摘要

Power Load Management in Mass Production Fab

量產廠電力負載管理策略

關鍵詞/ 品質管理10、趨勢預測、大數據8
Keywords / Quality management9,Trend forecast,Big data7

隨著半導體廠產值快速提升,單一廠區用電規模有著跳耀式成長,公司300mm新廠單一phase用電量已超過200mm舊廠全廠用電3倍有餘,在龐大電力品質管理挑戰下,如何將用電資訊以更聰明有效方法掌握負載變異風險及用電趨勢預測是當務之急。以F15B為例,光是變電站power SCADA ACB迴路電流資料量就達到每天288.3M bytes,每月8.4G bytes,每年102.8G bytes再加上其它點位及擴充已達到大數據規模,過往值班基本警報管理及例行負載估算手法已不敷使用。本文將探討量產廠電力運轉之負載管理實務,以案例解析讓讀者充分了解應用時機及如何結合多種有效統計手法比對出最佳化管理策略,其中包括資料群組歸類、趨勢圖、變異條狀圖/大餅圖、最大值/平均值、盒鬚圖等分析應用,後文將逐項說明,協助工程師及主管掌握電力負載管理達到穩定運轉目的,如 圖1

Mass power consumption have quantum jump by semiconductor production increasement so far, the 300mm new Fab around three times power scale than 200mm existing Fabs, how to manage power load by smart and effective control is key lesson during current condition. As F15B Fab approached to 288.3 Mbytes SCADA data transmission by big data field that exceed basic knowledge by on-duty engineers. However, this article will discuss how to use statistics methodology like as trend chart, pipe chart, max/avg. history data analysis and box plot chart, etc. in order to keep power reliability well management in operation.

文字設定:

圖1、SCADA/DCS/PLC/CIM/SI電力負載管理資料流架構圖

1. 前言

用電管理關聯到源頭供應端及下游用戶負載端兩個層面問題。供應端一般指電力公司,必須掌握現況及預測未來用戶用電需求以穩定供電品質 ; 而負載端必須要管控好負載變化量及提供必要數據回饋給供應端做好準確預測。現況用電管理盲點在於新型式機台用電量高低起伏很大且機台眾多,由各別迴路單點管控運轉警報設定值僅能治標無法治本,如果急就章就移轉負載,對於生產影響及成本花費也是不符合管理效率。所以必須要有完整的資訊分析才能精準下達管理決策,舉例來說,工廠單台EUV機台運轉容量波動可達850kw、WET及EPI等單台機台運轉容量波動也達110~480kw左右,文中將以F15B N7量產廠為基礎探討,其實務手法對於各廠電力負載管理有實質參考價值。

半導體廠一直以生產製造為導向,基本上源頭端必須要能夠供給工廠負載端24小時源源不斷的足夠電力需求,也因此在不考慮限電前提的用電管理探討上負載用電管理較源頭供電來的重要,故本文章主要著重在量產廠負載端之運轉管理,以支援工廠穩定生產為討論重點,不會著墨於太多供應端探討。

2. 文獻探討

2.1 供應端與負載端用電管理範疇

普遍的文獻探討中對於供應端電力公司而言,常會討論需量反應預測與發電成本相關問題[1],一般管理模型會利用大數據在探討迴歸分析預測負載需量,做為最佳發電效率運作及備轉容量安排,如供需整合規畫IRP(Integrated Resource Planning)係指同時考慮供給面資源與需求面資源之最佳成本與效益方案,這讓電力規畫有如投資理財一般。業界實務探討中,工研院在電力資源規劃永續策略研究中有探討如何利用現有的電力資源,在評估成本及風險後擬定出最符合效益的用電規劃並提出電力承載順序(Loading Order)與供需整合計畫(IRP)結合之新概念 ; 又如鴨子曲線(Duck Curve)帶來電力市場典範移轉理論模型也常在源頭供應端被提及。通常電力公司為滿足用戶的用電需求,避免如夏季供電不足造成限電壓力,其負載管理主要在「抑低尖峰負載,提高離峰負載,減少尖、離峰的負載差距,以使電力系統有穩定及最符經濟效益的運轉」,如目前台電公司的負載管理有時間電價(尖離峰)、季節電價(六月到九月為夏季電價)、可停電力(鼓勵用戶配合暫停部分用電,以減輕供電的壓力並給予用戶電費優惠)等常有許多文獻討論[2]

對於負載端而言,工廠標準的負載管理(Load Management)指的是以工廠生產需求為考量的用電管理,不同於發電源頭管理。 也就是藉由最佳化預測及穩定用電量管理、提高設備運轉效率、極小化尖峰需量及虛功(提高功率因數)等方式進而最大化受電穩定度及效率,計劃設置最恰當的安全供電迴路,以達穩定且有效用電並降低電力成本目的[3]。 負載管理在一般文獻上也常稱為需求側管理(demand-side management, DSM),主要著眼點是穩定運轉。

用電需求與供給必須維持動態平衡,因系統尖離峰負載差異甚大,若僅由供給端調整絕對滿足任何動態需求,部分(尖載)機組之利用率勢必降低,造成投資浪費;反之若電源開發不及或機組運轉受限時,則將面臨電力不足及電力過載危機。綜合用電管理兩個層面相關文獻探討整理如 圖2,讓讀者可以比較清楚主要範疇。

圖2、用電管理文獻探討範疇

以下就針對如何執行工廠負載端用電管理穩定運轉,逐項以理論基礎做相關的文獻探討。

2.2 負載即時值與用電趨勢圖應用探討

目前power SCADA資料取樣速度一般為0.5sec.內可滿足負載瞬間變化alarm即時預警需求,但是在用電趨勢管理卻會造成資料過多效率不佳問題,要如何取捨資料收集密度同時達到即時值預警及用電預測管理是重要課題。在文獻探討上常會以保護協調圖設定來評斷負載偵測速度風險,如 圖3說明在overload保護區段內負載預警速度需求下資料收集必須能夠反應負載風險預測才能達到合適的管理策略,也就是說資料取樣速度不能慢於過載跳脫時間設定值才會有效,以 圖3保護協調圖中,開關overload保護曲線區間顯示出在不同電流倍率下需要有不同的資料收集速度間隔考量,特別要注意的是若負載瞬間特性peak值會超過1倍額定電流時務必要特別留意曲線跳脫速度快速增大問題,此時就要適度評估tighten資料取樣速度達到瞬間用電預警效果。

圖3、電力負載保護協調圖範例

趨勢圖(trend chart或稱run chart)也俗稱走勢圖,是一種在時間序列中表達數據變化量的折線圖統計圖表,通常該數據在一些工業或商業過程中可用來表現達特定程序的管理成效。以管理需求而言,在相同取樣頻率下實際應用上會因資訊不同分析需要而設定不同資料分析密度,否則龐大資料會造成資料筆數過大運算效率不佳的瓶頸導致整體效能下降。一般而言,針對特定負載用電監控避免運轉風險常會至少以一分鐘為分析密度來得知細部變動,這是目前各廠由 power SCADA上傳至SI所設定的基本取樣速度 ; 若對於長時間趨勢脈絡追蹤則常以日或週設定為分析密度,可因不同需求有所取捨。

短時間負載趨勢變化可用於新負載初期偵測用電行為監測,而在實務電力負載管理中探討趨勢圖要加入長時間面向才能達到「有價值且務實」分析的意義,有許多負載運轉量與時間息息相關(如產能消長及四季氣候變化等),必須收集足夠時間不同運轉量等才能夠達到全面正確判讀。以 圖4為例,廠務系統用電量會隨著季節變化,高低差可達到25% 波動,另外也會隨著產能增加熱負載逐步往上,這就證明長時間趨勢圖在良好電力負載管理是有著明確必要性[4]

圖4、以分鐘為單位的短時間趨勢圖及以週為單位的長時間趨勢圖

負載即時值應用在運轉風險監視上有其必要,而趨勢圖應用在避免用電超約、負載最佳分配及避免過載運轉風險等負載管理上有著顯著的價值。

2.3 條狀圖/大餅圖應用探討

蘇格蘭工程師William Playfair發明條狀圖及大餅圖,早在1786年經濟數據分析就被廣為應用。條狀圖(Bar Chart)是一種以長方形的長度為變量的統計圖表,用來比較兩個或以上的價值(不同時間或者不同條件)。以 圖5為例,利用條狀圖可以輕易比較出同一製程機台群組類別在不同時間的電力負載量消長,且可直接看出不同製程間之用電量差異,這對於例行負載管理檢核相當好用。

圖5、電力耗量條狀圖及用電大餅圖

大餅圖(Pie Chart)是一個劃分為幾個扇形的圓形統計圖表,用於描述量或百分比之間的相對關係。在圓餅圖中,每個扇區的弧長(以及圓心角和面積)大小為其所表示的數量的比例,這些扇區合在一起剛好是一個完全的圓形。大餅圖可以讓人清楚快速了解各種相關分類電力負載權重,這在節能專案找尋權重目標物相當普遍及實用。以 圖5為例,Tools及廠務空調是佔電力負載兩項最大目標物,所以可明顯看出是節能專案中所專注的兩大重點領域。

條狀圖及大餅圖應用在用電量變異、節能等負載管理上有著顯著的價值。

2.4 最大值/平均值應用探討

應用最大值及平均值主要是要得知相關迴路運轉的波動程度(fluctuation),這與統計學上的常態分配(Normal Distribution)有著明顯差異,實際應用上可依此波動當做設定適當的UCL及LCL警報值依據。

最大值需伴隨著持續時間因素以考量電力保護跳脫風險,一般而言最大值過載率評量為超過額定滿載量10~15%為考量標準,平均值的定義為現場電表將負載量每隔50ms~400ms(視通訊距離遠近而定)傳至in-line power SCADA資料庫,而SI系統大約每1min撈取SCADA資料庫中之負載量進行平均值計算,平均值讀數可用於平滑雜訊信號,可以依負載量變動特性決定取樣分析可靠的用電行為。

其中,n=取樣筆數,可依負載行為適度調整。

值得特別注意的是對於用電劇烈變化的負載行為其平均值評量通常可能偏低,所以必須同時以最大值檢測不得進入過載風險區。一般使用上,最大值/平均值會有歷史值及週期值,能充分了解負載量變異是屬於長期持續性或是短期行為,對於負載管理有實質幫助,如 圖6

圖6、歷史最大值/平均值

最大值/平均值資訊應用在用電量變異、用電預測、負載最佳分配及避免過載運轉風險等負載管理上有著顯著的價值。而加入歷史資料更能夠確立該負載管理所表現的行為框架,確保管理決策準確度。

2.5 盒鬚圖應用探討

盒鬚圖(Box Plot或稱箱形圖)於1977年由美國著名統計學家約翰·圖基(John Tukey)發明,它能顯示出一組數據的最大值、最小值、中位數、及上下四分位數。盒鬚圖用來了解資料的偏斜性(skewness)及離群值(outliers)是很有效的方法。 盒鬚圖各項數值應用於負載管理各別代表意義說明如下,如 圖7 :

圖7、盒鬚圖意義說明

  • 最大值/最小值 : 用來了解負載量發生過的上下極限數值。
  • 中位數 : 一組數值資料由小到大排列,最中間的數值即為中位數(其中,若有奇數個資料,則取最中間的數值為中位數;若有偶數個資料,則取最中間兩個數值的算術平均數為中位數),用來了解負載量發生過的中間值,中位數是集中趨勢的反應。
  • 上下四分位數 : 若中位數以50%為基準,上四分位數常以 75%而下四分位數以25%為基準。

盒鬚圖應用在用電量變異、用電預測、負載最佳分配及避免過載運轉風險等負載管理上有著顯著的價值。在廠區擴充完畢進入穩定運轉階段時,盒鬚圖幾乎是在用電管理上最常被可靠使用的應用手法[5]

2.6 未來F-Charter應用探討

F-Charter對於將電力系統應用SPC統計分析是一種創新的思維,對廠務用電數據進行大量收集觀察其趨勢、位置、散佈、形狀、平均值、中位數及標準差等,藉以區分出系統的波動和異常,能早期追蹤預警電力系統用電的健康狀況,這將用電納入製程品管是項突破。如 圖8案例顯示UPS內部電容器電流值趨勢改變可預警可能的元件故障。另一案例顯示on-line PD應用使用,如 圖9

圖8、UPS電容電流使用PR1、PR5的預警

圖9、HV on-line PD PR3、PR4的預警

實際應用上,可以用電腦計算協助快速得知PR/MS/KS/RSR等統計數據自身變異。在電力系統實務應用上,未來可被有效運用在監測變化預警等實務品管手法,暫不在本文討論範圍。

3. 研究方法

3.1 機台負載用電變動劇烈族群普查

許多機台在生產過程會隨著製程需求而有劇烈用電變化,這類型機台必須特別整理讓工程師在設計排點規劃 (port assignment)時留意demand factor問題,避免過載跳電風險及達到最佳經濟效率安排。如 圖10特別整理出F15B在N7製程之Top-20機台變動劇烈機台,在負載用電管理要特別注意。

圖10、用電變動劇烈機台表

舉例 圖11範例說明EUV機台劇烈用電變化圖,這會對負載監視容易產生盲點,這是為什麼要普查用電劇烈變化機台族群原因。

圖11、EUV高用電變動劇烈範例圖

3.2 負載用電趨勢圖管理模式及實戰方法

F15P5、P6用電量目前仍位居跨廠單一phase總用電量第一及第二名(如 圖12),相關廠務系統及機台擴充所產生的高電力負載運轉量及ramp up用電快速變化特性,如何做好全方位完整管理思維,是利用上述探討手法非常適合的標的。

圖12、tsmc各廠區用電量

首先,談到電力負載管理最基本的數據管理就是收集運轉資料累積成trend chart就可得知負載量趨勢,但是需注意時域(time domain)問題,這攸關負載量的適當代表性與否。舉例來說,機台持續裝機運轉會隨著時間負載量變大,trend chart的時間軸是否已到具有實質代表的fully run才能呈現管理上的正確判斷,有許多持續裝機的電盤隨著時間加載最後造成過載跳脫的案例屢見不鮮,因次運轉量trend chart必須保有 「連續型 」觀察才不會失真,也就是時間軸是不能中斷的,經驗上就是必須設計有on-line監視取代人工off-line抄表才能達到管理目的。設計上,屬於擴充型而非固定負載型電盤就不能沒有power SCADA real time用電監視的功能設計,這在建廠階段必須一次到位,避免造成日後運轉風險。

利用F15B於2020/2/18發生的實際案例探討(如 圖13),P7A PPB因WET機台裝機擴充速度過快,例行現場電盤電流抄錶無法因應負載量快速劇升而造成250A主開關過載跳脫,影響9台WET機台Salix Local Scrubber斷電,造成機台exhaust抽氣靜壓波動,prevention解法就是移轉負載及加裝on-line電流監視連續監視,讓負載管理即時到位。

圖13、Salix空污處理設備負載配置缺失案例圖

另一項議題是長時間趨勢圖用於廠務空調冰水系統,於春夏秋冬外氣焓值變化劇烈,必須拉長趨勢圖時間以跨年度同季節比較才能觀察出負載真正消長狀況,做為運轉精準決策參考。以 圖14可以明顯看出在外氣焓值條件沒有明顯變動情況下,冰機用電量增加與工廠機台裝機熱負載增加有正相關。這可在評估是否該擴充SP1 capacity做好準備。

圖14、冰機用電V.S.焓值長時間趨勢圖應用

3.3 長條圖及大餅圖應用方法

長條圖及大餅圖很普遍使用於能耗專案中。如 圖15中可以清楚快速比較各廠PCW及UPW ECF能耗比較進而標竿管理找尋節能機會,在ECF相對不理想廠區可以交叉比較ECF好的廠區所有相關運轉參數,調整改善達到可預期效果。

圖15、長條圖應用及電力大餅圖應用

大餅圖可以抓大放小快速挑出節能標的物,以達到事半功倍效益目的,如 圖15中可以快速得知節能大餅在於機台及廠務空調水側及氣側,另外UPS也有不少節能空間,確認標的物之後就能產生極大效果,而不會見樹不見林。

3.4 最大值/平均值應用方法

利用歷史用電資料有其價值,最大值可發現特定高負載行為模式改變,平均值可達運轉水位消長的評估功效,對於負載轉移必要性佔有重要決策參考效果。

以過載保護配電設計基準而言,低壓迴路過流保護標置以不超過二次滿載額定電流之1.25倍為原則,所以應用上迴路負載量管制上限準則為平均值>80%或最大值>100%就要進行負載管制 ; 變電站雙邊合成負載總和最大值>90%且持續3小時就要進行負載調度。 實際應用方法管理如 圖16

圖16、歷史最大值/平均值應用

3.5 盒鬚圖應用方法

盒鬚圖四分位數實際應用在電力負載管理上常以中位數為50%情況,往下至10%(P10)及往上至90%(P90)達到更嚴謹的負載管理,這對於了解負載變動範圍有著極大價值,四分位數代表著機率分布的意義,可以得知負載運轉平時運轉範圍。

運轉電流最大值攸關運轉過載跳脫風險,因此在日常運轉會以值班alarm設定提醒,盒鬚圖用於切單邊供電風險評估相當好用,實務規範做法如 圖17

圖17、Main ACB電力負載管理準則應用

遵循規範定義執行實際盒鬚圖追蹤,例行運轉管理可以明確列管標的物,達到負載預測及風險管理目的,如 圖18

圖18、盒鬚圖應用

盒鬚圖應用上也可做為功因及電力諧波管理,確保運轉穩定如 圖19

圖19、電力諧波品質盒鬚圖

4. 結果與分析

以F15P5為例(如 圖20),運用本文電力負載管理手法,送電運轉5年來累計追蹤移載21台機台共27迴路確保運轉安全。

圖20、電力負載移載管理表

以其中單一Feeder舉例確效追蹤如 圖21,確認移載有效。

圖21、負載移載成效追蹤圖

最高用電量F15P5歷經完整產能擴增至滿載,經驗上足夠證明本文各項實務管理策略之可靠度,如 圖22

圖22、因應產能增加之良好電力負載管理

隨著生產需求,可以持續不斷以上述各種管理策略檢視負載量波動確保穩定運轉。量產廠因為機台迴路眾多人為管理不易,實際應用上可以使用IT方法自動e-mail提醒值班同仁留意運轉量如 圖23,並可依累計次數及最大值輕重度通知工程師或主管達到分層管理目的。

圖23、系統計算自動 e-mail提醒應用

5. 結論及未來精進

完整的電力負載管理必須能做到運轉調配最佳化、數據確認、風險預警及成本掌控等全方位思維,在龐大用電量及數據基礎下能累積許多客觀資料分析發展成有效管理模型,各項實務手法交叉應用可確保量產廠在高用電負載運轉穩定。

可預期的將來,面對逐步架設機台IOT用電資訊後資料流量將更可能達到大數據規模,如何持續將原始取樣資料轉換為有效統計管理分析,大幅降低資料筆數避免資料庫系統達瓶頸是重要課題[6]

如 圖24範例中資料筆數減少50倍(9,600/194=50),資料儲存已進行最佳化排序,將加速相關數據運算統計效率。

圖24、即時趨勢圖轉成盒鬚圖應用方法

在值班應用上,使用FMCS IT技術隨時監視運轉狀態之即時alarm、簡訊及產生必要之auto e-mail提醒讓值班工程師及主管能於第一時間得知決策資訊,更能結合至開關門十件事平台確保運轉穩定。隨著IN-SQL擴充,F-charter應用於電力負載管理也是未來可以持續思考精進的範疇,一切以能更早期更即時預測負載用電趨勢及風險為目標,如 圖25

圖25、未來F-charter電力負載管理應用

最後,隨著本文對於量產廠完整電力負載論述外,也顯示出電源風險分散的重要性,這在初期建廠階段是必須考量的重點。

參考文獻

  1. 台灣電力公司https://www.taipower.com.tw/tc/page.aspx?mid=135
  2. 中鋼公司電能管理與需量監控-台灣綜合研究院 楊正光。http://ebooks.lib.ntu.edu.tw/1_file/taesco/100110/4.pdf
  3. Load Management System Using Intelligent Monitoring and Control System for Commercial and Industrial Sectors -M.M. Eissa, S.M. Wasfy and M.M. Sallam http://dx.doi.org/10.5772/51850
  4. Electrical Load Management-Katie Malone, October 24, 2010-http://large.stanford.edu/courses/2010/ph240/malone1/
  5. Box and Whisker Diagrams-
    https://web.archive.org/web/20080704164910/
    http://www.duncanwil.co.uk/boxplot.html
  6. Big Data Analytics-Data Analytics-TPC SMART GRID智慧電網-https://smartgrid.taipower.com.tw/en/page.aspx?mid=50

留言(0)

Further Reading延伸閱讀