台電實踐能源轉型，以AI 確保再生能源的穩定供電，結合雲端 ... | 全台ATM分佈網

2021年4月5日—蔡英聖處長表示，AI的輔助及預測是落實預防性維護的關鍵，提供最佳維修時點的評估與排程。從當下放眼未來的預測能力.風場在營運期間發揮的 ...

發展再生能源已是大勢所趨，根據國際能源署（IEA）的數據，全球可再生能源發電量在 2020 年創下歷史新高，2025 年將供應全球 1/3 的電力，成為占比最高的發電來源，取代煤炭過去 50 年來的霸主地位。

而在台灣，也設下 2025 年再生能源發電占比達 20% 的目標。以風力發電為例，台電預計在 2025 年達到陸域風力 370MW、離岸風力 409MW 的開發容量目標，截至今年（2021） 1 月底為止，系統內已建置 384 部風力發電機組，其中台電佔 177 部，民營則為 207 部。

再生能源的最大挑戰就是穩定供電，台電則以科技應戰，率先在風力發電的監控維運導入 AI 應用。台灣電力公司再生能源處處長蔡英聖表示：「不同於傳統電廠的集中化模式，再生能源的分散式特性最適合與科技結合。我們希望透過 AI 的協助，將不穩定的再生能源轉變為穩定、可預期的供電生力軍。」

最佳維修時點的評估與排程

台灣有高達 98% 的能源仰賴進口，再加上本身是獨立島嶼，無法與他國大型電網連結以獲得調控彈性，能源轉型這條路走的比別人辛苦。但相較於必須進口才能取得的煤及天然氣，再生能源反而是台灣最能自給自足的燃料。

傳統電廠機組一年到頭都有例行性排修，以及充足的零件備品和 24 小時輪值的值班團隊，但再生能源如風電、光電幾乎都是大面積、分散式的建置，而且現場無人管理，再加上台電在工安面臨比民營電廠更高標準的要求，所以必須尋求更具成本效益的維運模式。

以風力發電為例，單一風機故障所影響的發電量有限，不分日夜立刻派遣人員搶修反而墊高營運成本，通常都採取遠端監控，累積到一定的故障數量再統一排程維修。此外，再生能源必須因應環境狀況來安排最佳維修時機，例如：光電的維修要在夜間進行，陸域風電如果故障則先降載，等到風力轉弱再來維修。

蔡英聖處長說：「正因為如此，預防性維護特別重要，AI 則是落實的關鍵。有了 AI 的輔助及預測，我們就能提早在最佳時機更換即將故障的零件，降低備料成本...