本研究探討由循環管路聯結多個冰水主機、冷卻水塔以及水泵等主要設備所組成的複雜冰水空調系統之節能效益。基於大數據驅動之深度學習建模方法提供冰水系統的優化參數，降低冰水系統的耗電量。從實驗表明，本項技術在友達光電龍潭廠既有的節電效率上，約能往上再提升2.4。此方法目前已經具體實現在友達光電的多個廠房。

如何建立冰水主機的準確運轉模型，找出最節能的運轉參數，是很具挑戰性的任務。本團隊針對負載調配和冷卻水循環系統參數優化的節能目標，研發新穎的深度學習神經網路來建立完善且準確的冰水空調系統運轉模型，模型準確度高達95以上。本項技術的節能效益約2.42, 並已經具體落實在友達光電的好幾個廠區。

本研究基於深度學習技術和大數據分析，開發了模組化的節能技術。模組化的技術適合應用於許多擁有冰水空調系統的工廠及大樓，只需要提供前一年的冰水空調系統運行數據，即能幫助該冰水空調系統找尋最佳運行參數，降低冰水空調系統之能耗。本項技術已經實現在好幾個面板製造廠區，證實了它的節能效益。

天使投資人、策略合作夥伴