AI 人工智慧的快速發展，對許多領域都造成衝擊與改變，尤其在節能上更是帶來全新樣貌。

「AI 翻轉節能控制架構，不只提高節能成效，更讓節能與舒適可以同時並存，」國立臺北科技大學能源與冷凍空調工程系教授李達生表示，傳統節能控制都是「Rule-base」，也就是根據事先設定好的規則做調整，不能依照每日不同的狀況改變，因此節能成效往往有限。然而，AI 控制則是「Learning-base」，意即可以藉由訓練 AI 進而做出更精準的溫度調節判斷，讓節能效果不僅更好，也更能兼顧人員舒適度。

為找出 AI 在節能應用上的各種可能性，李達生擔任主持人之「人工智慧混合應用理論用於能源效率提升以及真實案場實證計畫」及其研究團隊，進行論文研究，蒐集自 1997 年迄今所有 AI 應用於冷凍空調設備、建築與工廠節能的論文，並綜合團隊過去十年來，在 124 間辦公室、大樓與工廠建築，模擬或真實導入 AI 進行節能管理的工作經驗，梳理 AI 應用於節能的三種方法。

第一是模糊控制（Fuzzy control），主要用於人員熱舒適度控制與空調節能。人的舒適度一般會受到溫度、溼度、太陽幅射、風速、衣著量和活動量等因素影響，進而對環境產生不同感受。因此，可以根據感測器即時數據彈性調整空調溫度或出風量的 AI，就能在不影響舒適度的前提下創造節能效益。「平均而言，模糊控制可以省下 20% 的能源耗用，」李達生說。

第二為學習型預測式控制（Learning-based predictive control），是由 AI 預測未來需求量，讓空調設備可以及早做好準備。以大型展覽館或百貨公司為例，這些場所經常面臨瞬間湧入大量人潮的狀況，並造成室內環境溫度、溼度的改變。在這樣的情形下，空調箱在偵測到變化後便會立即拉高冰水主機調整空調溫度，如此不只會增加能耗，也無法讓民眾在入館時就獲得舒適感受。

相較之下，AI 可以從歷史數據瞭解人流變化，判斷在何種情境下需要什麼樣的溫度，以及提早預測未來一段時間的人流量，如此就能讓冰水主機預先準備，避免因為溫度瞬間大幅變化而造成的能源耗用，平均也可以省下 28% 到 32.4% 的能耗量。

第三則是 AI 輔助故障偵測與診斷（AI assisted fault detection and diagnosis），意即以 AI 預測冷凍空調設備的故障風險，並提前做好維修規劃。李達生指出，AI 可以 24 小時不間斷地監視設備狀況，因此能夠即時發現設備因故障造成的大量能耗，快速叫修以達到節約能源的目標。

目前，這三種 AI 節能技術皆已發展成熟，但由於臺灣電價偏低與工廠設備時常太過老舊兩項因素，使得企業實際應用的比例並不高。以製造業為例，老舊之生產線設備，在機台沒有連網、無數位化數據的情形下，自然無法導入 AI 應用。若要汰換設備，又有成本和風險的考量，再加上臺灣相較於其他國家電價偏低，使企業導入 AI 節能應用後的經濟效益不太顯著，因此弱化導入意願。

所幸近幾年政府大力推動工業 4.0，讓製造業對設備連網的接受度增高，再加上 5G 通訊更為 AI 應用所需之資料收集，奠定良好發展基礎，因此未來若能搭配商業機制及法規力量，就有機會提高企業投入節能減碳的意願，讓企業在導入 AI 的同時，也願意嘗試更多節能技術，真正落實淨零碳排。

未來，李達生的研究團隊在投入 AI 節能應用領域之餘，亦將走入微電網研究，發展整合 AI 與構網型儲能（Grid forming）技術的裝置，打造「近（淨）零碳機電整合方案」。在能源轉型的趨勢下，各國使用可再生能源的比例逐漸增加，也讓傳統使用石化燃料的蒸氣渦輪發電機逐步被淘汰。然而，當電網中具備旋轉慣量的渦輪發電量減少後，就可能產生較大的電力頻率擾動，在這樣的情形下，構網型儲能技術就顯得相當重要，因為它能夠主動控制功率輸出進行頻率調節（Automatic frequency calibration），在高再生能源佔比電網中發揮關鍵的頻率穩定功能，從而確保高品質的電力供應。

李達生進一步說明，因應全球淨零碳排的趨勢，各國皆努力提高再生能源在整體電網的佔比，卻也讓如何維持電網穩定性的問題浮現。因此，該研究團隊藉由結合 AI、構網型儲能、淨零碳建築解決方案等相關科技發展出的機電整合方案，嘗試在解決電網問題的同時也能確保大樓運行與工廠生產的用電穩定，在低碳化的過程中更融入智慧化，從而推動臺灣穩健的邁向永續目標之發展。