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

      研究人員首先對(duì)實(shí)際的風(fēng)力發(fā)電機(jī)實(shí)施了軸承損傷惡化實(shí)驗(yàn)，確認(rèn)了從最初出現(xiàn)損傷到最終發(fā)生故障這一期間的振動(dòng)情況的變化，并利用東京大學(xué)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(fēng)力發(fā)電機(jī)用CMS數(shù)據(jù)的方法。最終開發(fā)出了可檢測(cè)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(rèn)為很難實(shí)現(xiàn)。另外，利用零部件損傷進(jìn)展模型，還成功開發(fā)出了診斷預(yù)測(cè)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(fēng)力發(fā)電機(jī)上進(jìn)行了驗(yàn)證，確認(rèn)能夠在決定更換零部件的1～3個(gè)月前便可檢測(cè)出異常跡象，異常檢出率達(dá)到約90%。利用此技術(shù)，能大幅縮短設(shè)備停止運(yùn)轉(zhuǎn)的時(shí)間，從而提高風(fēng)力發(fā)電設(shè)備的利用率。

      此外，研究人員還詳細(xì)調(diào)查并分析了風(fēng)力發(fā)電機(jī)的實(shí)際運(yùn)轉(zhuǎn)情況，獲得了此前無法收集的風(fēng)力發(fā)電機(jī)的相關(guān)運(yùn)轉(zhuǎn)信息，并對(duì)數(shù)據(jù)進(jìn)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(chǔ)裝置 “SMS(Smart Maintenance System)平臺(tái)”。利用這個(gè)平臺(tái)的機(jī)制進(jìn)行現(xiàn)場(chǎng)作業(yè)后確認(rèn)，維護(hù)作業(yè)的效率得到提高，設(shè)備檢查時(shí)間最大可縮短40%。