114 年 國立成功大學資源工程學系碩士班丙組《資源管理問題解析》

本題主要在探討台灣2050淨零排放路徑中，電力部門的發展藍圖、重點技術以及可能面臨的挑戰。這是一個典型的政策分析與資源管理問題，需要結合能源政策、技術發展趨勢與社會經濟影響進行回答。

核心觀念： 能源轉型、淨零排放、電力系統規劃、再生能源技術、挑戰與對策。

解題架構：

1. 電力部門在淨零路徑中的角色： 說明電力部門為何是淨零排放的關鍵，以及其在能源結構轉型中的重要性。
2. 2050 淨零排放路徑中電力部門的發展藍圖：
   • 目標： 達成電力部門的淨零排放，通常意味著逐步淘汰化石燃料發電，並大幅提高再生能源佔比。
   • 能源結構調整： 說明未來電力結構的預期組成，例如再生能源（太陽光電、風力發電等）的比例、燃氣發電的過渡角色、核能（若有納入討論）、以及可能的負碳技術（如碳捕捉、利用與封存 CCS/CCUS）。
   • 電力系統韌性與穩定性： 考量到再生能源的間歇性，需要發展智慧電網、儲能系統、需求面管理等技術來確保電力供應的穩定。
3. 重點發展技術：
   • 再生能源技術：
     • 太陽光電： 技術提升（如高效電池、雙面發電）、多元化設置（屋頂、地面、水面、漁電共生）。
     • 風力發電：
       • 離岸風電： 技術成熟度、大型化、浮動式風機的發展。
       • 陸域風電： 設置限制與潛力。
     • 其他再生能源： 生質能、地熱、海洋能等（視台灣潛力而定）。
   • 儲能系統： 各類儲能技術（電池儲能、抽水蓄能、氫能儲能等）的應用與整合，以平滑再生能源的波動。
   • 智慧電網與電網現代化： 導入數位科技，提升電網調度、監控、管理與彈性。
   • 氫能： 在電力部門的潛在應用，例如作為儲能介質或燃料電池發電。

本題旨在探討氫能的分類及其在2050淨零轉型中，特別是潔淨氫能在不同部門的應用。這是一個關於能源載體、技術應用與政策目標的題目。

核心觀念： 氫能分類（顏色標示）、潔淨氫能（綠氫、藍氫）、氫能的跨部門應用、能源轉型。

解題架構：

1. 國際上主要區分的氫能種類（顏色標示）：

   • 灰氫 (Grey Hydrogen)：
     • 製造方式：主要來自天然氣重組（Steam Methane Reforming, SMR），會產生大量二氧化碳。
     • 說明：目前最普遍、成本最低的氫氣來源，但碳排放高。
   • 藍氫 (Blue Hydrogen)：
     • 製造方式：與灰氫類似，但生產過程中的二氧化碳會被捕捉、利用或封存（CCS/CCUS）。
     • 說明：是一種過渡性的潔淨氫氣，碳排放較低，但 CCS/CCUS 技術的效率與成本是關鍵。
   • 綠氫 (Green Hydrogen)：
     • 製造方式：利用再生能源（如太陽能、風能）電解水產生。
     • 說明：生產過程零碳排放，是最潔淨的氫氣，但目前成本較高，且依賴充裕的再生能源。
   • 其他顏色（可簡述）： 如黃氫（電解水，但電力來源非明確再生能源）、粉紅氫（核能電解水）、黃金氫（太陽能電解水）等，但綠氫、藍氫、灰氫是最核心的分類。

2. 潔淨氫能（綠氫與藍氫）在 2050 淨零轉型中的重要角色：

   • 脫碳潛力： 潔淨氫能可以替代難以電氣化的化石燃料，特別是在工業和重型運輸領域。
   • 能源載體與儲能： 作為靈活的能源載體，可儲存再生能源的電力，並在需要時釋放，輔助電網穩定。
   • 多元化能源供應： 減少對單一能源的依賴，提升能源系統的韌性。

3. 潔淨氫能在各部門的重要應用：

   • 電力部門：
     • 發電燃料： 燃燒氫氣或氫氣與天然氣混合燃燒，替代部分燃氣發電，降低碳排放。

本題探討人工智慧（AI）在再生能源領域的應用及其帶來的正面與負面影響。這是一個結合科技發展與能源管理的綜合性問題。

核心觀念： 人工智慧、機器學習、再生能源、能源管理、優化、預測、電網整合、衝擊分析。

解題架構：

1. AI 技術在再生能源發展中的應用：

   • 發電預測與優化：
     • 太陽光電與風力發電預測： 利用機器學習模型，結合天氣數據（日照、風速、雲量等）、歷史發電數據，更精準地預測發電量，提高預測準確性，減少不確定性。
     • 發電效率優化： 實時監控太陽能板或風機的運行狀態，透過 AI 分析找出影響效率的因素（如污垢、機械故障、最佳角度調整），並提供維護建議或自動調整參數，以最大化發電量。
   • 電網管理與整合：
     • 負載預測： 預測電力需求，協助電力調度與規劃。
     • 再生能源併網管理： AI 可協助管理分散式再生能源（如屋頂太陽能）的併網，平衡供需，維持電網穩定。
     • 智慧電網調度： 透過 AI 進行實時的電力調度，優化電網運行，最大化再生能源的利用率，同時確保供電可靠性。
     • 需求面管理 (Demand-Side Management)： AI 可分析用戶用電行為，鼓勵或自動調整用電時段，配合再生能源的發電特性。
   • 儲能系統優化：
     • 充放電策略優化： 根據發電預測、負載預測、電價訊號等，AI 可制定最佳的儲能系統充放電策略，以最大化經濟效益或電網穩定貢獻。
     • 電池健康管理： 監控電池狀態，預測壽命，優化充放電模式以延長電池壽命。
   • 設備診斷與預測性維護：
     • 故障預警： AI 分析設備運行數據（溫度、震動、電壓等），預測潛在的故障，提前安排維護，減少非預期停機時間（如風機葉片損壞、逆變器故障）。
     • 維護排程優化： 根據預測性維護結果，智慧安排維修人力與資源。
   • 新材料與技術研發： AI 可加速新一代太陽能電池材料、電池技術、氫能技術等的研發過程，透過模擬與數據分析，篩選潛在的優良材料或設計。

2. AI 對再生能源發展的影響（正面與負面衝擊）：

本題主要探討碳定價機制的概念、比較三種主要形式（碳稅、碳費、碳排放交易）的差異，並了解台灣在碳定價政策上的具體實施。這是一個關於環境經濟學與政策工具的題目。

核心觀念： 碳定價、減碳政策、經濟誘因、碳稅、碳費、碳排放交易系統（ETS）、政策工具比較。

解題架構：

1. 說明與比較碳稅、碳費與碳排放交易的差異：

   • 碳稅 (Carbon Tax)：

     • 機制： 政府直接對二氧化碳或其他溫室氣體的排放量，或含碳燃料的銷售，課徵固定稅率的稅金。
     • 價格： 價格（稅率）是確定的，但排放總量（減碳量）是不確定的。
     • 目標： 透過價格訊號，鼓勵企業和個人減少碳排放，並為政府帶來財政收入。
     • 優點： 簡單易懂、執行成本相對較低、可預測的政府收入。
     • 缺點： 減碳總量不易確定，可能面臨產業競爭力下降的壓力（若稅率過高）。

   • 碳費 (Carbon Fee)：

     • 機制： 通常由特定主管機關（如環保部門）向特定對象（如排放大戶）收取，其性質與碳稅類似，但常被視為一種「管理費」或「污染費」，其費率和徵收對象可能由法規或行政命令決定。在某些國家，碳費可能與碳稅在概念上非常接近，或被視為一種較為彈性的定價工具。
     • 價格： 價格（費率）通常是確定的，減碳量可能較不確定，但其靈活性可能高於嚴格定義的碳稅。
     • 目標： 達成減碳目標，並將收取的費用用於環境改善、綠色能源發展等。
     • 差異點： 雖然與碳稅概念相似，但「碳費」一詞在台灣的語境中，可能帶有較強的政策彈性與專款專用的意味，且徵收對象與範圍可能由環保部門根據實際情況調整。

   • 碳排放交易系統 (Emissions Trading System, ETS) / 總量管制與交易 (Cap-and-Trade)：

     • 機制：
       1. 總量管制 (Cap)： 政府設定一個總的溫室氣體排放總量上限。
       2. 配額分配 (Allocation)： 根據總量上限，將排放配額（或稱碳權）分配給受管制的企業（免費或拍賣）。
       3. 交易 (Trade)： 企業可以在市場上買賣這些排放配額。排放量低於配額的企業可以出售盈餘配額獲利；排放量高於配額的企業則必須購買配額。
     • 價格： 排放總量（減碳量）是確定的，但碳價格（配額市場價格）是浮動的，由市場供需決定。
     • 目標： 以市場機制達成政府設定的排放總量目標，並讓企業以最低成本實現減碳。
     • 優點： 確保達成總減碳量目標，允許企業彈性選擇減碳方式，有助於以最低總成本實現減排。
     • 缺點： 建立和運作複雜，碳價波動可能影響企業投資決策，需要嚴格的監測、報告和核證（MRV）機制。

   比較總結表格（可自行製作）：