【技术实现步骤摘要】
本专利技术涉及新能源，更具体的说是涉及一种基于风机识别模型的风机功率估测方法及系统。
技术介绍
1、随着经济快速发展，新能源逐渐成为不可再生资源的替代品，风能作为可再生能源中的重要组成部分，在全球能源结构中占据了越来越重要的地位。风力发电通过风机将风的动能转换为电能，其中风机功率的估测对于优化能源分配、提高风力发电效率以及确保电网稳定运行至关重要。
2、风机功率的估测依赖于风速，传统方法通过风速传感器对风速进行测量，然而有些风机场选址无法直接使用风速传感器，缺乏实时风速数据导致风机功率准确性下降，难以确保能源的有效利用和电网的稳定运行。
3、因此，如何提出一种基于风机识别模型的风机功率估测方法及系统，能够在降低运维成本的同时实现自动化风机功率估测，是本领域技术人员亟需解决的问题。
技术实现思路
1、有鉴于此，本专利技术提供了一种基于风机识别模型的风机功率估测方法及系统，基于yolov10算法框架、多尺度注意力机制以及图像处理算法，实现低成本识别风机和估测风机当前运行功率。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、一方面，本专利技术公开一种基于风机识别模型的风机功率估测方法，包括以下步骤：
4、采集风机图像数据并对所述风机图像数据进行标注，构建风机识别数据集；
5、构建风机识别模型，所述风机识别模型在yolov10网络框架中加入多尺度注意力机制网络；
6、利用所述风机识别数据集训练所述
7、根据所述语义识别结果为风机赋予id并检测风机边缘，追踪风机扇叶运动轨迹，得到风机转动的角速度；
8、所述角速度结合风机的尖速比反推风速，根据所述风速进行风机功率的估测。
9、优选的，所述yolov10网络框架包括依次连接的骨干网络、颈部网络和头部网络；
10、所述多尺度注意力机制网络应用于所述头部网络和所述颈部网络。
11、优选的，所述多尺度注意力机制网络包括依次连接的特征提取模块、注意模块、检测模块。
12、优选的，利用所述风机识别数据集训练所述风机识别模型，包括：
13、所述风机识别数据集中包括人工标注的真实框，计算所述真实框与所述风机识别模型输出的检测框的交并比；
14、设置阈值，将交并比超过阈值的检测框输入第二阶段；若交并比均未超过阈值，则将最大的交并比对应的检测框输入第二阶段；所述第二阶段采用非极大抑制算法消除多余检测框得到最终检测结果框；
15、通过比较最终检测结果框与真实框的坐标数据，建立关系式，使得输出的检测结果框坐标数据等于真实结果框的坐标数据。
16、优选的，根据光流金字塔方法来追踪风机扇叶的旋转过程，获取风机扇叶的运动轨迹；
17、所述语义识别结果包括语义框，在所述语义框的1/3处设定一条虚拟线，所述虚拟线用于捕捉风机扇叶在旋转过程中通过所述虚拟线的时间差t和扇叶在所述时间差t内经过的角度θ；
18、所述角速度ω的计算公式如下：
19、
20、优选的，尖速比λ的计算公式为：
21、
22、式中，r为风机叶片的旋转半径，为固定参数；vω为风速。
23、优选的，风机功率p的估测公式如下：
24、p＝0.5×ρ×a×v3ω×cp；
25、式中，ρ为空气密度；a为风机的扫掠面积，a＝πr2；cp为风机功率系数。
26、另一方面，本专利技术还公开一种基于风机识别模型的风机功率估测系统，用于实现上述风机功率估测方法，包括：
27、数据处理模块，采集风机图像数据并对所述风机图像数据进行标注，构建风机识别数据集；
28、模型构建模块，构建风机识别模型，所述风机识别模型在yolov10网络框架中加入多尺度注意力机制网络；
29、训练及输出模块，利用所述风机识别数据集训练所述风机识别模型，并将实时风机图像数据输入训练好的风机识别模型，得到语义识别结果；
30、角速度计算模块，根据所述语义识别结果为风机赋予id并检测风机边缘，追踪风机扇叶运动轨迹，得到风机转动的角速度；
31、风机功率估测模块，所述角速度结合风机的尖速比反推风速，根据所述风速进行风机功率的估测。
32、经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种基于风机识别模型的风机功率估测方法及系统，基于yolov10算法框架、多尺度注意力机制构建风机识别模型，利用风机识别模型自动化监控风机识别，并且通过角速度和尖速比反推风速，进而实时估测风机功率，适用于无法直接使用风速传感器的场景。本专利技术能够提升运维效率，延长了设备寿命，降低了维护成本，提高设备安全性，避免在恶劣天气条件下运维人员的危险操作。
本文档来自技高网...【技术保护点】
1.一种基于风机识别模型的风机功率估测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于风机识别模型的风机功率估测方法，其特征在于，所述YOLOv10网络框架包括依次连接的骨干网络、颈部网络和头部网络；
3.根据权利要求2所述的一种基于风机识别模型的风机功率估测方法，其特征在于，所述多尺度注意力机制网络包括依次连接的特征提取模块、注意模块、检测模块。
4.根据权利要求1所述的一种基于风机识别模型的风机功率估测方法，其特征在于，利用所述风机识别数据集训练所述风机识别模型，包括：
5.根据权利要求1所述的一种基于风机识别模型的风机功率估测方法，其特征在于，根据光流金字塔方法来追踪风机扇叶的旋转过程，获取风机扇叶的运动轨迹；
6.根据权利要求5所述的一种基于风机识别模型的风机功率估测方法，其特征在于，尖速比λ的计算公式为：
7.根据权利要求6所述的一种基于风机识别模型的风机功率估测方法，其特征在于，风机功率P的估测公式如下：
8.一种基于风机识别模型的风机功率估测系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于风机识别模型的风机功率估测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于风机识别模型的风机功率估测方法，其特征在于，所述yolov10网络框架包括依次连接的骨干网络、颈部网络和头部网络；
3.根据权利要求2所述的一种基于风机识别模型的风机功率估测方法，其特征在于，所述多尺度注意力机制网络包括依次连接的特征提取模块、注意模块、检测模块。
4.根据权利要求1所述的一种基于风机识别模型的风机功率估测方法，其特征在于，利用所述风机识别...
【专利技术属性】
技术研发人员：杨明祥，王民凯，王贺佳，董宁澎，桂云鹏，张宇，
申请(专利权)人：中国水利水电科学研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。