為解決氣候變遷與全球暖化，歐盟在 2021 年正式通過碳邊境調整機制 （Carbon Border Adjustment Mechanism, CBAM）法案，要求進口到歐盟的產品，若生產地的碳成本低於歐盟境內同款產品的碳成本，須購買 CBAM 憑證，費用根據產品生產過程的碳排放量多寡而定。製造業是臺灣立足國際的命脈、卻也是碳排放的主要來源。首波課徵對象包含水泥、鋼鐵、鋁、肥料、電力等高碳排產業，鋼鐵和鋁包含中下游產品，例如螺絲釘、鋁製品等，無一不是臺灣的重點產業。CBAM 已從 2023 年 10 月進入調適期，預計 2026 年正式上路。隨著課徵大限越來越近，製造業只得正視這個從環境昇華到經濟議題的燙手山芋，研擬新策略以適應新的貿易形式。其中，能源管理系統（energy management system, EMS）將扮演關鍵角色。

組織型溫室氣體盤查 ISO 14064-1 定義設備的電力消耗為範疇二的間接排碳來源。對用電大戶的製造業而言，節能不單只是節省電費開銷，而是減少碳排放、也就是減少碳費支出。典型的EMS透過監測廠務或電力供應（微電網）等設備的歷史運行模式來改善設備的能源使用效率。先進的 EMS 則透過大數據收集與 AI 模型進行能源基線預測，事先知道設備在未來特定時段的能源消耗趨勢，就能提升能源使用的準確性和實用性。好比根據氣象預報的降雨機率，判斷是否要帶傘出門。準確的能源基線可以在真正的能源消耗發生之前，及早進行調整，否則拿到電費單都只是一張死亡證明書，來不及作修正。為了實現更高的能源使用效率，智慧能源管理系統（intelligent energy management system, iEMS），利用最新技術進一步提升節能減碳的效果。

如圖一，iEMS架構與技術的突破點涵蓋四大步驟，包含：

1. 大數據收集：透過各式各樣的工業物聯網與感測器收集能源消耗相關大數據，如設備參數設定（冷卻水溫度）、生產排程（設備排定規劃）、室內環境資訊（溫濕度）、未來氣象資訊（氣溫）、碳盤查資訊（年度碳排放量）等。
2. 能源基線預測：能源基線趨勢屬於長時間序列，模型必須具備特殊時間記憶特徵萃取器（如：長短期記憶神經網路），才能有效處理海量多樣的資料，對未來特定時段的能耗量進行準確預測，提供用於調控設備和微電網的基線，搶在能源消耗發生前採取應對措施。
3. 特徵解釋力評估：能源消耗預測完成後，透過可解釋人工智慧（explainable AI, XAI）模組評估影響能源消耗的關鍵參數，用於調整能源分配策略，讓決策者清楚理解各個參數的影響力，除了提升能源使用效率，也提升系統透明度與決策信心，制定科學化設備運行參數調控策略。
4. 設備調控：包含對廠務設備與微電網調控。在滿足產能的前提下，調整參數最小化能耗。微電網系統根據工廠耗電需求動態調配不同能源來源的比例，實現電力資源的高效利用。

由此可知，XAI 能提升 iEMS 的透明性與信任度，進一步提升節能決策的實用性。

現行的能源基線模型大多採用 AI 方法，精度直逼、甚至超過人類大腦。然而，其模型數以萬計的權重是從機器的視角出發，對人類而言卻如同黑盒子難以窺探其奧祕，在「只知其然而不知所以然」的情況下，不易讀懂影響設備能源消耗的關鍵因子。XAI 透過簡單模型描述複雜模型的邏輯，從人類視角理解隱藏在模型背後的因果關係，提高 AI 模型透明度。iEMS 在執行能源基線預測的同時，憑藉 XAI 輸出參數對預測結果的影響力。

影響力係數量化設備參數對能源消耗的相關性，數字愈大，代表該特徵對能耗的影響也愈大，反之亦然。如圖二，在調控冰水機時，部分負載率（partial load ratio, PLR）的影響力係數為 0.394、冷卻水溫度（cooling water temperature, CWT）的影響力係數為 0.355；說明此兩個關鍵參數是影響能源消耗與設備效率的重要特徵，其他三個特徵（風扇速度、冷卻水比例、數外溫度）影響較小。這種直觀解釋可快速找出關鍵特徵進行調整。

PLR 設定範圍是 0.49 < PLR < 0.62，只要PLR保持在這個區間，就可以讓冰水機保持高運行效率；CWT 設定範圍是 CWT ≦ 30.3°C，是另一個高效率的關鍵特徵。

由本案例得知，影響力係數可作為最佳化過程的限制條件，實現自動化定義並判斷關鍵特徵，使參數更快收斂，在瞬息萬變的環境中制定最適的節能減碳調控決策，提升能源效率。XAI 不僅在理論層面展現價值，也能在實際應用中帶來效益。

以造紙廠的用電需求為例，運行供電主要來自廠內微電網之台電市電 (UG)、汽電共生 (CHP)、儲能系統 (BESS)、以及太陽能光電 (PV)。圖三 (a) 的直方圖上的每一條代表工廠未經 iEMS 調控的每小時能耗，調控前，橘色的汽電共生 (CHP) 為工廠主要電力供應，然而 CHP 乃透過燃燒煤炭或燃料進行發電，碳排放量很高。經過 iEMS 對微電網調控後，橘色長條之汽電共生 (CHP) 在離峰 （00:00 - 09:00）其和半尖峰（09:00 - 16:00；22:00 - 24:00）期間的使用率大幅下降；取而代之的是，藍色長條的台電市電 UG 成為離峰和半尖峰期間的主要電力來源，如圖三 (b) 所示。經 iEMS 調控後，能源消耗減少 2,498.08 瓩時 (kWh)、約 3.63% 的節能效益。如再考慮直接碳排放量，則總共減少 1.309 每噸二氧化碳當量（t-CO₂e）的碳排放，約為 3.92% 的節能減碳效益。透過造紙廠的應用案例可看出 iEMS 的節能減碳成果，將為企業競爭永續發展的重要關鍵。

在全球致力於淨零排放的時代，高能耗意味著成本提高。iEMS 系統介面如圖四，可針對不同產業需求進行客製化的數位轉型，主頁面顯示能源基線預測、電力分配、生產設備排程、廠務設備參數調控等資訊，如製造業著重於高能耗設備的參數優化、建築業專注於空調與照明的調控。不變的是能源基線預測，畢竟有設備就有能源消耗的需求。隨著碳交易市場的成熟，長期下來減少碳排放可為企業增進社會形象並減少碳費/碳稅的支出。企業有節能的需求，因此 iEMS 具有大規模應用於各類企業的潛力。

圖四的碳揭露功能分別記錄產品及能源的碳排放量，如造紙廠的各式產品（工業用紙、包裝用紙、印刷用紙）在生產過程經特定設備（磨漿機、乾燥機）所對應的溫室氣體（二氧化碳、甲烷、蒸氣）排放量，皆可在系統查詢。也可將此排放量視為企業碳中和需求，搭配科學基礎減量目標（science based targets, SBT）進行一系列的固碳程序，如圖四右下的碳捕捉進度。

總結來說，iEMS 透過大數據與人工智慧技術的應用，協助企業預估能源消耗並提供最佳化的調控策略。同時，可解釋人工智慧（XAI）的導入提升了系統決策的透明性與可信度，進一步提升企業的能源使用效率。未來，隨著更多企業導入 iEMS，不僅有助於全球氣候目標的實現，也將成為企業數位轉型與永續發展的重要推手。