AI 驅動的先進微電網 Microgrids 技術：推動潔淨能源未來

隨著潔淨能源需求的增加和推動淨零排放轉型的需求，微電網的應用逐漸升溫。全球對穩定且安全的電力供應需求日益增長，預計微電網市場將從 2020 年的 286 億美元增長至 2025 年的 474 億美元，年複合成長率 (CAGR) 達到 10.6%。在 2020 年疫情期間，對於關鍵基礎設施的重新思考，使得微電網在商業和工業場所的應用更加備受關注。微電網是一種自成體系的電力網絡，能夠將分散式能源資源 (DER) 和負載進行整合，作為單一的可控系統運行，並可以在與主電網連接模式或孤島模式下運作。因此，它們是數位化促進綠能轉型的典範。為了深入了解自主且動態控制能源生產與消耗的最新技術進展，我們專訪了施耐德電機的一位微電網專家。

François Borghese：微電網行銷總監自 2011 年以來，François 一直領導施耐德電機的微電網行銷工作，並為公司的策略定位做出重要貢獻。他在推出多項解決方案方面扮演了關鍵角色，包括 EcoStruxure Microgrid Advisor 這個能源管理系統，以及 EcoStruxure Microgrid Operation 這個微電網控制器。這些解決方案能夠滿足全球各種類型的微電網需求，無論是完全連接、可切換孤島模式，還是純孤島型的微電網系統。

隨著微電網 Microgrids 需求的增加，您在過去兩年中觀察到施耐德電機的客戶有哪些新興的應用案例？

目前，隨著能源格局的轉變，微電網的多重優勢正在顯現，包括：

強化並綠化現場的基礎設施
整合現場的再生能源發電和儲能系統
達成零排放的目標

我們注意到，許多客戶正在利用微電網升級基礎設施，特別是針對電動車（EV）的需求，因為現有電網通常難以承載 EV 充電設施所需的電力容量。過去幾年，我們經歷了疫情和自然災害，這也使得確保關鍵負載穩定供電的需求更加迫切。例如，在停電期間，我們的客戶需要防止生產中斷、工作效率降低及設備損壞，而微電網可以幫助他們在客戶最需要時保持營運。除此之外，我們還看到客戶透過提升能源彈性，不僅節省了大量能源成本，還開闢了新的收入來源。透過我們最新的 EcoStruxure Microgrid Advisor 優化算法，我們提供的並非一刀切的解決方案，而是針對各種獨特需求的多樣化應用案例。您可以將這款軟體視為我們先進微電網解決方案的大腦。

請介紹一下微電網的「大腦」如何運作，以及為何這是 AI 驅動未來能源格局的範例？

EcoStruxure Microgrid Advisor 是一個雲端平台，透過模型預測控制 (Model Predictive Control) 演算法來制定微電網的優化策略。這些演算法會結合價格信號、歷史數據、天氣預測和運行排程等資訊，更精確地預測微電網內的能源供應和需求變化。當地的邊緣控制器負責與現場的分散式能源資源 (DER) 進行互動，實時監控並優化控制，使這些能源資源能夠以最佳方式協同運作。現代的先進微電網具備實時優化的能力，能支援像頻率調節和需求響應這類需要在 1 秒內完成優化動作的應用場景。簡單來說，AI 幫助微電網更快速、更準確地預測能源供需變化。透過 AI，微電網能夠高效管理複雜的能源結構，涵蓋再生能源發電和快速變動的能源價格等多項變量，為能源管理帶來全新的解決方案。

您能舉一些實際例子，說明用戶如何利用這個 AI 驅動的自主動態控制系統嗎？

我們在今年 11 月推出的最新版本 EcoStruxure Microgrid Advisor，針對微電網不斷增多的應用場景進行了許多實用的擴展。以動態電價管理為例，隨著電力市場價格波動越來越劇烈，甚至有些市場出現了負電價的情況。當電力需求下降到供應商願意付費讓其他人接收多餘電力時，負電價就會發生—這在擁有較高再生能源比例的市場，如德國、英國和澳洲，已變得越來越常見。為此，我們將負電價的應用納入優化演算法中，並加入先進的界面與更快速的現貨市場反應功能。 AI 驅動的預測演算法在這些情況中發揮關鍵作用，因為它們能夠靈活應對關鍵需求。例如，若一小時內電價達到 $1，而接下來的峰值將是 $1.50，那麼保留足夠的能源以應對後者會更具經濟效益。這正是預測算法的優勢所在。
以我們在澳洲的客戶—南澳洲農產品市場（South Australian Produce Market）為例，當地電價在平日波動範圍可以從每度電 $0.07 到 $1.88，而某些日子還會出現負電價。我們的 EcoStruxure Microgrid Advisor 利用了這種價格波動的靈活性，通過以下三種方式來優化他們的營運：

當電價較高時，釋放儲存的太陽能電池電力
當出現負電價時，為電池充電
當現貨市場價格平穩時，轉為自用電力

這位客戶安裝了 1,600 片太陽能板和一個大型鋰電池，預計每年將節省約 50 萬美元的電費。整個應用場景還更為複雜，因為它同時提升了停電時的可靠性，並每年減少 32% 的溫室氣體排放。

從技術角度來看，還有哪些新進展？未來的能源格局中，微電網需要具備哪些能力？

目前的一大趨勢是「部門耦合 Sector Coupling」或「整合能源概念 Integrated Energy Concepts」。許多客戶正在逐漸擺脫傳統電力發電和負載的單一關注點，電動車 (EV) 趨勢為微電網的發展帶來了巨大的推動力。這些微電網往往需要具備智慧系統來管理場地或校園內的 EV 充電模式：何時充電最為理想？如何優化充電？甚至在某些電網事件中，是否能將電動車作為連接電池或虛擬電廠進行放電？我們目前在解決方案中加入了一個即插即用的負載管理系統 (Load Management System, LMS)，專門針對 EV 和電池的循環管理。我們也預見，這將是未來擴展和創新實驗的重要領域，例如將建築物作為主動能源儲存單元。當今複雜的微電網需要大量數據來提供自動化且精確的短期能源生產與消耗預測。擁有智能 AI 系統來自動學習本地情境，並根據情況提供預測是至關重要的。這還涉及到能夠處理並評估電網中的數千個數據接觸點。像我們的模型預測控制 (Model Predictive Control) 這樣的自動化模型，結合人工智慧與機器學習技術，最終將能夠以極高的精確度進行大規模擴展。