新型材料與先進技術
PCMs — 相變材料(Phase Change Materials)
利用物質在固液態轉換時吸收 / 釋放潛熱的特性,實現被動式溫控,無需額外耗能。
- 原理:材料在特定溫度熔化吸熱、凝固放熱,自動維持環境溫度穩定
- 應用:建築牆板、冷鏈物流包裝、資料中心散熱、紡織品調溫纖維
- 減碳效益:建築空調能耗降低 20-30%
MOFs — 金屬有機框架(Metal-Organic Frameworks)
具有超高比表面積的多孔晶體材料,專門用於 CO₂ 選擇性吸附與捕集。
- 比表面積:可達 7,000 m²/g 以上(遠超活性碳的 1,000-2,000 m²/g)
- 特性:可調控孔徑大小,針對不同氣體分子進行選擇性吸附
- 應用:CCUS 碳捕集、氣體分離與儲存、感測器
CNTs — 奈米碳管(Carbon Nanotubes)
- 強度:鋼的 100 倍,重量僅鋼的 1/6
- 應用:超級電容器、輕量化結構材料、導電複合材料
- 減碳貢獻:輕量化降低運輸能耗,超級電容提升儲能效率
考試重點:三種材料的名稱、英文縮寫、核心特性、減碳應用場景
複循環燃氣渦輪 CCGTs
CCGT = Combined Cycle Gas Turbines,結合氣渦輪(布雷頓循環)與蒸汽渦輪(朗肯循環)的高效發電技術。
核心數據
| 指標 | 數值 |
|---|---|
| 燃氣渦輪效率 | 35-40% |
| CCGT 總效率 | 60%+(GE HA 系列達 64%) |
| 相比燃煤減排 | CO₂ 減少 50-60% |
| 啟動時間 | 30 分鐘內(燃煤需 6-8 小時) |
角色定位
- 淨零過渡期的基載電力,搭配再生能源調度
- 可混燒 10-30% 氫氣,未來可全氫燃燒
- 台灣案例:大潭電廠 8、9 號機,天然氣占比目標 2025 年達 50%
考試重點:CCGT 效率 60%+、比燃煤減排 50-60%、可混氫
AI 即時需量控制
MPC — 模型預測控制(Model Predictive Control)
- 建立建築物能源數學模型,預測未來 4-24 小時能耗
- 滾動式最佳化:每 15 分鐘重新計算控制策略
- 典型節能效果:空調能耗降低 15-25%
DRL — 深度強化學習(Deep Reinforcement Learning)
- Google DeepMind 將資料中心冷卻能耗降低 40%
- 不需建築物理模型,從即時數據自主學習最佳策略
- 適應非穩態環境(天氣變化、使用模式改變)
Edge AI — 邊緣運算
- 毫秒級回應,不依賴雲端
- 在設備端(控制器、感測器)直接推論
- 適用場景:電梯群控、空調即時調節、照明自適應
考試重點:MPC 預測 4-24 小時、DeepMind DRL 降低 40% 冷卻能耗、Edge AI 毫秒回應
數位孿生與區塊鏈
數位孿生(Digital Twin)
建立實體建築 / 城市的虛擬鏡像模型,用於能源模擬與最佳化。
- UBEM(Urban Building Energy Modeling):城市尺度能源建模
- LiDAR + GIS:精確建立 3D 都市模型
- 案例:新加坡 Virtual Singapore — 全國尺度數位孿生平台
區塊鏈 / DLT(Distributed Ledger Technology)
- 碳足跡追蹤:供應鏈各環節碳排資料上鏈,不可篡改
- 碳權交易:點對點交易,降低中介成本,提高透明度
- 綠電憑證:自動驗證 T-REC 產生與轉讓
考試重點:區塊鏈用於碳追蹤與交易透明化,但不能直接減少排放
氫能前瞻技術
三色氫分類
| 類型 | 製程 | 碳排 |
|---|---|---|
| 灰氫 | 天然氣蒸氣重組(SMR) | 高碳排(~10 kg CO₂/kg H₂) |
| 藍氫 | SMR + CCUS 碳捕集 | 中碳排(捕集 90%+) |
| 綠氫 | 再生能源電解水 | 零碳排 |
三種電解技術
| 技術 | 效率 | 溫度 | 特點 |
|---|---|---|---|
| AEL(鹼性電解) | 60-70% | 60-80°C | 最成熟、成本最低 |
| PEM(質子交換膜) | 55-70% | 50-80°C | 快速啟停,適配 RE |
| SOEC(固態氧化物) | 85%+ | 700-1000°C | 效率最高,利用廢熱 |
氫儲運方式
- 高壓氣態:350-700 bar(加氫站常用)
- 液態氫:-253°C(航太、長途運輸)
- 化學載體:NH₃(氨)、甲醇、LOHC
- 固態儲氫:MOF 等金屬氫化物
IEA 2025 預估:2030 年全球綠氫產能達 134 GW。
考試重點:SOEC 效率最高(85%+)、綠氫 = RE 電解水 = 零碳
儲能前瞻技術
鋰電池比較
| 類型 | 特點 | 應用 |
|---|---|---|
| LFP(磷酸鐵鋰) | 安全、長壽命、成本低 | 儲能電站、電動巴士 |
| NMC(鎳錳鈷) | 能量密度高 | 電動車、3C 產品 |
新興電池技術
鈉離子電池(Na-ion):
- 成本比鋰電池低 30-40%
- 原料豐富(鈉來自海水)
- CATL 2023 年量產
- 適合大型儲能場景
固態電池(三種電解質)
| 電解質 | 優勢 | 劣勢 |
|---|---|---|
| 聚合物 | 成本低、易加工 | 離子導電率低 |
| 硫化物 | 離子導電率最高 | 對濕氣敏感 |
| 氧化物 | 穩定性最佳 | 界面阻抗大 |
- 目標能量密度:500+ Wh/kg(鋰電池目前 ~250 Wh/kg)
- Toyota / Samsung 預計 2027-2028 年量產
考試重點:三種固態電解質的特性區分、Na-ion 成本降 30-40%
前瞻技術減碳效益量化
盤查量化基本公式:減碳量 = 基線排放 − 技術導入後排放
注意事項:
- 排放因子須使用官方公告值或國際資料庫
- 基線情境須明確定義(法規基準 vs. 產業平均)
- 避免重複計算(同一減量不得同時申報於不同範疇)
範例考題
Q1:下列何者描述了相變材料(PCMs)的減碳原理? (A) 透過化學反應分解 CO₂ (B) 利用相態變化的潛熱實現被動式溫控,減少空調能耗 (C) 利用光電效應直接發電 (D) 透過核分裂釋放能量 答案:B
Q2:CCGTs 的總發電效率可達多少以上? (A) 40% (B) 50% (C) 60% (D) 80% 答案:C
Q3:Google DeepMind 運用何種 AI 技術將資料中心冷卻能耗降低 40%? (A) CNN (B) DRL(深度強化學習) (C) RNN (D) GAN 答案:B
Q4:下列何者不是固態電池的電解質類型? (A) 聚合物 (B) 硫化物 (C) 氧化物 (D) 液態有機物 答案:D
Q5:三種電解產氫技術中,效率最高的是? (A) AEL (B) PEM (C) SOEC (D) SMR 答案:C
Q6:區塊鏈技術在淨零轉型中的主要貢獻不包括? (A) 碳足跡追蹤 (B) 碳權透明交易 (C) 直接減少溫室氣體排放 (D) 綠電憑證驗證 答案:C