能源政策不改 國會擋電價沒完沒了
中時新聞網.2024年5月4日 04:10
立法院3日院會,國民黨與民眾黨以人數優勢表決通過「電業法」49條修正草案,國民黨立委在議場內高舉標語並合影留念。(姚志平攝)

 在野黨修《電業法》,電價調漲須經國會同意,這是險棋。沒有人喜歡漲價,但更沒有人想要沒電可用。如果搞到台電破產,電力出問題,民怨沸騰,執政黨絕對把所有罪怪給在野。但誰逼藍白立委大動干戈?肇因不就是民意對執政黨錯誤能源政策助漲電價不滿,如果政府仍執意不傾聽,未來反對黨擋電價將沒完沒了。 

 國內油電價以前沒公式,也沒有電價費率審議會,導致油價電價一直被壓抑,台電中油虧了一屁股,要靠舉債,後來才先有浮動油價公式,中油每周依據國際走勢調整。2017年又把電價列入《電業法》,讓台電一年兩次提報審議會調整電價。 

 老實講,即使有電價審議會,由於政府代表可掌控比例超過一半,經濟部還是影響電價調整,但至少台電多少可以反映成本。 

 這次在野黨修法強拿電價同意權,一位台電資深主管私下感嘆:「全世界沒有一個國家這樣搞的」,連落後國家也沒有電價都要經國會同意,這位主管氣說:「以後公司倒閉,他們(立委)要負責嗎!」 

 台電很生氣不是沒道理,今年4月即使漲電價11%,預估年底累虧還要逼近4000億大關。光去年負債就已2.4兆,負債比97%,如果不是政府連兩年增資,早就資不抵債破產。 

 沒有人喜歡被漲電價,但民眾與立委也該認知「天下沒有白吃的午餐」,台電總得有錢蓋電廠拉線路、負責維運、付員工薪水。電價不能合理反映,到時破產,誰來供電? 

 但是在野立委都想用免費電嗎?當然也不是,大動作擋電價,背後原因是不滿蔡政府8年能源政策,那死不拿下的「非核神主牌」,造成電價失控,台電大虧。另外也不滿光電弊案叢生,要民眾埋單。更別說這幾年來的多次大停電與限電危機,都來自僵硬的能源政策。 

 台電3年漲3次電價,雖然俄烏戰爭造成燃料飆漲是事實,但一味拒絕核能,更是推手。以台電燃料成本來看,如果核一、二、三廠的400億度電都在,以其每度僅剩1.5元來說,一年全台就可省1040億(取代一半綠電、一半燃氣發電),相當可觀。 

 看看韓國,人家長期電力計畫,要增核、減煤、展綠,2030年核電占比達32%,把高汙染燃煤壓低。如果執政黨錯誤能源政策不改,國會擋電價調漲的動作,將會沒完沒了。

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

搶走 周萬來

國會 改革 衝突

抓傷 民進黨

總統 接見 加拿大

民進黨 韓國瑜

搶走 文件

中天新聞網
今日新聞NOWnews
中廣新聞網
三立新聞網 setn.com
影/72歲周萬來遭民進黨失心瘋對待「史上第一次」 高金素梅痛喊:沒有一字可形容
立法院會昨上演國會改革法案表決大戰,朝野立委肉搏戰全武行,甚至還發生郭國文突然出手,搶走周萬來手上的公文的狀況發生;對此,高金素梅表示,她覺得很無奈,這一次民進黨好像失心瘋一樣,沒有一個字可以形容。
  • 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