賴性,這些特性,對於類似像自駕車等時間敏感性(Time-Sensitive)應用,可說非常重要。
Toyota為實現MaaS概念,邀集必勝客、Mazda、Uber、亞馬遜等盟友創立移動服務事業聯盟,意在讓其新開發的e-Palette自駕電動概念車,得以蛻變為無人化快閃商店。來源:SlashGear
於是乎,AIoT被各方人士寄予厚望,看好這股趨勢可望帶動諸如半導體、邊緣運算、5G網路、智慧車輛等相關技術領域之創新發展,進而引領第四波科技創新,促使智慧時代早日到來。根據知名研究機構Gartner的預估,時至2022年,在多達8成比重的企業IoT專案當中,都會含括AI解決方案,反觀現今,AI在IoT專案的佔比不過一成左右,顯見未來還有極大的成長空間。
AI與IoT 少了任一方都難形成大局
業者形容,AIoT的背後邏輯便是「AI+IoT」,其中AI像是大腦,足以將設備的簡單連接升級為智慧連接,從而讓萬物互聯演化成為萬物智聯,至於IoT,則是使AI得以發揮行動力的載體,猶如人類的眼睛、耳朵、鼻子與皮膚一般,可以感知你我周遭的環境事物,從中彙集大量數據,做為AI進行機器學習、深度學習的重要養分;當資料愈多、訓練素材愈多,AI大腦就會愈來愈聰明,做出愈來愈準確明智的決策。
換句話說,假使僅有AI大腦,而沒有連結IoT感知能力,無從收集各種環境資訊,空有強大的演算法、運算力也是枉然;相反的,只有IoT而未搭配AI,則像是只有感官卻無法通達大腦來做出睿智反應,那麼縱然收集的資料量再如何龐大,充其量仍是Raw Data,沒有辦法轉換成為有價值的資訊。由此可見,唯有AI+IoT,才足以創造最大化價值。
談及AIoT的落地應用,無庸置疑的,自駕車(Autonomous Vehicles)肯定是討論度名列前茅的熱門題材。顧名思義,研發自駕車的初衷即是取代人為駕駛,然而要達成這個目標,需要整合眾多科技,方能讓原本以機械性能為中心的汽車,開始擁有感知與學習能力,進而靠自身的力量做到精準判斷與操控,終至平安順利地上路行駛。
探究自駕車的感知層面,也就是賴以隨時掌握周遭環境資訊的配備,除了現階段已被廣泛運用的GPS、雷達、超音波,及結合影像辨識技術的攝影機等相關技術方案外,簡稱為光達的LIDAR,更被喻為是實現全自動自駕的先進感測技術,只因光達的涵蓋範圍廣闊,而且比較不受到諸如光線、溫度或天候等環境因素影響,所以可提供更加可靠、精確的偵測能力。
一旦車上搭載幾顆光達,便可明顯提升感測效果,惟目前光達的價位偏高,未來唯有下修,才可望被多數的自駕車開發商所接受,逐漸成為標準配備,所幸目前已有業者正在努力運用不同的技術,嘗試發展出價格更加實惠的光達產品。
至於自駕車的大腦,則需仰賴AI 軟硬體及開發平台,來訓練所需模型。GPU領導廠商Nvidia有感於自駕車在面對複雜道路環境之際,勢必需要進行大量平行計算、以便能做出即時反應,所以一方面提供高效能的運算晶片 DRIVE Xavier,二方面則提供一個完整的DRIVE AV平台,以利開發者因應各種環境感測技術、分別建構不同的模型,甚至透過虛擬環境來強化訓練(藉以納入一般實際道路測試鮮少遇到的狀況),且能利用AR技術,裨益駕駛人在行駛過程中一併獲知周遭環境資訊。
憑藉異業合縱連橫 打造完整AIoT生態系
值得一提的,在AIoT的驅動下,已為自駕車注入許多創新設計思維、甚至是顛覆性的商業模式,使得相關的生態系更為多元豐富。比方說日系汽車大廠Toyota迎合MaaS(Mobility as a Service)概念,發想創立移動服務事業聯盟,並已延攬像是必勝客、Mazda、Uber乃至亞馬遜等諸多盟友,意在將其新開發的e-Palette自駕電動概念車,型塑為無人化快閃商店,隨時移動至不同地點展開營運。
此外聚焦發展自動駕駛軟體的英國新創企業Oxbotica,則與線上超市業者Ocado締結合作關係,將藉由CargoPod小型自駕貨車提供短距移動送貨服務,當貨車抵達後,消費者只需輸入密碼便能取貨。
事實上AIoT商機甚多,絕對不僅止於智慧汽車,其他像是智慧醫療、智慧製造或智慧能源等等領域,也都蘊含莫大的想像空間;探究這一條條不同的價值鏈成形,背後都亟需堅強的產業鏈加以撐持,甚至需要涵蓋電子零組件、系統組裝、軟體介面、服務設計等來自四面八方的廠商群策群力,方能透過一站式的供應模式,開創 AIoT 大局。
如同SEMI微機電及感測器產業聯盟(MEMS & Sensors Industry Group;MSIG)的成軍,基本上就是一個典型例子;因此可以預見,隨著AIoT浪潮席捲,異業合縱連橫的案例將會不斷上演,目的在於重塑產業價值鏈,只因在AIoT世界,確實很難有單一廠商足以通吃感測器、雲端到AI整個市場。
附圖:除了自駕車外,包括智慧製造、智慧醫療等諸多領域,都有愈來愈多相當成功的AIoT應用案例。例如日本的輪胎廠商Bridgestone便善用AIoT技術,為生產設備賦予自主學習與行動的能力,因而大幅提高生產效能與良率。DIGITIMES攝
資料來源:https://www.digitimes.com.tw/iot/article.asp…