用電沒有超標，還是可能有問題？｜GOOD科技報 Newsletter 26008

 

電到底用到哪裡去了？

工廠導入EMS能源管理系統之後，我們開始可以看到越來越多電力資訊。今天用了多少電？哪一個區域耗電最多？哪一台設備目前功率最高？什麼時間出現用電尖峰？這些資訊解決了能源管理的第一個問題：「電到底用到哪裡去了？」但是當數據累積一段時間之後，能源管理人員往往會遇到下一個更困難的問題：「現在這個用電量，到底正不正常？」這才是能源管理真正困難的地方。

因為真正的能源異常，不一定會突然出現一個很大的數字。更多時候，它可能只是：待機時多了一點、運轉時高了一點、下班後晚了一點關機，或者一台設備的耗電慢慢跟以前不一樣。

單看一天，可能沒什麼。但如果每天都多一點呢？這就是我們今天想談的：用電行為。

看得到用電，不代表看得出異常

導入EMS後，企業可以掌握即時功率、累積電量與歷史趨勢，但大量數據不等於能直接發現問題。許多異常耗能並不會立即超過警戒值，而是逐漸偏離過去的用電習慣。

 

過去工廠進行能源管理，最大的困難是：不知道電用到哪裡。因此開始安裝智慧電表、數位電表，並導入EMS能源管理系統。從全廠總表，逐漸往下拆到：廠區、樓層、產線、空壓系統、冰水系統，甚至單一設備。能源終於「看得見」了。

但是當監測點從10個增加到50個、100個，甚至數百個之後，新的問題也跟著出現。數據很多，但到底哪一個有問題？如果每天有100個電力監測點，每個點都有功率、電流、電壓、電量與歷史趨勢，能源管理人員不可能每天逐一打開所有曲線進行分析。因此，能源管理真正的痛點開始改變。以前是：「沒有數據可以看。」，現在則可能是：「數據很多，但是不知道該先看哪一個。」

 

假設一台設備平常運轉功率約為：20～22 kW，某一天開始變成：24 kW。如果系統設定的高功率警戒值是30 kW，那麼：24 < 30，系統不會Alarm。設備也可以正常生產。從傳統的固定警戒值來看，一切正常。

但如果這台設備過去三個月，在相似的日常運作下，大部分時間都維持在20～22 kW附近呢？那麼24 kW雖然沒有「超標」，卻已經出現一個值得注意的訊號：它開始跟以前不一樣了。這也是只看固定警戒值容易忽略的地方。

能源管理真正的痛點，不只是「超標」

傳統能源管理多以固定警戒值判斷異常，但許多能源浪費並不會突然超標，而是以微小幅度持續增加。當設備仍在警戒範圍內，問題往往容易被忽略。

 

傳統能源監測很容易建立一種思維：超過警戒值就是有問題，沒有超過警戒值等於正常。

但工廠裡很多能源浪費，並不會突然跨過一條紅線，它更可能是慢慢發生的。

例如：原本每天待機耗電：100 kWh，慢慢變成：105 → 108 → 112 → 118 kWh。每一天增加一點點。沒有任何一天突然暴增。也沒有任何一天超過系統設定的高用電Alarm。但是三個月之後回頭看，會發現：這個區域的用電習慣已經跟以前不一樣了。這種「慢慢偏離」的耗能問題，才是能源管理最容易被忽略的地方。

 

再來看一個簡單的例子，假設某個區域星期一總用電量：1,000 kWh，星期二總用電量：1,000 kWh。

如果只看每日總用電量，兩天完全一樣。但是把24小時的用電曲線打開之後，可能會發現完全不同的情況。

最後算出來：還是1,000 kWh。

從「總量」來看，兩天一模一樣。但是從「行為」來看卻完全不同。用電量告訴我們用了多少電；而用電行為則告訴我們，這些電是怎麼被使用的。

用電行為改變，可能出現在哪裡？

這時候EMS就開始變得有意思了。因為我們不再只尋找「最大用電戶」，而開始尋找：「最不像自己的設備。」

情境一｜待機用電偷偷增加

過去下班後：5 kW，最近變成：8 kW，增加3 kW看起來好像不多。但如果每天有12個小時都處於非生產時間：

3 kW × 12 hr = 36 kWh／天，如果這個狀態長期存在，累積起來就可能成為一筆容易被忽略的能源浪費。真正的問題不是設備「超標」。

而是：它在不該使用這麼多能源的時候，持續使用能源。

---

情境二｜正常運轉功率慢慢變高

以前：20～22 kW

後來：23 → 24 → 25 → 26 kW

沒有超過30 kW警戒值，但它已經跟自己的歷史狀態不同。這時候就值得進一步確認：設備操作條件是否改變？

設定是否遭到調整？是否存在不必要的負載？設備本身是否出現效率變化？與其等到Alarm發生，不如先從「行為改變」開始調查。

---

情境三｜非生產時間出現不該存在的耗能

工廠最容易被忽略的能源成本之一，就是：沒有人注意的電。

例如週末沒有生產，但某區域的耗電卻沒有明顯下降。下班時間是18:00，但設備到22:00仍持續運轉。

午休期間應該降低負載，但曲線完全沒有變化。這些問題單看每月總電費，不一定容易被發現。但是放到24小時用電行為裡：異常可能非常明顯。

---

情境四｜用電曲線的「形狀」開始改變

還有一種情況更容易被忽略。設備每天的總用電可能沒有明顯增加。

但是以前運轉曲線很穩定：啟動 → 穩定運轉 → 停機

現在卻變成：啟動 → 停止 → 再啟動 → 功率上升 → 下降 → 再啟動。最後總用電甚至差不多。

但是：設備的使用方式已經改變。這時候真正值得管理的，就不是只有kWh。而是：行為。

 

EMS的下一步：從監測用電，走向發現「偏離」

傳統EMS解決的是：Where？電用在哪裡？進一步的能源分析開始解決：How much？到底用了多少？

而加入能源基線之後，我們開始可以問：Different？跟自己以前相比，有沒有發生變化？

最終真正希望解決的則是：Why？為什麼開始變得比較耗電？這就是能源管理從單純監測走向管理決策的重要過程。

每一台設備，其實都有自己的「用電習慣」

不同設備因運轉時間、負載狀態、啟停頻率與使用方式不同，自然會形成各自的用電特徵。透過長期累積歷史數據，可以逐步掌握設備正常的功率範圍、待機耗能與運轉週期，建立專屬的用電行為基準，讓異常變化更容易被發現。

 

我們可以把設備想像成人。有人每天早上六點起床、有人每天八點起床。有人早餐吃很多、有人晚上吃比較多。如果今天一個平常每天六點起床的人，突然連續一個星期睡到十點，我們會注意到：他的生活習慣改變了。

設備其實也是一樣。只要長時間記錄，就會逐漸發現每一個區域、每一套系統、甚至每一台設備，都可能形成自己的用電型態。例如：平常幾點開始用電？正常運轉時大約使用多少功率？一天大概運轉多久？午休時用電通常下降多少？停止生產後，待機功率應該是多少？一天的用電曲線通常長什麼樣子？這些歷史數據累積起來之後，就形成一個非常重要的資訊：「這台設備平常是怎麼用電的。」而這就是我們建立能源基準的重要起點。

 

所以，我們需要一個「能源基線」

這時候就可以導入一個重要概念：Energy Baseline（EnB，能源基準）

ISO 50006所談的能源績效管理中，能源基準是重要的比較基礎之一。如果用最簡單的方式理解：能源基準，就是建立一個參考，讓我們知道現在的能源表現跟基準相比發生了什麼變化。而在EMS的實際應用中，我們可以把這個概念做得更直覺：讓設備跟自己比。不是A設備跟B設備比，也不是拿所有設備套用同一個固定標準。而是透過自己的歷史能源數據，建立屬於自己的用電參考基準。因為每一台設備、每一個區域，本來就可能擁有不同的能源使用特性。

能源基線，不一定是畫一條永遠不動的線，這一點非常重要。談到Baseline，很多人的第一個想法可能是：平均500 kWh，那就畫一條500 kWh的線。但如果我們真正想管理的是「用電行為」，可以觀察的其實不只是單一總量。還可以包含：運轉時段、待機耗能、功率變化、每日用電、週期性的用電型態、長期趨勢以及：現在跟歷史狀態之間的偏離程度。因此，真正值得關注的不是單純：今天> 500 kWh？而是：「今天的用電行為，跟過去的自己相比，有沒有發生明顯改變？」

 

固定警戒值與能源基線，其實解決不同的問題

固定警戒值不是沒有用。它非常適合處理：「有沒有超過我們設定的管理上限？」。能源基線則是在處理另一件事情：「有沒有偏離它自己原本的能源使用狀態？」。兩者可以同時存在。例如：固定警戒值：600 kWh，歷史能源基線：約480 kWh

例如：今天設備用電量560 kWh從固定警戒值來看：正常，尚未超標。但是從能源基線來看：已經明顯高於過去的使用基準。這時候EMS就可以提早提醒管理人員：雖然尚未達到高用電警戒值，但目前能源使用已明顯偏離歷史基準，建議進一步確認。這就比單純等待Alarm多了一層管理價值。

能源基線找出異常耗能，讓EMS從「看電」走向「懂電」

能源基線透過歷史用電數據，建立設備與自身過往狀態的比較依據。當實際用電逐漸偏離原有基準，即使尚未超過警戒值，也能提早發現值得關注的變化。讓EMS不只呈現用了多少電，更進一步協助辨識異常用電行為。

 

 

能源基線可以建立在哪裡？

能源基線不一定只能看整座工廠。反而越往下拆，越容易找到真正的問題來源。

例如：

全廠能源基線→廠區／樓層能源基線→產線能源基線→系統能源基線→單機設備能源基線。

以空壓系統為例，如果只看到：「本月全廠用電增加3%」，其實很難採取行動。但是如果EMS可以進一步發現：空壓系統近30日用電相較自身歷史基準持續偏高。那麼管理人員就有一個非常明確的調查方向，這也是能源數據從「資訊」變成「行動」的重要過程。

建立能源基線，可以帶來什麼效益？

1. 發現「沒有超標」的異常耗能：這是最直接的價值。很多能源浪費不會一次增加20%、30%，而是每天多一點。

能源基線可以協助管理者注意那些：還沒超標，但已經不像以前的用電行為。

2. 找出長期能源效率惡化的跡象：例如：空壓機長期耗電增加、冰水系統效率逐漸下降、泵浦運轉耗能慢慢提高、非生產時間的基礎用電持續增加。這些問題如果只看每日總用電，很容易被正常波動掩蓋。但如果持續與自身歷史基準比較，就比較容易看到長期偏移。

3. 減少能源管理對「人的經驗」依賴：過去可能需要能源管理人員每天看報表：「今天好像比較高。」、「這台最近是不是比較耗電？」、「上個月好像沒這麼多。」，當EMS建立能源基線後，可以把這種比較系統化。

從：人去找異常，變成：系統協助指出偏離基準的對象。

4. 更快縮小能源異常的調查範圍：如果全廠有100個電力監測點，管理人員不可能每天逐一分析。

能源基線的價值，就是協助從大量數據中找出：「誰跟自己的過去最不一樣？」

例如：A區：+2%、B區：+1%、C區：+18%、D區：-3%，管理者第一時間就知道：先看C區。

5. 讓節能改善有一個比較依據：改善之前建立能源使用基準，改善之後持續觀察與自身歷史基準之間的差異。

例如調整：設備待機時間、空調設定、空壓系統運轉方式、排程或設備控制策略。EMS就可以協助觀察改善前後的能源使用變化。讓「感覺有省」逐漸變成：「數據上看得到改變。」

真正值得注意的，不一定是最高的用電，而是「開始變得不一樣」

能源管理最怕的，不一定是某一天突然出現非常高的用電。因為明顯的異常，反而容易被發現。更容易被忽略的，是那些：每天多一點、每週高一點、每個月偏一點的能源變化。它沒有超過警戒值、沒有觸發Alarm、甚至設備仍然正常運轉，但是能源已經在不知不覺中被浪費。

因此，EMS除了告訴我們：「現在用了多少電」，還可以再多回答一個問題：

「現在的用電，跟它自己的過去相比，還一樣嗎？」

從固定警戒值走向能源基線，從「超標才處理」走向「偏離就關注」，讓每一個區域、每一套系統、每一台設備，都能夠：自己和自己比。

因為真正的能源異常，往往不是突然超過某一條線，而是從某一天開始，它已經不像以前的自己。

當EMS再加入AI，能源管理還可以往前一步

當監測點越來越多、歷史數據越來越龐大，另一個問題也隨之出現：誰來分析這些資料？過去可能需要能源管理人員自己：打開Dashboard、選擇日期、切換設備、查看趨勢、比較歷史資料，再慢慢找出可能的問題。但是當EMS結合AI之後，未來的操作方式可以變得更加直覺。管理人員真正想問的可能是：「最近哪幾台設備的用電比較異常？」「昨天晚上有哪些設備持續耗電？」「這個月哪個區域跟過去相比變化最大？」「最近一週有哪些用電行為值得注意？」這時候，能源管理的介面就不只是Dashboard。而是逐漸從：人找資料，走向：資料找問題。甚至進一步：讓AI協助人理解問題。

 

為什麼使用時間越久，AI越有機會看懂你的用電行為？

AI能源管理有一個很重要的特性：它需要時間認識你的工廠。剛開始導入EMS時，系統看到的可能只有幾天或幾週的能源數據。它知道現在用了多少電，卻還不一定知道：「這樣到底算不算正常？」。

因為每一座工廠、每一個區域，甚至每一台設備，都有自己的用電習慣。有些設備每天固定時間啟動、有些設備只有特定時段運轉、有些設備平日與假日的待機功率不同、有些設備每天的用電量差異很大，但是每天的用電曲線卻非常相似。這些「用電行為」，都需要透過一段時間的歷史資料逐漸被看見。因此，當資料從：7天→ 30天 → 90天 → 180天 → 1年。

AI 可以觀察到的，不再只是單一天的高低變化，而是開始有機會認識更完整的：每日規律、週間週期、假日差異、季節變化、期趨勢，以及不同時間尺度下的正常波動。這也是為什麼歷史數據對AI能源分析非常重要。

實際看看：EMS 如何結合AI進行智慧電能管理

當能源數據從單純的即時監測，進一步累積成歷史資料，我們就有機會從中觀察設備與區域的用電行為，找出值得關注的變化。而當EMS進一步結合AI，能源管理人員不必只面對大量圖表與數字，也能透過更直覺的方式理解能源資訊、查詢數據與掌握用電狀況。

EMS 智慧電能管理系統＋AI助手｜固德科技

https://youtu.be/3ySlTUN5s_c?si=IqfadTapSvp38eql

讓能源數據不只是被記錄，而是開始被理解。

不要只看「用了多少電」，開始看「電是怎麼被使用的」

智慧電表讓我們看見能源，EMS讓分散的能源資訊被集中管理。而當歷史數據逐漸累積之後，下一步真正值得做的，是：開始認識自己的用電行為。

因為真正的能源異常，不一定是今天突然用了很多電。它也可能只是：待機多了一點、運轉久了一點。或者某一天開始，它已經不像以前的自己。因此，能源管理真正值得問的問題，或許不只是：「今天用了多少電？」，而是：「今天的用電行為，跟過去的自己一樣嗎？」。

從「用電量」走向「用電行為」，從「固定警戒值」走向「歷史基準」，從「看到數據」走向「發現偏離」，才有機會讓EMS真正從一套能源監測工具，

進一步成為協助企業發現能源問題的管理工具。

了解更多：https://www.goodtechnology.com.tw/blog/26008.html