歐妮觀測站｜全球首例　丹麥新創以無人機檢測運轉中的離岸風機葉片

編譯：全能源

專注於自主無人機與人工智慧（AI）技術的丹麥新創公司 Quali Drone，一月宣布完成重大突破，首度以無接觸無人機檢測運轉中的離岸風機葉片。

Quali Drone 與離岸風電開發商 RWE 以及多個夥伴合作執行「AQUADA-GO專案」，夥伴包括 Statkraft、TotalEnergies、丹麥科技大學（DTU）與 Energy Cluster Denmark，AQUADA-GO 專案亦獲得丹麥能源技術開發與示範計畫（EUDP）的支持。該專案致力於開發一套先進解決方案，結合最新的無人機機器視覺技術與人工智慧演算法，用於離岸風機葉片表面損傷與潛在內部裂縫的檢測，且在風機照常運轉、不需停機的情況下進行檢查。

此項創新技術先前已在陸域風場進行多次成功測試，這是首次於離岸風場進行測試，測試地點為丹麥外海的 Rødsand 2 離岸風場，由 RWE 開發的 Rødsand 2 風場自2010年開始商轉，總容量 207MW。傳統風機葉片的檢測必須在停機狀態下進行，耗時長且會造成發電損失。若能在不中斷風機運轉的狀態下進行葉片檢測，可望大幅降低停機時間。

Quali Drone 執行長 Smit 指出，這次測試成功顯示，使用配備可見光攝影機和一定尺寸的無人機，就可以在風機持續運轉的狀態下，自主完成風機檢測。RWE 離岸風電執行長 Utermöhlen 表示，透過無人機進行檢測，不只具成本效益、更安全且更永續，不只降低人員安全風險，還可以減少風機停機時間和運維過程中的二氧化碳排放。

無人機結合先進硬體與AI驅動的影像分析技術。其 AI 模型運用紅外線影像與深度學習來辨識葉片是否異常，並會隨著每一次的檢測資料持續學習與最佳化。無人機由丹麥科技大學風能實驗室（DTU Wind Energy）開發完成，配備包括可見光攝影機、熱成像系統與電腦視覺技術。在測試過程中，無人機近距離飛行於旋轉中的風機葉片旁，即時掃描葉片表面，以辨識潛在的表面損傷以及內部裂縫等隱性缺陷。

AI 在離岸風電運維的五種運用

在過去五年期間，風電領域的數位技術投資年均成長率達 10%。根據評估，AI在再生能源領域應用的全球市場規模預計在 2030 年將突破 750 億美元（約 2 兆 3,700 億台幣）。AI 在運維領域的運用，大致可分為以下五種：

1. 以AI驅動分析的預測性維護

傳統的運維多半依賴固定時程或在設備故障後才進行被動反應，由AI驅動的預測性維護（Predictive Maintenance）則透過持續分析風機的感測器資料，在故障發生前即辨識出可能的設備異常徵兆。相較於反應式維護，預測性維護可以在風機發生故障前最多 60 天，預測出潛在問題；且預測性維護可將運維成本降低最多達 20%。

透過先進演算法處理來自加速度計、溫度感測器、振動監測設備與油品分析系統的數據，以偵測設備運轉行為中的細微變化，進行齒輪箱、發電機與風機葉片等關鍵組件潛在問題預測，讓風場維運團隊可以在最佳天氣窗口期間安排檢修作業，並避免緊急維修。

2. 最佳化運維排程與資源配置

離岸風場運維需同時協調多項變數，包括天候條件、設備狀態、工作人員可用性、船舶運能與備品庫存等。AI 在運維場域的第二個應用制定出兼顧成本與效率的最佳維護排程。

3. 運用無人機與機器人的自動化檢測

傳統的人工檢測，需要受過專業訓練的人員在高風險環境中作業，過程既危險又耗時。AI 驅動的無人機與機器人則可提供更安全、更快速且更全面的檢測能力。

4. 強化作業人員安全與訓練

AI 驅動的數位孿生（Digital Twin）技術可建立高度逼真的模擬環境，讓維護人員在無風險的虛擬場域中演練複雜作業流程。這些模擬可重現各種情境與天候條件，提供在實際風機上難以進行的完整訓練，協助打造更安全的工作環境。

5. 持續監測促進風機效能最佳化

透過分析大量風機運轉數據，AI 可以辨識發電不佳的風機，並提出修正建議，進而最大化發電量並延長風機使用壽命。

持續的 AI 監測可及早發現效能下降問題。AI 演算法會依據風況條件，除了將單一風機的實際輸出與預期表現進行比對，也可以在整個風場範圍內進行交叉比較，以找出異常狀況。此類分析可以找出一些不易觸發傳統警報系統、卻會降低發電量的問題，例如葉片變槳角度失準等。像是英國科技公司 BitBloom 透過溫度和功率異常情況識別性能不佳的風機，讓風能產能提高 2-4%。在運維過程中導入 AI，可延長風機使用壽命最多 20%。