能源管理 - 能源基線與大數據應用

前言

台灣的能源不足問題這幾年不斷地被提出來，2015年巴黎國際氣候高峰會 (COP21)後，節能減碳的問題再度躍昇於鎂光燈之下，各國環保團體及各國政府均開始檢討能源大戶的節能減碳措施及實際作為。台灣政府也發佈自訂預期貢獻目標(INDC)，溫室氣體排放量預定在2030年時要比2005年減少20%，2050年將降至2005年排放量的50%以下。能源消耗大的工廠要做好能源減量，有效的能源管理絕對是一個最根本、也是最重要的節能方法。

能源管理的困難點

談到能源管理，需要建立能源量測基礎設施，這是實際執行上容易遇到困難的地方。首先，現場設備要裝設計量儀表，包括電表、各式流量計及輸入及輸出量測表計。這些計量表計安裝加上所需的電源與訊號連線，將需要大量的金錢支出，這是第一個困難。

如不安裝連線表計，則需要以人力方式來進行量測，這將花費大量人力及時間，且因無法進行連續量測，對於變動性的生產線資料的失準，這是第二個困難。

再者即使表計齊全，連續性大量量測的資料，還需要有效的系統來進行大量數據的計算及分析，將資料轉變為有用的資訊(如 圖一)。

圖一、缺乏EnMS 導致能源管理的不穩定

能源管理智動化

談到能源管理系統，那就一定會連結ISO-50001 國際標準，這是一種透過 PDCA (Plan-Do-Check-Action) 循環並運行在一種標準手法下，讓公司或組織得以量化並有效管理能耗，進而穩定減低耗能、增加系統能源使用效率的管理規章(如 圖二)。

圖二、ISO-50001 的標準規範及要求

ISO-50001對於能源提出了一種量化的標準，叫做能源績效指標EnPI (Energy Performance Indicator)，用以管理能源使用績效。源績效指標並不是單純能源使用量，典型的EnPI (如 表一)包括三大類：全廠單位產品耗能(Energy Consumption Per Unit, ECPU)，ECPU = 耗能量/生產量(kWh/產品)、能源使用效率指標(Power Use Effectiveness, PUE)，PUE = 全區耗能/主要設備耗能(kW/kW)及能源密集度(Energy Use Intensity, EUI)，EUI = 耗能量/樓地板面積(kWh/m2) 。以半導體工廠為例，各產品或每個製程步驟(Move)的單位能耗，及針對二次能源供應端例如廠務端的空壓機及冰水機的每噸輸出單位耗能，透過這些 EnPI，我們可以從不同層面來掌控能源使用狀況。

能源績效指標(EnPI)只是一種綜合的計算值用以監視與管理，無法以數據直接判斷是否合理耗能或異常；因為每個EnPI各有影響它的一些非線性多變量變因，因此必須分析每個EnPI在過去一段合理能耗使用的期間，將變因與EnPI的數據以大數據手法建構為能耗數學模型，推估出合理的 EnPI 數值，而這個手法在ISO-50001 稱之為基線（Baseline）。將所推估的數值與實際電錶及或其他流量表計等等所讀到的數據做比對，確認是否異常（如 圖三）並進行即時監控與管理。

圖三、能耗基線模型運作機制

一個好的能源管理系統要具備能耗數學模型的運作機制，將所有可能的變因匯入系統自動進行分析。當生產線變動或機台的性能改變時，可以即時更新模型，維持EnPI與Baseline仍可以準確的監控能源使用狀況與預警異常狀況(如 圖四)。

圖四、能源基線預測與實際耗能的比較

能源基線模型

談到能源基線最大的用途是要解決傳統能源管理不容易克服的問題：其一是在不同基準比較，以廠級 ECPU 來說，Kw/Wafer move (每個wafer move所耗用的電能) 嚴格來說冬天跟夏天不能直接互相比較的，因為大耗能的設備如冰水主機在冬天與夏天的運轉條件差異很大；同樣的這個ECPU在旺季載滿載生產與淡季80%產能利用率時也無法直接比較。其二是驗證已經完成的改善，如某設備做過節能改善後，一天耗能從100 kWh降為90 kWh，中間差異的10 kWh真的是因為這個節能方案所省下的嗎？而不是操作方式，產能變化減少或是設備保養後的效率改變等變因所造成？

能源基線模型先將基線分為量測基線期與驗證報告期，其中的量測基線期就是選一段時間於系統設備進行改善措施之前，有充分的正常運作時間的區間(如經歷春夏秋冬四季的一年)為基準，將所有相關的變因如產能、外氣溫度濕度焓值、機台數量等等的眾多數據與耗能、及單位產量等數據加以運算，透過多因子迴歸分析^[註1]與大量交叉計算後選取一組最符合現況的迴歸公式，這個公式就代表目前系統在各種情況下的能效用以預測未來，只要輸入相關變因及因子的數值就可以得到在該情況下與實際相符的預測耗能量。

在驗證報告期，系統取得所有變因數據進行計算，由迴歸公式得出結果(報告期基線值)與目前實際值(報告期實際值)相互比較，即可得到與外在變因無關的實際改善成效。透過設定兩者差值來觸發警報提醒相關負責人進行檢查，提早發現問題(如 圖五)。

圖五、EnPI 組成與基線期及報告期，以十五廠應用新鼎Mr. Energy 系統為例

回到理論數學的領域，迴歸分析(Regression Analysis)的應用在能源管理問題上，必須了解有多少的判斷指標是具有參考價值的。運用於能源使用預測上經過迴歸分析後建立的耗能模型，是否具備足夠的解釋力，其實是可以透過多元判定係數（Multiple Determination Coefficient）來衡量，其相當於總變異中可被解釋的百分比，一般稱之為R2。通常採取調整後的R2（Adjusted R2），特別是在多變量迴歸分析中，會因為自變數越多造成原始的R2會變大，因此必須經過調整避免膨脹，而R2的範圍將介於0到1之間；當R2小於0.3時代表自變數與依變數的相關性並不重要，當R2介於0.3到0.7間代表其相關性的重要性為中低程度；當R2介於0.7到0.9間代表其相關性具有重要性；而當R2大於0.9則代表其相關性具備高度重要性。根據國際量測驗證協定（International Performance Measurement and Verification Protocol的建議，R2在0.75以上是經常被視為依變數（耗能變因）與自變數（能源使用）間具備良好的因果關係。

結論

面對未來的節能挑戰，如何有效監測能源的使用與管理是當務之急，配合現場裝設各單機的計量表計，並導入以大數據手法所建構的智動化EnMS 能源管理系統，預測並有效管理能源使用是時代所趨，透過能源基線的建立，解讀與各種變因相關的真實能耗資訊，掌握各系統、甚至各單機的即時能耗指標，及早發現問題並做出改善，甚至是比較同型機的耗能來要求機台製造商改進能源使用效率，這就是未來節約能源的致勝關鍵。