节能风潮起，如何精准省电、用电已成各国政府能源重点政策，如美国、英国、日本等先进国家，皆积极推动「需量反应措施」；因应此一趋势，资策会智能网通系统研究所(智通所)也研发半监督询问式学习基础的非侵入式负载监测技术(NILM)，结合深度学习与大数据分析技术，使用户能简单地获取能源使用信息，进而达到**用电、省电之目的。
以往多数人都以为，工业用电是用电占比*多的，但事实上，住商低压用户的用电，因其「主体小、用户多、组成杂」的特性，才是夏季尖峰用电量的大户，整体负载高达50%以上。 但可惜的是，在电价低、民众长期用电习惯难以调整等因素下，往往较无节能的观念与意愿。
此一技术结合大数据分析和深度学习。 过往提供给用户的用电数据多是用电总量，然而，用户看到用电总量时其实没有甚么感觉，因为无法从上面得知家中各个电气设备的用电量多少。 然而，透过NILM，便可从用户的用电总量分析出家中各电气设备的用电量，并且知道用户的用电行为。 进一步协助用户建立用电行为模型，协助用户了解如何透过改变用电行为来节电，进而提升低压用户节能意愿。
目前此一技术仍在推广当中，并且配合台电布建智能型电表(Advanced Metering Infrastructure, AMI)的计划，先寻找一千户用户进行实验。 作法偏向于将用户分群，在用电行为比较类似的用户群体中，找寻几个关键用户在家中安装量测指表，以量测所有家中电器，接着针对用电电器加以标示，以收集相关信息好进行深度学习，之后再将此一学习的模型套用在其他用户之上。 同时，由于现在App风行，因此用户也可透过App实时给与反馈，使电力业者或节能业者了解NILM是否真的满足用户节电/用电需求，进而再加以更新或是校对整个深度学习模型。
另一方面，电力业者及节能业者，亦可运用此NILM技术，提供节能服务建议，有效的协助制定能源技术服务(Energy Service Company, ESCO)、能资资通讯技术(Energy Information and Communication technology, EICT)营销策略，以提高节能产业之附加价值与产业之发展， 勾构出以数据为核心之能源新兴服务模式。
公安机关备案号：
