碳排放導致氣候變遷所引發的極端氣候及災損日趨頻繁，能源轉型已是全球共同面臨的課題，再生能源成為關鍵驅動力。
國際能源署（IEA）報告指出，2018 年再生能源佔全球發電量的 1/4，僅次於煤炭；國際環境倡議 RE 100 募集大型跨國企業承諾 100％ 使用再生能源，鼓勵購買在地的綠電，現已獲得近 200 家企業響應。
台灣有高達 98％ 能源仰賴進口，不僅有能源轉型的挑戰，更有能源安全的壓力，再生能源發展條例將 2025 年再生能源發電占比達 20％ 的目標明確入法，總目標為 2025 年達 27 GW（2700 萬瓩），陸域及離岸風電合計將佔 6.7 GW。
智慧機械預兆診斷平台發揮優勢：跨界融合 OT、IT，減少作業現場人力需求
由於風電發跡於歐洲，主力設備商皆以歐美品牌為主，台灣目前仍需仰賴進口，風力機設備保固過期之後的維修支援合約，則成為台灣切入風電產業的重要突破口。
工研院與微軟物聯網創新中心合作開發智慧機械預兆診斷雲端平台，協助提升風力發電機可用率及維修作業，以技術紮根促進台灣風電產業的發展。
工研院機械與機電系統研究所工業物聯網技術組研發經理王俊傑博士表示：「智慧機械預兆診斷雲端平台的優勢，在於營運技術（OT）和資訊技術（IT）的跨界融合，大幅簡化及減輕作業現場的人力需求，在場域環境特殊及天候條件受限的風力機維修作業效益卓著，同時在機械加工、石化產業的試營運也展現了優異成果。」
風力機若故障將造成巨大營收損失，維修卻是困難重重
每到夏季用電量高峰時期，備轉容量率就成為各方關注焦點，供電不穩可能造成民生與產業的重大損失，隨著再生能源占比的提升，如何確保穩定供電更是備受各界挑戰。
此外，風力機故障停擺所造成的營收損失，亦是不容忽視的課題。
以台灣陸域風力機為例，風速約達 12 米/秒時可滿載，一部機將可達每小時發電量2 MW，以躉售電價每度約 2 元計算，1 部機停機一天損失達約 10 萬元。
離岸風力機每小時發電量為 4 MW，新型機種更可達 8 MW 以上，若以躉售電價每度約 5.5 元計算，光 1 部機組每天的停機損失更是高達百萬元。
但風力機維修完全取決於天候條件，一般在每秒風速超過 15 米以上將不進行鎖固轉子維修或是打雷閃電的情況下，都無法進行維修作業，離岸風力機還需納入海況因素，即使故障也不見得可以立即維修。
而且，陸域風力機的大部件維修必須出動吊車，離岸風力機則需出動海上施工船，每趟出勤的作業費都是百萬起跳，如何選擇合適時機執行維修作業，亦是關鍵課題。
更棘手的是，用於風力機增速發電的齒輪箱每顆高達數百萬至千萬元以上，百分之百由國外進口且下訂交貨期長達六個月，但由於完全損壞的機率不高，再加上台灣氣候潮溼，即使有備品若沒有妥善保存也可能閒置至故障，反而不符成本效益。
「預兆診斷」能預測故障時點、損壞零件，節省大量現場作業時間
王俊傑博士指出，風力機維修作業面臨多重挑戰，預兆診斷則是最佳對策，只要能掌握、預測故障時點及損壞零件，提前安排維修作業或是向國外訂貨，就能將風力機停擺時間縮至最短，不僅降低營收損失，更重要的是確保供電穩定。
機械所提出的解決方案是在風力機齒輪箱加掛感測器，透過齒輪嚙合判讀異常訊號，並以演算法來計算可能損壞的部件，結合預警機制持續追蹤問題、提醒相關人員，避免突然故障。
此外，以往人員必須到場才能檢查哪些零件損壞，現在先以感測數值判斷及收斂問題範圍，提高問題判讀的精確度，就能相對節省大量的現場作業時間。
公有雲助陣，遠端一次完成風力機程式更新
工研院綠能所陳錦城博士說明，一部大型風力機約有 8 千個零件以上，風力機本身有監控系統可將相關組件電壓電流等訊號傳回監控中心，也可以遠端執行停機或啟動，但這些內建的自我保護機制和基本資訊的提供並未達到智慧化的水準。
事實上，目前台灣已安裝的數百部風力機都尚未智慧化，這也成為維修作業的挑戰，只能事後修復而無法防患未然。
過去安裝感測器需要 IT 和 OT 人員同時到場， OT 人員安裝線路及感測元件，IT 人員負責電腦設定，現在只需 OT 人員進行現場安裝，電腦連網後就會自動下載軟體執行及啟用。
更重要的是，後續的程式更新只需透過 Azure 平台訂閱及發佈就能完成。相較於以往的更新方式，若有 100 支風力機，就需要現場以人工作業更新 100 次；現在只需要遠端執行更新作業，就能一次完成全部風力機的程式更新。
預兆診斷平台完全運行於 Azure，受最嚴密保護
王俊傑博士說：「一開始我們只是單純想把開發的程式行動化，以便從手機操作，但透過微軟物聯網創新中心的協助開始接觸 Azure 公有雲服務，不僅免除我們自行維運、從頭開發的負擔，更能有效降低解決方案的投資成本。」
最有感的資源之一就是資安。
預兆診斷屬於先進技術，過去因為擔心軟體被破解，機械所對合作夥伴的選擇多方設限，但現在程式完全運行於 Azure 並以服務形式發佈，使用者無法直接接觸原始程式碼，即使以其他技巧複製也無法運行，等同受到最嚴密的保護。
此外，機械所也以直覺化、高可視性的 Power BI 取代原先自行開發的分析介面，不同於專業人士才知道如何判讀的曲線或頻譜，Power BI 以圖形、顏色等方式來呈現各種指標，即使新手也能迅速判讀正常或異常。
預兆診斷平台大幅簡化風力機現場安裝、即時監控作業
根據知名離岸風場統計公司 4C Offshore 的數據顯示，在全球前 20 大最適合發展離岸風電的場域裡，台灣海峽就佔了16處，風速強烈、風向穩定、平均深度低於60公尺的西海岸廣濶海床，更是得天獨厚的優勢。
由此可以預見，繼陸域風電之後，台灣發展離岸風電的腳步也將加快，對於監控及維修的需求只增不減。
王俊傑博士表示，智慧機械預兆診斷雲端平台簡化現場安裝、遠端更新及即時監控作業，隨著風力機數量愈來愈多，應用效益也會隨之倍增。
更重要的是，面對風力機設備清一色以國外品牌為主的現況，工研院和微軟聯手從預兆診斷及維修作業切入，協助本土廠商提升技術能量，強化爭取保固合約的競爭力，必然有助於落實風電產業本土化的政策目標。
（資料來源：微軟；圖片來源：維基百科。）
延伸閱讀
【台商再起故事特輯】製造力就是國力，捷騰光電證明中小企業也能靠「上雲」擁抱工業 4.0
【台商再起故事特輯】工研院與微軟合推智慧製造，不用自行整合技術省去 IT 人員負擔
【靠風電發大財】丹麥 20 年減少 4 成碳排放，GDP 還照樣成長 113%
【看遠一點，這是一個新機會】立委陳曼麗：離岸風機產業是海洋版的台積電！
比爾蓋茲都投資的綠色能源公司：蓋一個巨大電風扇，分解二氧化碳還能創造綠色能源！
