風力發電機中的塔架、葉片等大型零部件，尺寸動輒數十公尺以上，設備要價不菲且維護不易。當零部件出現問題時，可能導致機組停止運行，影響電網的安全穩定和電力用戶正常生活。因此風力發電機組的穩定運行至關重要，第一時間發現設備故障並採取對應的處理措施是延長設備使用壽命、確保機組安全運行的有效手段。現有風機葉片異音檢測須倚賴資深線上人員定期進行人工巡檢，但人工檢測有聽覺疲勞與主觀感受的問題，且巡檢作業必要時需將機組停止運作，影響綠能供電效率。目前產業需求為快速篩檢、損傷判定準確率至少80 %。

國家度量衡標準實驗室開發的「機械聲音特徵檢測技術」，將陸域風力發電機葉片作為檢測目標，在不干擾設備運轉、不需停機、不影響發電及不拆卸檢測的狀況下，對設備的健康狀態進行「快速篩檢」。以聲學感測器蒐集風機葉片運轉聲音，透過時頻分析處理與特徵擷取技術，從頻率、強度、訊噪比等參數，建立機器學習分類模型，從大量數據中學習規律，對新樣本做智慧辨識，解決人耳不穩定和頻率受限的缺點。目標在巡檢過程將異常的葉片找出，方便營運單位做進一步的設備檢修，在葉片產生不可逆的損毀前，提早安排修補工作。

一臺風機透過運轉聲音的量測，便可得知葉片健康狀態是否異常，損傷判定準確率可達90 %。此技術能導入風電廠商，提供在線式場域巡檢服務，精確診斷損壞之零組件避免過度維護所造成資源浪費跟非必要停機，確保機組正常運作，穩定風電電網供應。

目前建立機械聲音智能特徵檢測技術，先以屬於旋轉機械的風力發電機作為驗證對象，透過異音特徵檢測技術，有效辨識風機葉片損壞，完成智慧化自動檢測應用之場域驗證。未來此技術將擴展至工具機產業，根據待測設備的運轉特性調整演算法，有效找出設備運轉之聲音特徵並進行異音偵測，為智慧機械中的設備檢測技術貢獻。

技術窗口：國家度量衡標準實驗室 羅芳鈞副工程師

電話：03-5743852；Email：FangChunLo@itri.org.tw

(2023年8月20日張貼)