別被混淆節能議題的量化指標騙了!

2019-10-21
作者 Bill Schweber, EE Times/EDN/Planet Analog資深技術編輯

關於能源與能耗,有著太多的衝突與充滿謬誤的量化數字,讓人難以理解…

無論是以電池供電或電力線供電的裝置,功耗和節能都是重要的課題。因此,針對要在何處投資、投資報酬率(ROI)、所花費的時間和精力、元件的選擇等等,都有著許多必須進行的決定。當然,為了做出理想的決定,我們需要可靠的資料。

但是,關於能源及其用量的可靠資料,通常並不容易評估(圖1),而一些立意良善但毫無意義的假數字也無助於解決這些困難。例如,每個月,我都會收到本地電力公司寄來的帳單,其中還附上一份自家與鄰居家中的能源用量比較。它一般都會如此描述:「您府上前一個月的用電量比你鄰居家的用電量更高(或低)約XX%」。

PDMLcombo

這兩張圖表聲稱可顯示美國商用建築物的再生能源(左)及其應用(右)領域。兩張圖表都是2016年的資料了,如果您希望取得更新的數字,只要在網路上搜尋,應該就會發現許多其他統計資訊。(來源:http://www.energystar.gov)

針對這樣的統計資料與比較,究竟有什麼作用?住在我家旁邊的鄰居經常不在家(外出度假去了),而另一側的鄰居家中則有四個孩子。因此,進行這種精確的統計是完全沒有意義的,只是在浪費收集、印刷和郵寄這些資料的時間和金錢罷了。我懷疑這些數據是否會讓住在某個地方的某個人感覺良好,因為至少電力公司通知了這一「事實」,但讓人感覺良好並不能作為解釋這種誤導性浪費的充分理由。

大約從一年前開始,當我每個月都收到這種能源用量的更新資訊後,我就一直在關注一些有關能源使用的調查報告,但這些資訊通常未經妥善的分析處理或歸納原因(或者非常粗淺,不太能作為參考用)。其中一項消息來源指稱,家用照明佔美國整體能源用量的13%,而另一項消息來源則說,電動機車消耗了其中的83%。而當你試著將這些數據累加起來,就會發現它經常動不動就超過實際能源用量的150%或甚至是200%。反過來說,一旦你發現廣泛的類別之間經常不可避免的發生重疊後,這些資料很可能僅覆蓋實際情況的一半至四分之三。無論是哪一種情況,在這些數字中其實還有很多的空間,但你可能永遠無從得知他們是如何進行統計或呈現的。

有時候,提供這些數字的人只是非常簡單地從某個角度在看事物,有時候甚至是斷章取義,或者還會故意為了宣傳某個議題而作出選擇性的解釋。因此,我們很難知道在某一種特定情況時適用哪一種特性。(點選此連結http://www.energystar.gov 即可找到許多資料,其中也不乏相互矛盾的數字。)

例如我看到有一項調查資料宣稱,電梯中所使用的電動馬達佔整個用電量的X.X% (抱歉,我忘記確切的數字了,但確實記得它所隱含的意義!)。當我更深入地研究算出該數字的方式時,發現作者僅對「典型」電梯馬達的額定功率進行非常粗略的猜測,然後直接乘以另一項使用中的電梯數量(也是粗略的猜測)。他完全沒有考慮到這些電梯的使用方式以及占空比(duty cycle)、負載、建築物的樓層數以及可能影響總能耗的其他許多因素。我認為這樣算出來的數字誤差範圍至少在-80至+100%之間。

工程師致力於以系統途徑進行權衡,以期盡可能地減少能源使用,同時降低BOM成本,因此,確切的數字不可或缺,或者,至少必須認清所使用的數字存在模糊地帶。針對經常引用但可能誤導的數字以及重複出現的迷思,都必須仔細地加以檢查,才可能以理想(或正確)的數據進行決策。

您曾經看過哪些高精度的數字讓您不寒而慄?您是否曾經負責提供某些統計數字但看來具有過高的置信度或準確性?

編譯:Susan Hong

(參考原文:Meaningless Metrics Confuse Power-Saving Issues,by Bill Schweber)

活動簡介

人工智慧(AI)無所不在。這一波AI浪潮正重塑並徹底改變科技產業甚至整個世界的未來。如何有效利用AI協助設計與開發?如何透過AI從設計、製造到生產創造增強的體驗?如何以AI作為轉型與變革的力量?打造綠色永續未來?AI面對的風險和影響又是什麼?

AI⁺ 技術論壇聚焦人工智慧/機器學習(AI/ML)技術,涵蓋從雲端到邊緣、從硬體到軟體、從演算法到架構的AI/ML技術相關基礎設施之設計、應用與部署,協助您全面掌握AI最新技術趨勢與創新,接軌AI生態系佈局,讓機器學習更快速、更經濟、更聰明也更有效率。

贊助廠商

發表評論

訂閱EETT電子報