本发明属于风电机组监测，尤其涉及一种基于图像识别的风电机组叶轮不平衡监测方法及系统。
背景技术：
1、本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。
2、随着风电快速发展，风电机组的故障也越来越多，叶片是风机吸收能量的装置，随着风电机组容量的不断增加，叶片越做越长，扫风面积、重量和转动惯量也随之增加。特别是风电机组的振动故障，将直接影响机组机械性能及寿命。而叶片作为风电机组动力来源，三叶片气动不平衡会对机组产生额外的俯仰力矩、偏航力矩等造成风机发电量的损失、风机寿命下降。
3、目前针对风力发电机组叶片不平衡的调节方案有基于激光的叶轮不平衡度测量系统、基于叶根载荷的叶轮不平衡度测量系统等。
4、基于激光的叶轮不平衡度测量系统属于线下测量系统、需要工程师实地进行停机操作，操作复杂，损失正常发电量，因此人力与时间成本大。基于叶根载荷的叶轮不平衡度测量系统需要在三只叶片叶根分别安装载荷传感器系统，传感器成本大，且不能进行在线监测，需对数据进行线下分析。
技术实现思路
1、为了解决上述背景技术中存在的至少一项技术问题，本发明提供一种基于图像识别的风电机组叶轮不平衡监测方法及系统，其对采集到的运行中叶片的图像，通过图像识别技术，获取叶片及塔筒边缘，计算相似度，进而对三叶片不平衡度进行评估，对叶轮不平衡原因进行判断之后，从而针对叶轮不平衡调整方向进行支撑。
2、为了实现上述目的，本发明采用如下技术方案：
3、本发明的第一方面提供一种基于图像识别的风电机组叶轮不平衡监测方法，包括如下步骤：
4、获取含有叶片及塔筒的图像；
5、提取图像中包含的叶片及塔筒的特征向量，基于叶片及塔筒的特征向量计算叶片的相似度，利用叶片的相似度计算结果判断叶轮的状态；
6、筛选叶轮不平衡状态对应的图像，结合训练后的桨距角状态识别模型，识别得到桨距角状态；
7、结合桨距角状态识别结果诊断叶轮不平衡产生的原因，采用对应的调整方法调整叶轮的不平衡度。
8、进一步地，所述图像中包含的叶片及塔筒的特征向量，包括叶片像素点个数、塔架像素点个数、叶尖像素点位置、叶片右底边缘坐标和塔架右边缘坐标。
9、进一步地，所述利用叶片的相似度计算结果判断叶轮的状态，包括设定一个余弦相似度的阈值用以确定判断叶片位置是否一致，若叶片的相似度低于阈值则判断为存在不平衡状态。
10、进一步地，叶片的相似度计算公式为：
11、
12、其中,a为一个叶片标准化后的特征向量，b为另一个叶片标准化后的特征向量。
13、进一步地，所述桨距角状态识别模型的训练过程包括：
14、筛选出叶片边缘首次接触画面左下角的图片；
15、对图片标注对应的桨距角状态；
16、利用卷积神经网络对预处理后的图片形成的数据库进行训练，得到初始桨距角状态识别模型；
17、利用实时数据对初始桨距角状态识别模型优化，获得桨距角状态识别模型。
18、进一步地，所述结合桨距角状态识别结果诊断叶轮不平衡产生的原因，包括：
19、若三只叶片的桨距角一致，则判断叶轮不平衡式由于叶片本身状态引起；若三只叶片的桨距角不一致，则判断为叶轮变桨系统导致。
20、进一步地，若为叶轮变桨系统导致的，则确定需调整桨角的叶片和需调整的桨角度数，基于需调整桨距角的叶片和需调整的桨距角度数调整叶轮的不平衡。
21、本发明的第二方面提供一种基于图像识别的风电机组叶轮不平衡监测系统，包括：
22、图像获取模块，其用于获取含有叶片及塔筒的图像；
23、叶轮状态判断模块，其用于提取图像中包含的叶片及塔筒的特征向量，基于叶片及塔筒的特征向量计算叶片的相似度，利用叶片的相似度计算结果判断叶轮的状态；
24、桨距角状态识别模块，其用于筛选叶轮不平衡状态对应的图像，结合训练后的桨距角状态识别模型，识别得到桨距角状态；
25、不平衡调整模块，其用于结合桨距角状态识别结果诊断叶轮不平衡产生的原因，采用对应的调整方法调整叶轮的不平衡度。
26、本发明的第三方面提供一种计算机可读存储介质。
27、一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现如上述所述的一种基于图像识别的风电机组叶轮不平衡监测方法中的步骤。
28、本发明的第四方面提供一种计算机设备。
29、一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述所述的一种基于图像识别的风电机组叶轮不平衡监测方法中的步骤。
30、与现有技术相比，本发明的有益效果是：
31、1、本发明基于现有的传感器，无需在叶片叶根安装载荷传感器系统，减小了传感器的成本，对采集到的运行中叶片的图像，通过图像识别技术，获取叶片及塔筒边缘，计算相似度，进而对三叶片不平衡度进行评估，对叶轮不平衡原因进行判断之后，从而针对叶轮不平衡调整方向进行支撑，可以在线及时排查叶轮不平衡的原因。
32、2、本发明可集成在机组已有的叶片视频净空监测设备，不仅不增加成本，且可在线监测，在监测同时可对不平衡原因进行分析，支撑现场运维，降低运维时间，提高运维效率。
33、3、基于图像的识别技术可实现数据有效且直观的复核，根据系统采集的视频，可清晰直观的判断结果是否准确。
34、本发明附加方面的优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。
1.一种基于图像识别的风电机组叶轮不平衡监测方法，其特征在于，包括如下步骤：
2.如权利要求1所述的一种基于图像识别的风电机组叶轮不平衡监测方法，其特征在于，所述图像中包含的叶片及塔筒的特征向量，包括叶片像素点个数、塔架像素点个数、叶尖像素点位置、叶片右底边缘坐标和塔架右边缘坐标。
3.如权利要求1所述的一种基于图像识别的风电机组叶轮不平衡监测方法，其特征在于，所述利用叶片的相似度计算结果判断叶轮的状态，包括设定一个余弦相似度的阈值用以确定判断叶片位置是否一致，若叶片的相似度低于阈值则判断为存在不平衡状态。
4.如权利要求1所述的一种基于图像识别的风电机组叶轮不平衡监测方法，其特征在于，叶片的相似度计算公式为：
5.如权利要求1所述的一种基于图像识别的风电机组叶轮不平衡监测方法，其特征在于，所述桨距角状态识别模型的训练过程包括：
6.如权利要求1所述的一种基于图像识别的风电机组叶轮不平衡监测方法，其特征在于，所述结合桨距角状态识别结果诊断叶轮不平衡产生的原因，包括：
7.如权利要求1所述的一种基于图像识别的风电机组叶轮不平衡监测方法，其特征在于，若为叶轮变桨系统导致的，则确定需调整桨角的叶片和需调整的桨角度数，基于需调整桨距角的叶片和需调整的桨距角度数调整叶轮的不平衡。
8.一种基于图像识别的风电机组叶轮不平衡监测系统，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7中任一项所述的一种基于图像识别的风电机组叶轮不平衡监测方法中的步骤。
10.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7中任一项所述的一种基于图像识别的风电机组叶轮不平衡监测方法中的步骤。
