日本新能源产业技术综合开发机构(NEDO)与东京大学和产业技术综合研究所合作，共同开发了利用风力发电机的状态监测数据和人工智能(AI)来预测故障的技术。日本国内的风力发电机经常因零部件故障和事故而停止运转，与海外的风力发电机相比，运转时间比较短，不过现已确认，利用此次的开发成果能大幅缩短发电机停止运转的时间，可将风力发电的设备利用率由21%提高至23%。

研究人员首先对实际的风力发电机实施了轴承损伤恶化实验，确认了从最初出现损伤到最终发生故障这一期间的振动情况的变化，并利用东京大学和产业技术综合研究所拥有的AI技术，探讨了分析风力发电机用CMS数据的方法。最终开发出了可检测大型零部件(主轴・增速器轴承)的异常迹象的技术，这种技术以前被认为很难实现。另外，利用零部件损伤进展模型，还成功开发出了诊断预测的技术。研究人员利用这些技术，在日本国内的43架风力发电机上进行了验证，确认能够在决定更换零部件的1～3个月前便可检测出异常迹象，异常检出率达到约90%。利用此技术，能大幅缩短设备停止运转的时间，从而提高风力发电设备的利用率。

图1：利用CMS数据检测故障

此外，研究人员还详细调查并分析了风力发电机的实际运转情况，获得了此前无法收集的风力发电机的相关运转信息，并对数据进行了整理。根据这些数据，开发了应用IT技术的平板电脑信息存储装置 “SMS(Smart Maintenance System)平台”。利用这个平台的机制进行现场作业后确认，维护作业的效率得到提高，设备检查时间最大可缩短40%。

图2：SMS平台