?日本新能源產業(yè)技術綜合開發(fā)機構(NEDO)與東京大學和產業(yè)技術綜合研究所合作，共同開發(fā)了利用風力發(fā)電機的狀態(tài)監(jiān)測數據和人工智能(AI)來預測故障的技術。日本國內的風力發(fā)電機經常因零部件故障和事故而停止運轉，與海外的風力發(fā)電機相比，運轉時間比較短，不過現已確認，利用此次的開發(fā)成果能大幅縮短發(fā)電機停止運轉的時間，可將風力發(fā)電的設備利用率由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業(yè)技術綜合研究所擁有的AI技術，探討了分析風力發(fā)電機用CMS數據的方法。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，這種技術以前被認為很難實現。另外，利用零部件損傷進展模型，還成功開發(fā)出了診斷預測的技術。研究人員利用這些技術，在日本國內的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，能大幅縮短設備停止運轉的時間，從而提高風力發(fā)電設備的利用率。

圖1：利用CMS數據檢測故障

此外，研究人員還詳細調查并分析了風力發(fā)電機的實際運轉情況，獲得了此前無法收集的風力發(fā)電機的相關運轉信息，并對數據進行了整理。根據這些數據，開發(fā)了應用IT技術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場作業(yè)后確認，維護作業(yè)的效率得到提高，設備檢查時間最大可縮短40%。

圖2：SMS平臺