電費漲價!點名1苦主恐用電破千度
今日新聞NOWnews.2022年6月28日 10:01
▲經濟部近日召開電價費率審議委員會,對外公布7月1日起電價平均漲幅為8.4%。(示意圖,非當事人/取自pixabay)

經濟部近日召開電價費率審議委員會,對外公布7月1日起電價平均漲幅為8.4%,但針對用電千度以下的住宅用戶凍漲,對此就有網友指出,他家裡夏天每個月用電都超過1000度,因此好奇大家是否都一樣,貼文曝光後,不少網友認為用電超過千度並不常見,不過也點名幾位苦主:「在家上班的肯定爆了」、「分租套房共同電表應該一下就爆了」。 

該名網友昨(27)日在PTT貼文,他以「夏天家裡電超過1000度的+1」為題,表示夏天家裡用電都是1300多度,電費直接漲爆,雖然新聞說只會電價調漲只影響3%的住宅用戶,但他常吹冷氣也只能乖乖掏錢,這也讓他好奇問:「大家都這麼省電嗎?電費即將漲價的+1,我統計一下。」 

▲有網友認為,分租套房及居家辦公的民眾會受到電費調漲影響。(圖/記者張嘉哲攝)
▲有網友認為,分租套房及居家辦公的民眾會受到電費調漲影響。(圖/記者張嘉哲攝)

貼文一出,網友紛紛留言,「冷氣開24H也不會超過啊」、「你家是超大豪宅」、「基本上有在上班的家庭,很少會超過1000度」、「你挖礦仔嗎?不然就是超過三台冷氣」、「單月要破1000度其實沒那麼簡單」。 

不過,也有網友直言,「在家上班的肯定爆了」、「分租套房共同電表應該一下就爆了」、「開電動車的吧」、「出租套房必死」、「+1,家裡破百坪,電燈冷氣省不了了」、「一家四口的話,單月千度很容易」、「家裡舊型的冷氣,常開的話很有機會」。(編輯:賴禹妡) 

更多 NOWnews 今日新聞 報導
住宅用電很難突破千度?台電:冷氣「這樣吹」電費恐增9%
電風扇挑選秘訣曝光!「這2字」內行狂讚:省電費又安靜
沒開冷氣竟電費暴增!網揪「隱形吃電怪獸」:都不知要關

更多相關新聞
用電大戶受處罰 林伯豐促重啟核電
南北捷運喊漲 通勤族荷包恐失血
很難達標?住宅用電千度以下凍漲 「冷氣這樣吹」就破千
電價大漲 學者憂通膨加劇不利出口
電價調漲台電估回補290億 今年虧損恐仍破千億
網紅遇瓶頸 用「台灣製造」運動聖品秒變表情包

◤節能省電迎夏日 涼感商品推薦◢
DC節能省電風扇 限時下殺85折起
冷氣品牌大賞 高額回饋再抽好禮
熱銷涼感床寢、涼墊 全家都需要
高舒適透氣短T 戶外涼感降溫必備

最新選舉新聞

最新選舉新聞

多元觀點

不同視角的媒體報導

郭智輝 電價

陳其邁 修法

賴清德 陸官 閱兵

高雄場 陳其邁

國民黨 台南 改革

黃埔 建軍

太報
TVBS新聞網
Yahoo奇摩(即時新聞)
品觀點
經長稱電價不是愈便宜愈好 藍委質疑:為再漲電價打預防針?
經濟部長郭智輝昨稱電價不是愈便宜愈好,愈便宜反易浪費電,引起議論。國民黨立委許宇甄今(6/16)批,難道電價要愈貴才愈好嗎?是為10月再漲電價打預防針嗎?
  • 資料來源:網路溫度計自2017年至今約累積28億則以上文章的網路社群大數據資料庫,其內容涵蓋Facebook、YouTube、Instagram、Dcard、以及包含Yahoo奇摩新聞、聯合新聞網、中時新聞網、ETtoday新聞雲、LINE TODAY、蘋果日報、自由時報、三立新聞網等約350家媒體網站上與選舉相關之政黨、候選人公開資料。
  • 分析方式:本模型分析方式非採傳統抽樣之民意調查,係將蒐集之資料庫予以分析,無母體數、樣本數限制。本模型係運用大數據關鍵引擎,透過深度學習與AI人工智慧技術,使用斷字切詞(Word Segmentation)、語意分析(Semantic Analysis) 、即時情緒分析(Real-Time Sentiment Analysis)等技術,汲取網路上相關討論文章,將文章分為正面、負面、中立三種情緒,計算網路聲量。
  • 跨世代劃分標準:本預測模型判別跨世代之依據,係以不同世代使用者之網路社群行為模式差異區辨。以不同社群網站之使用者世代臉譜數據為基礎,計算跨世代在不同社群聲量上的權重,綜合計算後得到世代好感度數據。
  • 名詞解釋
    • 網路聲量:透過「KEYPO大數據關鍵引擎」,計算社群討論及新聞報導提及的文章則數,聲量越高代表討論越熱,能見度越高。
    • 好感度分數:綜合評估網路聲量與網友語意情緒,分析各熱門候選人的網友評價。各熱門候選人的情緒、聲量皆經過標準化分數處理,得出好感度分數,再進行各縣市候選人彼此的比較,評量不僅需要聲量高,而且是好評要高,負評要低。好感度分數範圍在0-100分之間,分數越高,表示整體網友對於該位候選人的好感程度越佳。
  • 其他說明
    • 調查單位及主持人:大數據股份有限公司
    • 辦理時間:即日起至2022年11月16日止,逐日更新好感度數據。
    • 抽樣方式:本預測模型非抽樣之民調調查
    • 母體數:無母體數,請參考上述大數據資料庫的內容涵蓋範圍
    • 樣本數及誤差值:本預測模型非採用小樣本抽樣之民意調查,不適用抽樣誤差值
    • 經費來源:Yahoo奇摩、大數據股份有限公司