運用機器學習方法評估能源使用對空污影響: 臺中市 案例分析

合理的電力環保調度需兼顧電力空污排放與穩定供電的平衡點，不應忽略其他重要因素的影響力。本研究主要目的是透過大數據的機器學習方法，探討發電量與交通量對空污PM2.5 影響強度，期望透過科學化的資訊論述基礎，理性探討空污的影響因子，提出合理的抑制策略，使能源轉型與環境保護取得平衡發展。研究結果顯示：從機器學習的模型驗證及資料散佈圖趨勢來看，燃煤發電量與 PM2.5 二者之間似乎呈現較弱的正相關樣態，而交通量對 PM2.5 的影響呈現較大的敏感度不確定風險。另外，從每季資料散佈圖發現臺灣在第 4 季(冬季，12 月~2 月)期間，燃煤發電呈現下降趨勢，但是，PM2.5 卻呈現上升趨勢，這個現象也許可以歸因於冬季來自境外污染物及氣候的擴散效果。關於氣候因素對 PM2.5
的不確定性分析待未來進一步研究驗證。