日本新能源產(chǎn)業(yè)技術(shù)綜合開發(fā)機構(gòu)(NEDO)與東京大學和產(chǎn)業(yè)技術(shù)綜合研究所合作，共同開發(fā)了利用風力發(fā)電機的狀態(tài)監(jiān)測數(shù)據(jù)和人工智能(AI)來預(yù)測故障的技術(shù)。日本國內(nèi)的風力發(fā)電機經(jīng)常因零部件故障和事故而停止運轉(zhuǎn)，與海外的風力發(fā)電機相比，運轉(zhuǎn)時間比較短，不過現(xiàn)已確認，利用此次的開發(fā)成果能大幅縮短發(fā)電機停止運轉(zhuǎn)的時間，可將風力發(fā)電的設(shè)備利用率由21%提高至23%。

      研究人員首先對實際的風力發(fā)電機實施了軸承損傷惡化實驗，確認了從最初出現(xiàn)損傷到最終發(fā)生故障這一期間的振動情況的變化，并利用東京大學和產(chǎn)業(yè)技術(shù)綜合研究所擁有的AI技術(shù)，探討了分析風力發(fā)電機用CMS數(shù)據(jù)的方法。最終開發(fā)出了可檢測大型零部件(主軸?增速器軸承)的異常跡象的技術(shù)，這種技術(shù)以前被認為很難實現(xiàn)。另外，利用零部件損傷進展模型，還成功開發(fā)出了診斷預(yù)測的技術(shù)。研究人員利用這些技術(shù)，在日本國內(nèi)的43架風力發(fā)電機上進行了驗證，確認能夠在決定更換零部件的1～3個月前便可檢測出異常跡象，異常檢出率達到約90%。利用此技術(shù)，能大幅縮短設(shè)備停止運轉(zhuǎn)的時間，從而提高風力發(fā)電設(shè)備的利用率。

      此外，研究人員還詳細調(diào)查并分析了風力發(fā)電機的實際運轉(zhuǎn)情況，獲得了此前無法收集的風力發(fā)電機的相關(guān)運轉(zhuǎn)信息，并對數(shù)據(jù)進行了整理。根據(jù)這些數(shù)據(jù)，開發(fā)了應(yīng)用IT技術(shù)的平板電腦信息存儲裝置 “SMS(Smart Maintenance System)平臺”。利用這個平臺的機制進行現(xiàn)場作業(yè)后確認，維護作業(yè)的效率得到提高，設(shè)備檢查時間最大可縮短40%。