風力発電は風況により負荷が変動するため、継続的な状態監視には負荷条件に依存しない異常検知手法が必要になる。しかし、風力発電は負荷変動によるデータの変化が大きく、現状では定格負荷運転のみが異常検知の対象となっている。本研究では、振動波形から作成したスペクトログラムをオートエンコーダベースの深層学習により学習し、再構成誤差を評価することで、増速機に対する負荷条件に依存しない異常検知手法を提案する。実データでの検証の結果、通常のAEと比較して、潜在空間を正則化するVAEやAE-Gradの方が高い異常検知性能を持つことを示した。更に、これら手法の性能差の要因について、潜在特徴量空間の可視化を通じて考察した。