風力渦輪機是永續電力能源發展的重要項目，但風力渦輪機的運營和維護成本所費不貲。本集介紹一種以網站為基礎的新型態研究輔助工具「增強風力網絡的可靠性」(Wind Network for Enhanced Reliability, WinNER)-用可靠性數據來降低運營和維護成本。
各位收聽世界電力新聞週報的朋友，大家好！
風力渦輪機是永續電力能源發展的重要項目，但風力渦輪機的運營和維護成本所費不貲。本集介紹一種以網站為基礎的新型態研究輔助工具「增強風力網絡的可靠性」(Wind Network for Enhanced Reliability, WinNER)-用可靠性數據來降低運營和維護成本。
在過去二十多年裡，全球風能產業有著巨大的發展。根據美國能源部 (United States Department of Energy, DOE)的「Wind Vision」報告，美國在2000年僅有4個州安裝大約 2.5百萬瓩(Gigawatts)的風力發電機組(裝置容量)。到2022年7月底止已有36個州裝設，風電機組裝置容量飆升至超過140百萬瓩。
陸上和海上風電的未來增長預測也很強勁。美國能源部預測，到 2050年風電機組總裝置容量將超過404百萬瓩，陸上和海上風機遍布48個州。隨著風能行業不斷成熟，並為脫碳社會發揮越來越重要的作用，避免意外停電已成為優先事項。
如果說電力用於為運輸、供暖和冷卻以及不斷擴大的工業用途提供重要動力來源，那麼能夠開發出一種工具可以協助電力公司找出導致風力渦輪機意外停機發生的潛在問題，用以提高風電場和渦輪機的可靠性並主動解決這些問題便至關重要。
美國電力研究院(EPRI)首席技術負責人 Raja Pulikollu 博士說：風力發電行業面臨的挑戰，首先是風力渦輪機使用帶來的運營和維護成本增加。因此，EPRI為此類型的研究訂立兩個主要目標。「第一，是找出渦輪機故障的原因。為什麼系統會出現故障，故障模式是什麼？」「第二，是通過查看可靠性數據，幫助運營商選擇合適的主要系統和零件供應商，如葉片、變槳軸承、主軸承、齒輪箱、發電機和渦輪機型號等。」
WinNER 開發過程中的數據收集和分析已經揭示了有關渦輪機和零件可靠性的重要經驗。其中包括導致過早失效的特定因素。失效的前四個原因分別為：製造品質問題、負載設計不當(不適當的設計)、維護不足及風場變化特性無法掌握。
WinNER的研究輔助價值在於收集必要的數據，以確定渦輪葉片、主軸承和變槳軸承損壞的原因，並應用物理學理基礎開發出機器學習模型，該模型可以透過檢查歷史操作和加載週期來主動識別主要系統/零組件損壞。
WinNER工具係由EPRI開發，旨在瞭解、識別和主動解決及降低影響風力發電機組可靠性因素，以減少運維成本及非計劃性停電。這類型的風力渦輪機健康監測模型最終目的是了解導致這些故障發生的原因，先識別出這些造成風力渦輪機損壞早期階段會發生的徵兆。提早做出對應維護規劃，降低導致風力渦輪機過早失效的特定因素發生，以提升風力渦輪機的可靠性，優化風力發電的穩定性，與其先進技術共同協助電力公司邁向淨零碳排之路努力。
以上是本週世界電力新聞週報的整理報導，國際上電力的大小事，我們會持續密切關注並且跟大家分享，若喜歡我們的頻道歡迎與好朋友分享喔！我們下週再會！
風力渦輪機是永續電力能源發展的重要項目，但風力渦輪機的運營和維護成本所費不貲。本集介紹一種以網站為基礎的新型態研究輔助工具「增強風力網絡的可靠性」(Wind Network for Enhanced Reliability, WinNER)-用可靠性數據來降低運營和維護成本。
在過去二十多年裡，全球風能產業有著巨大的發展。根據美國能源部 (United States Department of Energy, DOE)的「Wind Vision」報告，美國在2000年僅有4個州安裝大約 2.5百萬瓩(Gigawatts)的風力發電機組(裝置容量)。到2022年7月底止已有36個州裝設，風電機組裝置容量飆升至超過140百萬瓩。
陸上和海上風電的未來增長預測也很強勁。美國能源部預測，到 2050年風電機組總裝置容量將超過404百萬瓩，陸上和海上風機遍布48個州。隨著風能行業不斷成熟，並為脫碳社會發揮越來越重要的作用，避免意外停電已成為優先事項。
如果說電力用於為運輸、供暖和冷卻以及不斷擴大的工業用途提供重要動力來源，那麼能夠開發出一種工具可以協助電力公司找出導致風力渦輪機意外停機發生的潛在問題，用以提高風電場和渦輪機的可靠性並主動解決這些問題便至關重要。
美國電力研究院(EPRI)首席技術負責人 Raja Pulikollu 博士說：風力發電行業面臨的挑戰，首先是風力渦輪機使用帶來的運營和維護成本增加。因此，EPRI為此類型的研究訂立兩個主要目標。「第一，是找出渦輪機故障的原因。為什麼系統會出現故障，故障模式是什麼？」「第二，是通過查看可靠性數據，幫助運營商選擇合適的主要系統和零件供應商，如葉片、變槳軸承、主軸承、齒輪箱、發電機和渦輪機型號等。」
WinNER 開發過程中的數據收集和分析已經揭示了有關渦輪機和零件可靠性的重要經驗。其中包括導致過早失效的特定因素。失效的前四個原因分別為：製造品質問題、負載設計不當(不適當的設計)、維護不足及風場變化特性無法掌握。
WinNER的研究輔助價值在於收集必要的數據，以確定渦輪葉片、主軸承和變槳軸承損壞的原因，並應用物理學理基礎開發出機器學習模型，該模型可以透過檢查歷史操作和加載週期來主動識別主要系統/零組件損壞。
WinNER工具係由EPRI開發，旨在瞭解、識別和主動解決及降低影響風力發電機組可靠性因素，以減少運維成本及非計劃性停電。這類型的風力渦輪機健康監測模型最終目的是了解導致這些故障發生的原因，先識別出這些造成風力渦輪機損壞早期階段會發生的徵兆。提早做出對應維護規劃，降低導致風力渦輪機過早失效的特定因素發生，以提升風力渦輪機的可靠性，優化風力發電的穩定性，與其先進技術共同協助電力公司邁向淨零碳排之路努力。
以上是本週世界電力新聞週報的整理報導，國際上電力的大小事，我們會持續密切關注並且跟大家分享，若喜歡我們的頻道歡迎與好朋友分享喔！我們下週再會！
