本发明涉及光伏设备领域，具体为一种光伏设备的故障自动识别方法及系统。
背景技术：
1、随着无人或者少人值守光伏电站的推进，要求机器人除了日常的巡检工作外，还要能够及时的处理一些电站的突发情况或者相关维护等，比如设备表面灰尘的清理或者灭火工作等。
2、目前往往通过机器人和云台相机组合实现对电站的监控，但是二者均有一定的缺陷，机器人由于需要充电和数量较少的原因无法实现对特定区域的24小时监控，而云台相机虽然能够满足24小时监控，但是其位置难以挪动，因此当设备因故障而出现火灾时，可能因该设备被其他设备遮挡，从而使云台相机在识别到因故障而出现的火灾烟雾时，难以准确识别到出现故障的设备和其位置信息，并难以及时发送位置信息给进行处理的机器人，因此，导致进行处理的机器人难以及时准确的到达出现故障的设备的位置，从而容易使险情扩大。
技术实现思路
1、针对现有技术的不足，本发明提供了一种光伏设备的故障自动识别方法及系统，解决了当光伏电站中因故障而出现火灾烟雾的设备被其他设备遮挡时，相机可能难以准确获知出现故障的设备和位置的问题。
2、为实现上述目的，本发明提供如下技术方案：
3、一种光伏设备的故障自动识别方法，该方法包括如下步骤：
4、s1、分别获取对应光伏电站同一区域的若干个包含当前时刻的第一图像和第二图像，并将第一图像和第二图像标记为初始图像；
5、s2、将初始图像进行噪声过滤以获得灰度图像，并根据对比周期从灰度图像中提取若干个对比图像，并根据若干个对比图像中运动目标的规则度和面积增长率识别出烟雾特征；
6、s3、建立当前时刻的对比图像中的烟雾特征轮廓线的最小凸多边形，并将凸多边形标记为标准烟雾特征；
7、s4.根据当前时刻对比图像中的标准烟雾特征，提取烟雾骨架，并计算标准烟雾特征沿烟雾骨架的烟雾宽度，并计算烟雾宽度为0处的烟雾源头的坐标；
8、s5、设定距离阈值，并判断是否存在与烟雾源头的距离在距离阈值内的光伏设备；
9、若是，则将该光伏设备标记为故障设备，并输出该故障设备坐标后结束；
10、若否，则进入步骤s6；
11、s6、根据烟雾骨架上各点的坐标和光伏电站的三维地形图预测烟雾骨架与地面的交点坐标，并将与该交点坐标距离最近的若干个光伏设备标记为故障设备，并输出该故障设备的坐标。
12、作为优选，在步骤s2中，具体包括如下步骤：
13、s21、将若干个初始图像转化为灰度图像，并去除当前灰度图像中的噪声；
14、s22、设置对比周期，并从若干个灰度图像中获取图像生成时间为对比周期的灰度图像，并将其标记为对比图像；
15、s23、识别对比图像中的运动目标并将其标记为可疑目标；
16、s24、获取可疑目标的轮廓长度和面积，并计算其规则度；规则度的计算公式为：
17、
18、上式中，n表示规则度，c表示可疑目标的轮廓长度，s表示可疑目标的面积；
19、s25、根据可疑目标在若干个对比图像中的面积计算其面积增长率；面积增长率的计算公式为：
20、
21、上式中，δsi表示可疑目标在第i个对比图像中相比较于上一相邻时刻的对比图像的面积增长率，si表示可疑目标在第i个对比图像中的面积，si-1表示可疑目标在第i-1个对比图像中的面积，第i-1个对比图像在第i个对比图像上一相邻时刻；
22、s26、根据当前时刻的对比图像中可疑目标的规则度是否大于规则度阈值，且各个对比图像的面积增长率均大于0，判断可疑目标是否为烟雾特征；
23、若是，则可疑目标是烟雾特征；
24、若否，则可疑目标不是烟雾特征。
25、作为优选，在步骤s21中，具体包括如下步骤：
26、s211、将若干个初始图像转化为灰度图像；
27、s212、设置像素值变化阈值，并分别以各个灰度图像在同一像素点的像素值为中值，建立大小为像素值变化阈值的像素值区间；
28、s213、根据若干个灰度图像中同一像素点的像素值，分别统计各像素值区间所包含的像素值个数；
29、s214、根据像素值区间内的像素值个数，计算各灰度图像同一像素点对像素值的贡献系数；贡献系数的计算公式为：
30、
31、上式中，表示第i个灰度图像同一像素点对像素值的贡献系数，ni表示第i个灰度图像中同一像素点所对应像素值区间内的像素值个数，m表示同一像素点所对应像素值区间的总数，也即用于计算的灰度图像的数量；
32、s215、根据各灰度图像同一像素点对像素值的贡献系数更新当前灰度图像中任一像素点的像素值，以获得第一灰度图像，m表示用于计算的灰度图像的数量；
33、
34、上式中，i0表示更新后的当前灰度图像中任一像素点的像素值，表示第i个灰度图像中任一像素点对像素值的贡献系数，ii表示第i个灰度图像中相对应像素点的像素值，m表示用于计算的灰度图像的数量。
35、作为优选，在步骤s3中，具体包括如下步骤：
36、s31、在烟雾特征轮廓线上任一像素点处建立长度为额定长度的切线段，切线段以该像素点为中心，切线段的长度在设置时，需要以不贯穿烟雾特征轮廓线两侧的长度为宜；
37、s32、根据切线段是否位于烟雾特征内，判断与该切线段相对应的像素点是否为内圆弧点；
38、若是，则与该切线段相对应的像素点是内圆弧点；
39、若否，则与该切线段相对应的像素点是外圆弧点；
40、s33、将相邻的若干个内圆弧点所在轮廓线标记为内圆轮廓线，将相邻的若干个外圆弧点所在轮廓线标记为外圆轮廓线；
41、s34、依次获取与各内圆轮廓线相邻的两个外圆轮廓线，并建立与两个外圆轮廓线均相切的第一邻接线；
42、s35、将仅与一个外圆轮廓线相邻的内圆轮廓线两端通过第二邻接线连接；
43、s36、提取第一邻接线、第二邻接线和烟雾特征轮廓线所围成的区域面积最大的轮廓线，以获得最小凸多边形，并将最小凸多边形作为标准烟雾特征。
44、作为优选，在步骤s4中，具体包括如下步骤：
45、s41、提取标准烟雾特征的烟雾骨架；
46、s42、分别获取用于拍摄当前时刻两幅对比图像的拍摄设备坐标、镜头偏转角度和视角，以生成设备数据；
47、s43、根据海拔建立高度线，并标记烟雾骨架上各点的高度；
48、s44、根据设备数据、烟雾骨架上各点的高度和当前时刻的两幅对比图像计算烟雾骨架上各点的坐标；
49、s45、计算标准烟雾特征在烟雾骨架上各像素点处的宽度；
50、s46、根据标准烟雾特征在烟雾骨架上各像素点处的宽度变化率，识别标准烟雾特征上的异常像素点并去除，以获得第一烟雾特征；
51、s47、根据第一烟雾特征和烟雾骨架上各点处的宽度，预测宽度为0时，烟雾骨架所对应的像素点坐标，即为烟雾源头的坐标。
52、作为优选，在步骤s44中，具体包括如下步骤：
53、s441、根据设备数据建立两个拍摄设备之间的第一连接线；
54、s442、建立拍摄设备镜头和烟雾骨架上任一高度像素点的第二连接线；
55、s443、计算第二连接线和拍摄设备镜头法向线在水平面上投影的第一水平夹角；第一水平夹角的计算公式为：
56、
57、上式中，α1表示第一水平夹角，δn表示烟雾骨架上任一高度像素点距离对比图像中心垂线的像素点数量，n0为对比图像中任一行的像素点的数量，α0表示拍摄设备的视角；
58、s444、根据镜头偏转角度获取拍摄设备镜头法向线与第一连接线在水平面上投影的第二水平夹角；
59、s445、根据第二水平夹角和第一水平夹角计算第二连接线和第一连接线在水平面上投影的第三水平夹角；第三水平夹角的计算公式为：
60、α3＝α1+α2
61、上式中，α3表示第三水平夹角，α1和α2分别表示第一水平夹角和第二水平夹角，当第二连接线所对应烟雾骨架上像素点位于镜头法向线上靠近另一拍摄设备一侧时，将第一水平夹角的数值取相反数；
62、s446、根据第三水平夹角和第一连接线计算烟雾骨架上各点的坐标。
63、作为优选，在步骤s446中，具体包括如下步骤：
64、s4461、将拍摄设备和烟雾骨架上任一高度的像素点投影到水平面上；
65、s4462、将两个拍摄设备在水平面上的投影点分别标记为a点和b点，将烟雾骨架上任一高度的像素点在水平面上的投影点标记为c点，将与a点正对的第二连接线标记为线段a，将与b点正对的第二连接线标记为线段b，将第一连接线标记为线段c；
66、s4463、计算烟雾骨架上与投影点相对应的像素点坐标；烟雾骨架上与投影点c相对应的像素点坐标满足如下关系式：
67、
68、上式中，表示顶点a处的夹角，即为顶点a处的第三水平夹角，表示顶点b处的夹角，即为顶点b处的第三水平夹角，ax和ay分别为a点的x轴坐标和y轴坐标，bx和by分别为b点的x轴坐标和y轴坐标，cx和cy分别为c点的x轴坐标和y轴坐标，a、b和c分别为线段a、线段b和线段c的长度，h0表示烟雾骨架上与投影点c相对应的像素点高度，cz表示该像素点的z轴坐标。
69、作为优选，在步骤s45中，具体包括如下步骤：
70、s451、建立与烟雾骨架上各点切线垂直的径向线；
71、s452、获取径向线与标准烟雾特征的轮廓线相交的两个交点的坐标，两个交点分别位于烟雾骨架两侧，且与径向线的垂直距离最小；
72、s453、根据两个交点的坐标计算标准烟雾特征在烟雾骨架上各点处的宽度；宽度的计算公式为：
73、
74、上式中，w表示烟雾骨架上任一点处的宽度，ex、ey和ez分别表示径向线与标准烟雾特征的轮廓线相交的其中一个交点的x坐标、y坐标和z坐标，dx、dy和dz分别表示径向线与标准烟雾特征的轮廓线相交的其中一个交点的x坐标、y坐标和z坐标。
75、作为优选，在步骤s46中，具体包括如下步骤：
76、s461、计算烟雾骨架上任一像素点处的宽度相对于高度较低一侧相邻像素点处的宽度的宽度变化率；宽度变化率的计算公式为：
77、
78、上式中，δwi表示烟雾骨架上任一像素点处的宽度相对于高度较低一侧相邻像素点处的宽度的宽度变化率，wi和wi-1分别表示烟雾骨架上任一像素点处的宽度和位于其高度较低一侧相邻像素点处的宽度；
79、s462、删除宽度变化率大于宽度变化率阈值的烟雾骨架上像素点所对应的标准烟雾特征上的像素点，以获得第一烟雾特征。
80、该技术方案还提供了一种用于实现光伏设备的故障自动识别方法的系统，该系统包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现所述的光伏设备的故障自动识别方法。
81、与现有技术相比，本发明提供了一种光伏设备的故障自动识别方法及系统，具备以下有益效果：
82、1、本发明为了去除初始图像中户外复杂的背景图像，利用规则度和面积增长率实现对烟雾特征的进一步识别，之后为了方便建立规则的烟雾骨架，提取烟雾特征轮廓线的最小凸多边形以获得标准烟雾特征，从而通过建立烟雾骨架和计算标准烟雾特征在烟雾骨架上任一像素点处的烟雾宽度，通过烟雾宽度来和烟雾骨架来推算烟雾源头，从而根据烟雾源头来输出与其距离较近的若干个设备，以识别出故障设备和其坐标，并输出供机器人快速到达相应位置进行处理。
83、2、本发明通过设置对比周期以提取对比图像，能够根据烟雾的形态变化周期，更好的将烟雾特征与对比图像中的其他特征进行区分，并进一步通过计算规则度和面积增长率的方式，更好的将烟雾特征进行识别。
84、3、本发明通过在烟雾特征轮廓线上任一像素点处建立长度为额定长度的切线段，以实现分辨内圆弧点和外圆弧点的目的，进而实现将烟雾特征轮廓线分割为若干个内圆轮廓线和外圆轮廓线的目的，从而通过建立第一邻接线和第二邻接线最终提取出最小凸多边形，以获得形状相对规则的标准烟雾特征。
85、4.本发明为了方便计算标准烟雾特征上像素点的坐标，通过建立烟雾骨架，以海拔为参照物，并通过建立三角形来计算烟雾骨架上各点的坐标，从而以烟雾骨架来反映烟雾的流动方向，更加清晰。
86、5.本发明通过计算烟雾宽度，并结合烟雾骨架，以烟雾宽度的宽度变化率来判断出异常像素点，从而识别出烟雾被设备遮挡的位置，从而剔除其对于计算烟雾源头的影响，从而能够更加准确的计算出烟雾源头的坐标，从而识别出被遮挡的出现故障的设备和设备坐标。
1.一种光伏设备的故障自动识别方法，其特征在于，该方法包括如下步骤：
2.根据权利要求1所述的识别方法，其特征在于，在步骤s2中，具体包括如下步骤：
3.根据权利要求2所述的识别方法，其特征在于，在步骤s21中，具体包括如下步骤：
4.根据权利要求1所述的识别方法，其特征在于，在步骤s3中，具体包括如下步骤：
5.根据权利要求1所述的识别方法，其特征在于，在步骤s4中，具体包括如下步骤：
6.根据权利要求5所述的识别方法，其特征在于，在步骤s44中，具体包括如下步骤：
7.根据权利要求6所述的识别方法，其特征在于，在步骤s446中，具体包括如下步骤：
8.根据权利要求5所述的识别方法，其特征在于，在步骤s45中，具体包括如下步骤：
9.根据权利要求1所述的识别方法，其特征在于，在步骤s46中，具体包括如下步骤：
10.一种用于实现上述权利要求1-9任一项所述的识别方法的识别系统，其特征在于，包括处理器和存储器，所述存储器用于存储计算机程序，所述计算机程序被所述处理器执行时实现如权利要求1至9任一项所述的光伏设备的故障自动识别方法。
