隨綠電佔比逐步提升，勢必會遇到綠電發電尖峰、電力供過於求的「棄電」議題（curtailment）。如何透過經濟市場、電價策略與人工智慧，讓電網有能力應對綠電的間歇性，提升綠電使用率，是所有國家在淨零轉型終將面對的課題。
本文將透過日本與加州的案例，分享在能源淨零轉型第一線的城市，如何克服綠電的棄電議題。
什麼是棄電？為什麼會發生？
再生能源的間歇性，一直是電力調度的難題。
面對無法排程的再生能源，電力公司時常需要配合再生能源的發電表現，調整其他電力機組的供電量。當大量太陽能進場時，可能導致電網超出負荷範圍；為避免電網堵塞，太陽能系統需要停止輸電給電網，甚至暫時關閉，這也稱為棄電（curtailment）。
棄電多嚴重？日本年棄電量成長三倍
隨著日本再生能源佔比提升，棄電量也逐年成長。
日本經濟產業省指出，2023年四月至2024年三月，日本本土（沖繩除外）的太陽能與風電棄電量高達17.6億度（千瓦時），與2022年同期的5.7億度相比，增幅超過三倍。其中，九州地區棄電率達到驚人的6.7%，是澳洲和加州的兩倍多。
日本棄電量於2023年達到17.6億度（左）；九州棄電量（紅圈處）遠高於澳洲與加州（右）。圖片來源：截自再生能源研究所
日本如何解決棄電問題？
面對棄電議題，日本正規劃以「升載型需量反應」提升綠電使用率。升載型需量反應是什麼？和一般需量反應差在哪？以下為兩者比較：
- 需量反應（Demand Response, DR）：又稱需求面管理（Demand Side Management, DSM），是指電力公司透過管理或控制，減低特定時段用電需求；讓電力系統在較低成本下，有效舒緩短期供電緊繃，提升整體電力系統運營效率。
- 升載型需量反應：在特定時段「提高」用電需求。例如，電力公司透過Email與簡訊通知用戶調控儲能系統、家用熱水器、產線等設備，於再生能源供過於求時段，多多用電。
在日本，除了2023年的東京，幾乎所有地區都曾因再生能源過剩，不得不棄電。為此，中部電力、關西電力、九州電力等大型電力公司，紛紛發展升載型需量反應試驗計劃，期望聚合分散各處的儲能設備，在再生能源供過於求時，大量充電，提升綠電使用率。
- 關西電力公司：針對契約容量500kW以上用戶，關西電力公司會在需量反應發生的前一天，透過Email、簡訊通知實施時間，並調控儲能設備、生產設備的用電排程，在特定時段提升用電量。預計於2024年四至六月間試行。
關西電力公司通知用戶需量反應的時間，來減少棄電。圖片來源：關西電力公司報告書
- 中部電力公司：除了企業，中部電力公司也針對一般家戶，透過通訊軟體與簡訊通知家戶，在特定時段啟動家用儲能設備與熱泵式熱水器，提升用電量。並預計於2024年四月28日至2024年六月二日期間，進行十次升載型需量反應。
中部電力公司可在特定時段啟動家戶熱水器，以提升綠電用電量。圖片來源：中部電力公司官網
發展升載型需量反應的關鍵是什麼？
達成升載型需量反應，首先要讓調度有充分的市場行情，以及普遍可行的調控手段——也就是負電價市場與需量預測型AI。
- 負電價市場：近一步放大儲能效益
很大部分的儲能或電力調度收益，來自電價價差。比起過去依靠時間電價的高低價差套利，現在，在再生能源高占比地區，電力交易市場甚至頻頻出現「負電價」（意指電力供應大於需求，電價變成負值）。
以美國加州為例，今年為止，加州已安裝近47GW的太陽能發電，足以為1,390萬戶家庭供電，並提供加州四分之一以上的電力。
然而，高綠電占比也造成電網公司不小的麻煩。根據加州獨立系統營運商的價格顯示，2024年三月22日至五月20日上午七點至下午五點，時常因太陽能發電量激增，電力供過於求，而出現長時間負電價市場。電力公司一邊支付家戶、企業太陽能躉售的發電費用，一邊卻得放棄自家再生能源發電案場所產生的電，可說是虧上加虧。
最後，電力公司寧可透過負電價機制，創造額外的用電誘因。
- 需量預測型AI：整合電力市場、再生能源發電與場域用電數據
針對棄電所衍伸的升載型需量反應商機，今年四月，日本建設技術研究所也發布以「需量預測型AI」為基礎的能源管理系統。
技術關鍵在於透過AI，結合電力輔助市場價格波動、不同時段發電量預測、用電量預測、電費方案（如契約罰金與時間電價）等多元因素，使系統在最佳時間充放電，並根據購／售電電價，執行最佳購售電決策。
用圖一來解釋。以綠色文字框為例，AI會預測電力需量與發電和餘電量，並根據市場電價與售電電價高低，判斷該將餘電躉售回電網、或將餘電儲存進儲能系統最有利。
（圖一）需量預測型AI的流程圖。資料來源：株式会社建設技術研究所官網
以圖二右側橘色文字框來看，當有餘電發生時，會有兩種執行策略：
- 當購電電價高於賣電電價，儲能自家消費策略：如圖二右側的第一點，當電網購電成本是每度電25元，而賣電給電網的單價是每度20元，代表買電成本高於自產。因此，系統的最佳調度策略是透過儲能系統，優先將電力儲存自用。
- 當購電電價低於賣電電價，聚合賣電策略：如圖二右側的第二點，當電網購電成本是每度電25元，而賣電給電網的單價是每度30元時，代表買電成本低於自產。因此，系統的最佳調度策略是透過太陽能與儲能系統，在該時段盡可能賣出電力。
（圖二）需量預測型AI能整合購電及賣電成本，提供最佳電力處理策略。圖片來源：株式会社建設技術研究所官網
從儲能系統調度的角度來看，單獨考慮「購售電電價」這個因素，就會導致兩項策略截然不同。
當AI系統預測的最佳策略是儲能自家消費時，需要提前將儲能放電，才有足夠容量儲存餘電。另一方面，當AI系統預測的最佳策略是聚合賣電時，則需提前將儲能充飽，才有足夠電量參與聚合售電市場。
此外，AI還需要即時考慮案場的超約可能、在超約罰金與參與需量反應的收益之間取捨。這些因素都將導致電力調度出現截然不同的策略，也是為何未來能源管理系統，勢必大大仰賴AI的預測能力。
結合負電價市場與需量預測型AI兩大趨勢，我們可以預測，未來的能源調度，將藉由AI預測再生能源發電量、用電需量，並整合電力市場日前價格；如此一來，便能提前調度儲能設備在高電價時段放電，並在負電價時段充電。
相比過往，在固定時段透過高低電價調度賺取價差，未來更能透過AI預測再生能源發電量、提前聚合儲能設備，在負電價時段參與升載式需量反應，更具備套利空間，近一步放大儲能效益。
負電價開創升載型需量反應商機
從以上觀察可以發現，隨著電力市場蓬勃發展，過去蓋綠電、簽約到賺取躉售費率的商業模式，已迎來成長天花板；而被棄電而催生的升載型需量，則是商機無限。
台灣雖尚在能源轉型前期，但從日本與加州的案例可以發現，再生能源占比的提升，需搭配升載型需量反應的應用發展，才不會花了錢、發了電、還用不到。因此，無論對台灣企業或是電力市場來說，現在就是佈局AI調控儲能、發展升載型需量反應的最佳時機。
