產業技術評析

一、前言
 

根據Wood Mackenzie (2019) 離岸風電運轉維護趨勢報告顯示，2018年間，葉片侵蝕與修復仍然是離岸風電運維領域的巨大挑戰，已造成全球離岸風力機累計停機時間約5,056天，且葉片修復總數量為1,751支，其中又以葉片前緣損壞修復佔比最高，共佔67%；其次是葉片尾緣修復及葉片表面修復，分別佔修復總數的15%及14%；葉片結構修復則僅佔1%，如【圖1】，由此顯示出葉片侵蝕與修復仍為當前離岸風電產業應重視的問題，且目前葉片可用的最佳系統壽命僅為5年左右，顯示未來葉片檢修服務仍為離岸風電產業的一大市場。
 

資料來源：Wood Mackenzie (2019) /金屬中心MII- ITIS研究團隊(2019/11)
圖1 2018年離岸風力機葉片修復數量
 

二、葉片運轉維護現況
 

在風力機大型化的趨勢下，由於新型風力機配備更大的轉子直徑，葉尖速度也相對更高，更易造成風力機葉片前緣與尾緣受到侵蝕。一般來說，風力機設計與運行狀態是導致離岸風力機葉片侵蝕的成因，影響葉片侵蝕的關鍵因素還包括：葉片轉速、雨水侵蝕與雨滴大小、顆粒物濃度等。
 

減少葉片侵蝕的方法大致可分為兩類，瞭解侵蝕現象及延長預防措施的壽命。當前用於減少葉片侵蝕的措施主要包括：葉片侵蝕的影響研究(模擬與量化侵蝕現象的研究)、表面塗層與邊緣保護(3M等供應商在延長葉片塗層與葉片邊緣保護帶的耐久性方面的進展)、全新的葉片設計(葉片翼型設計的研究以優化氣流、減少葉片侵蝕的形成)。
 

Wood Mackenzie (2019) 報告指出，離岸風力機的葉片修復方法及直接成本總額方面，目前針對葉片修復主要有兩種方式：繩索技術或懸掛平台，2018年間兩種方式在市場中的佔比分別約為：繩索技術56%、懸掛平台48%。另外，2018年葉片修復總成本達6,100萬歐元(約21.96億元新臺幣)，該成本只計算葉片修復而產生的直接人工與設備成本。若再包含因停機造成的收入損失而產生的經濟性影響，總計損失為8,500萬歐元(約30.6億元新臺幣)，其中葉片基本維修成本佔總成本的73%，葉片重大維修則佔了27%。而葉片前緣侵蝕是構成直接維修成本與收入損失的最大部分，該部分共佔了總成本的60%，損失為5,100萬歐元(約18.36億元新臺幣)。
 

三、葉片維修技術發展趨勢
 

隨著全球離岸風力發電往更深水域移動及風力機大型化趨勢影響，提供運維服務的難度日益升高，例如深水域的海況及風況，對於傳統運維作業效率、成本及安全性皆有不利影響，故離岸風電運維產業須不斷提升相關技術以因應此一趨勢。也因此，無人化檢修技術之重要性日益增加，帶動無人機檢查及爬行器維修葉片的新興檢測技術發展。
 

使用無人機與爬行器檢測風力機葉片損壞情形是兩項有助於降低修復成本的創新技術，可加速檢測與修復週期，無人機與爬行器的每日工作效率是傳統方式的2至10倍，能大幅減少對運維人員的使用需求與停機時間。無人機與爬行器憑藉更高的檢測精度與更低的檢測成本兩大優勢，大幅改良葉片修復作業效益。
 

（一）無人機檢測技術發展
 

西門子歌美颯已於去(2018)年10月宣布與無人機供應商SkySpecs簽署協議，檢查其數百台風力機葉片。無人機技術使得風力機維修技術人員可檢測多達15部風力機，而非過去的3台或4台風力機，大幅減少維修人力支出成本。在風力發電產業中，另一著名無人機供應商為Alerion，該公司使用新型雷射導航技術(Novel laser-navigation technology)於靠近葉片結構處進行高精準度的檢測工作。
 

無人機與人工智慧發展方面，今(2019)年4月西門子結合HermesAI與微軟合作，透過無人機運用人工智慧進行葉片圖像辨識，對葉片進行健康管理。第一，由於葉片長度可達80公尺，該解決方案即為使用無人機沿著拍攝葉片50至100張照片，並將這50-100張照片整合成一張葉片完整表面的照片，利用該照片可準確的點出葉片損壞。第二，可利用AI辨識圖像，區分出圖像中的葉片、海洋及天空。第三，為類似臉部辨識的功能，透過掃描葉片表面，可自動辨別和分類葉片損壞原因(編號從1到5)，其中編號5為最嚴重之缺陷，須立即處理進行維護。該項解決方案可分析風力機葉片是否存在潛在的損壞，為開發商提供葉片狀況之全面分析以及足夠的數據，以便在任何必要的維修做出準確的決策，進行更安全、更快速、更準確的檢查。
 

此外，MHI-vestas也積極在風力機葉片中導入無人機運維技術，今(2019)年5月，宣布與無人駕駛飛行器(Unmanned airborne vehicle, UAV)供應商Sulzer Schmid和葉片服務供應商WKA達成協議，技術人員利用無人機以及檢修軟體操作介面，進行運維作業，取代人力吊掛的檢修任務，如【圖2】，在不到12週的時間內檢查瑞典及芬蘭1,250台風力機葉片(平均一周檢查104支葉片)。
 

資料來源：Sulzer Schmid (2019)
圖2 技術人員透過無人機進行風力機葉片檢測
 

另外，在北歐或是加拿大等高緯度地區，因冬季氣侯寒冷，若讓發電機在這樣寒冷條件下，維持良好的運轉效率是風力機系統商更具挑戰性的一個考量。去(2018)年11月，加拿大軟體開發商Clir Renewables，推出一套程式，這套程式可偵測葉片的結冰程度，透過瞭解葉片結冰狀況，計算對風力機發電效率的影響。該公司利用大數據採集方法，透過數學演算，進一步掌握發電效率的曲線，操作人員透過曲線方程式以及結冰狀態即可掌握發電效率狀態。
 

除了應用無人機進行葉片表面的破損偵測及修復，2018年GE推出之葉片掃描檢測系統SABRE，則運用熱顯像及寬帶聲譜分析，偵測葉片更深層次的異常；平均每次偵測時間為15分鐘，且偵測時風力機無須停機，有效節省營運費用支出及降低能源均化成本。此技術與Anybotic的海上變電站運維檢查機器人Anymal及Span Solution開發之可取代傳統懸掛式平台來維修葉片及機艙的The Base解決方案，共同於2019年被Wind Power Monthly評為年度最佳運轉維護創新技術。
 

（二）葉片爬行器技術發展
 

為了節省人力與加速維修速度，西門子歌美颯亦與丹麥商Rope Robotics合作開發風力機葉片爬行器(Rope Robotics solution)，推出使用爬行器進行風力機葉片檢修的解決方案，從而提高維修工作整體效率、減少停機時間，並達到成本優化目的。
 

該爬行器可透過預先鋪設的繩索，由維修人員遠端控制其在葉片上移動，並監控及檢查風力機葉片狀況，另可以執行基本的維修任務，例如：清潔和拋光，如【圖3】。該葉片維修爬行器上的攝影鏡頭及感測器，可即時回饋維修人員葉片損壞情形並做出維修決定，透過程式設計切換不同的維修工具，使用機械手臂進行葉片複合材料修復，讓工作能在遠端控制下有效地進行。
 

資料來源：Wind Power monthly (2019)
圖3 西門子歌美颯與Rope Robotics合作開發葉片維修爬行器
 

此外，今(2019)年5月起英國創新局(Innovation UK)提供420萬英鎊資助為期兩年的MIMRee創新研究計畫，旨在研究極端氣候條件下的多平台檢測、維護和維修技術，開發整合「無人駕駛船」、「無人機葉片檢測」及「葉片爬行機器人」的創新風力機運維模式，預期該技術可節省離岸風場生命週期內之運維成本達2,600萬英鎊。這項創新計畫整合產官學界研發能量，整理如下【表1】：
 

資料來源：MIMRee Project/金屬中心MII- ITIS研究團隊(2019/11)
 

本計畫由Plant Integrity公司擔任主導單位，法國Thales公司開發Halcyon無人運維船、由英國Bristol大學研究無人機飛行器系統開發，以及由倫敦新創公司設計開發名為BladeBUG的葉片爬行機器人，如【圖4】。
 

資料來源：the Engineer (2019)
圖4 葉片維修爬行機器人Bladebug
 

其他軟體系統方面，則由英國Manchester大學則開發運輸、配置和葉片爬行機器人系統，而英國Royal Holloway大學則設計數據分析人機介面等。
 

該創新的運轉維護作業模式，無人機將從無人運維船起動，並在需要時進行更近距離的目視檢查，再返回船隻裝載爬行機器人，將其放置於風力機葉片上。該無人機特殊之處在於其使用的特殊攝影鏡頭，可在不停機情況下進行葉片檢查作業。
 

四、結語
 

Wood Mackenzie (2019) 報告指出，在離岸風電產業運轉維護價值鏈中，「風力機運維」為主要市場，佔比為59%，且依據GWEC統計，展望至2024年，全球離岸風力機裝置總量預計將從2018年底的23GW，成長139%達到55GW，未來運維市場規模可觀。
 

隨離岸風電產業發展漸趨成熟，以及因應未來能源均化成本(LCOE)逐年降低之趨勢，預期未來無人機與自動化設備將逐步取代人工維護作業，以有效節省維護時間並降低人工出錯機率。
 

國內部分，目前已有具備發展無人機設備的能量，關鍵在於未來需進一步與國外離岸風電業者，如風場開發商或風力機系統商，合作進行測試，以累積實績。政府亦可於2020年臺灣離岸風場規模化商轉之前，藉由提供技術輔導資源，協助我國業者搶下本地無人機運維市場先機，並切入國際供應鏈。
 

(本文作者為金屬中心執行產業技術基磐研究與知識服務計畫產業分析師)