一种故障地形识别方法和相关装置与流程

1.本技术涉及风力发电技术领域，特别是涉及一种故障地形识别方法和相关装置。


背景技术：

2.风力发电是新能源中的重要组成部分，而风力发电主要依靠安装在全球各地的风力发电机来进行。其中，地形对环境中的风力情况有着显著的影响，部分特殊的地形可能会导致风力发电机出现运行故障。因此，为了保障风力发电机的稳定运行，在选择风力发电机的建造地址时需要考虑所处地区的地形会不会造成风力发电机运行故障。
3.在相关技术中，对于地形的识别主要是依据人工经验来进行，例如人眼观察是否存在陡峭地形、是否有障碍物等，这种识别方式严重依赖相关人员的经验，受主观影响较大，识别准确度较低。


技术实现要素：

4.为了解决上述技术问题，本技术提供了一种故障地形识别方法，处理设备可以对故障地形图像进行聚类分析，从中确定出代表故障地形图像来用于对待识别地形进行故障分析，提高了故障地形识别的准确度和识别效率。
5.本技术实施例公开了如下技术方案：
6.第一方面，本技术实施例公开了一种故障地形识别方法，所述方法包括：
7.获取故障地形图像集合，所述故障地形图像集合中的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像；
8.确定所述多个故障地形图像分别对应的地形特征；
9.根据所述地形特征对所述多个故障地形图像进行聚类，得到多个故障地形图像聚类簇；
10.确定各个故障地形图像聚类簇分别对应的代表故障地形图像；
11.获取待识别地形对应的待识别图像；
12.根据所述代表故障地形图像与所述待识别图像之间的相似度，确定所述待识别地形是否属于故障地形。
13.在一种可能的实现方式中，所述确定所述多个故障地形图像分别对应的地形特征，包括：
14.根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型；
15.通过所述地形特征提取模型确定所述多个故障地形图像分别对应的地形特征。
16.在一种可能的实现方式中，所述多个故障地形图像中包括目标地形图像，所述根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型，包括：
17.通过所述初始地形特征提取模型中的编码模块确定所述目标地形图像对应的待定地形特征；
18.通过所述初始地形特征提取模型中的解码模块，确定所述待定地形特征对应的待定地形图像；
19.根据所述待定地形图像和所述目标地形图像之间的差异，调整所述编码模块对应的模型参数；
20.根据调整后的所述编码模块确定所述地形特征提取模型。
21.在一种可能的实现方式中，所述方法还包括：
22.对所述多个故障地形图像进行图像增强处理，得到所述多个故障地形图像分别对应的增强图像，所述增强处理用于在保留地形特征的基础上改变所述故障地形图像的图像画面；
23.所述根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型，包括：
24.根据所述故障地形图像集合和增强处理后的所述多个故障地形图像，训练初始地形特征提取模型，得到地形特征提取模型。
25.在一种可能的实现方式中，所述增强处理包括旋转处理、翻转处理、加噪处理、模糊处理中的任意一种或多种的组合。
26.在一种可能的实现方式中，所述获取故障地形图像集合，包括：
27.确定故障风力发电机对应的位置信息和故障扇区，所述故障扇区为所述故障风力发电机的故障所对应的扇区；
28.根据所述位置信息和所述故障扇区，确定所述故障地形图像集合。
29.在一种可能的实现方式中，所述方法还包括：
30.确定所述代表故障地形图像中，与所述待识别图像相似度最高的目标代表故障地形图像；
31.根据所述目标代表故障地形图像对应的地形模型，确定所述待识别图像所对应地形的风力参数。
32.第二方面，本技术实施例公开了一种故障地形识别装置，所述装置包括第一获取单元、第一确定单元、聚类单元、第二确定单元、第二获取单元和第三确定单元：
33.所述第一获取单元，用于获取故障地形图像集合，所述故障地形图像集合中的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像；
34.所述第一确定单元，用于确定所述多个故障地形图像分别对应的地形特征；
35.所述聚类单元，用于根据所述地形特征对所述多个故障地形图像进行聚类，得到多个故障地形图像聚类簇；
36.所述第二确定单元，用于确定各个故障地形图像聚类簇分别对应的代表故障地形图像；
37.所述第二获取单元，用于获取待识别地形对应的待识别图像；
38.所述第三确定单元，用于根据所述代表故障地形图像与所述待识别图像之间的相似度，确定所述待识别地形是否属于故障地形。
39.在一种可能的实现方式中，所述第一确定单元具体用于：
40.根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型；
41.通过所述地形特征提取模型确定所述多个故障地形图像分别对应的地形特征。
42.在一种可能的实现方式中，所述多个故障地形图像中包括目标地形图像，所述第一确定单元具体用于：
43.通过所述初始地形特征提取模型中的编码模块确定所述目标地形图像对应的待定地形特征；
44.通过所述初始地形特征提取模型中的解码模块，确定所述待定地形特征对应的待定地形图像；
45.根据所述待定地形图像和所述目标地形图像之间的差异，调整所述编码模块对应的模型参数；
46.根据调整后的所述编码模块确定所述地形特征提取模型。
47.在一种可能的实现方式中，所述装置还包括增强单元：
48.所述增强单元，用于对所述多个故障地形图像进行图像增强处理，得到所述多个故障地形图像分别对应的增强图像，所述增强处理用于在保留地形特征的基础上改变所述故障地形图像的图像画面；
49.所述第一确定单元具体用于：
50.根据所述故障地形图像集合和增强处理后的所述多个故障地形图像，训练初始地形特征提取模型，得到地形特征提取模型。
51.在一种可能的实现方式中，所述增强处理包括旋转处理、翻转处理、加噪处理、模糊处理中的任意一种或多种的组合。
52.在一种可能的实现方式中，所述第一获取单元具体用于：
53.确定故障风力发电机对应的位置信息和故障扇区，所述故障扇区为所述故障风力发电机的故障所对应的扇区；
54.根据所述位置信息和所述故障扇区，确定所述故障地形图像集合。
55.在一种可能的实现方式中，所述装置还包括第四确定单元和第五确定单元：
56.所述第四确定单元，用于确定所述代表故障地形图像中，与所述待识别图像相似度最高的目标代表故障地形图像；
57.所述第五确定单元，用于根据所述目标代表故障地形图像对应的地形模型，确定所述待识别图像所对应地形的风力参数。
58.第三方面，本技术实施例公开了一种计算机设备，所述设备包括处理器以及存储器：
59.所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；
60.所述处理器用于根据所述程序代码中的指令执行第一方面中所述的故障地形识别方法。
61.第四方面，本技术实施例公开了一种计算机可读存储介质，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行第一方面中所述的故障地形识别方法。
62.由上述技术方案可以看出，为了能够准确的进行故障地形识别，可以先获取故障地形图像集合，该故障地形图像集合中的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像。在确定多个故障地形图像分别对应的地形特征后，可以根据地形特征
对多个故障地形图像进行聚类，得到多个故障地形图像聚类簇，然后确定各个故障地形图像聚类簇分别对应的代表故障地形图像，该代表故障地形图像能够体现出各个故障地形类型下的故障地形特点。从而，在进行故障地形识别时，可以确定待识别图像与代表故障地形图像之间的相似度，通过该相似度来确定与待识别图像对应的待识别地形是否为故障地形，从而可以基于大量的真实故障地形图像来对故障地形进行合理识别，降低了对人为经验的需求，提高了故障地形识别的准确度和合理性。
附图说明
63.为了更清楚地说明本技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
64.图1为本技术实施例提供的一种故障地形识别方法的流程图；
65.图2为本技术实施例提供的一种故障地形识别方法的示意图；
66.图3为本技术实施例提供的一种故障地形识别方法的示意图；
67.图4为本技术实施例提供的一种故障地形识别方法的示意图；
68.图5为本技术实施例提供的一种故障地形识别方法的示意图；
69.图6为本技术实施例提供的一种故障地形识别方法的示意图；
70.图7为本技术实施例提供的一种故障地形识别方法的示意图；
71.图8为本技术实施例提供的一种故障地形识别方法的示意图；
72.图9为本技术实施例提供的一种实际应用场景中故障地形识别方法的示意图；
73.图10为本技术实施例提供的一种实际应用场景中故障地形识别方法的示意图；
74.图11为本技术实施例提供的一种故障地形识别装置1100的结构框图。
具体实施方式
75.下面结合附图，对本技术的实施例进行描述。
76.在风电场中，机组位置处的地形往往会一定程度上影响机组的正常运行，如，出现3p振动机组的扇区前方一定距离内大概率存在障碍物。
77.在相关技术中，为了预估地形对风力发电机运行的影响，可以构建该地形对应的地形模型来计算对应的风力参数。在前期的地形构造过程中，特殊地形的构造往往过于简单突兀，如构建二维余弦型山脊、三维圆形山峰时，这些构建的地形不能很好的匹配现场的真实场景。同时，相关技术中过于依赖人为经验对地形的判断，导致对故障地形判断的主观性过高，难以得到准确的地形判断结果。
78.为了解决上述技术问题，本技术提供了一种故障地形识别方法，处理设备可以对故障地形图像进行聚类分析，从中确定出代表故障地形图像来用于对待识别地形进行故障分析，提高了故障地形识别的准确度和识别效率。
79.可以理解的是，该方法可以应用于处理设备上，该处理设备为能够进行故障地形识别的处理设备，例如可以为具有故障地形识别功能的终端设备或服务器。该方法可以通过终端设备或服务器独立执行，也可以应用于终端设备和服务器通信的网络场景，通过终
端设备和服务器配合执行。其中，终端设备可以为计算机、手机等设备。服务器可以理解为是应用服务器，也可以为web服务器，在实际部署时，该服务器可以为独立服务器，也可以为集群服务器。
80.接下来，将结合附图，对本技术实施例提供的一种故障地形识别方法进行介绍。
81.参见图1，图1为本技术实施例提供的一种故障地形识别方法的流程图，该方法包括：
82.s101：获取故障地形图像集合。
83.其中，故障地形图像集合中的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像，即该故障地形图像集合中的故障地形图像为真实发生过风力发电机故障的地形所对应的地形图像，故障地形是指容易导致在其中安装的风力发电机故障的地形。该地形图像可以为卫星拍摄的遥感测量图像、相机拍摄的图像等。
84.s102：确定多个故障地形图像分别对应的地形特征。
85.该地形特征是指故障地形在故障地形图像中所表现出的特征，例如可以为故障地形图像中的各种像素分布的特点等。通过该地形特征，能够体现出故障地形图像所对应故障地形的地形特点。
86.s103：根据地形特征对多个故障地形图像进行聚类，得到多个故障地形图像聚类簇。
87.为了能够准确、高效的对故障地形进行识别，在本技术实施例中，处理设备可以先对已经确定出的故障地形进行分类总结。处理设备可以根据地形特征对多个故障地形图像进行聚类，得到多个故障地形图像聚类簇，同一故障地形图像聚类簇中的故障地形图像具有相似的地形特征，即同一故障地形图像聚类簇所对应的故障地形为同一类故障地形。
88.s104：确定各个故障地形图像聚类簇分别对应的代表故障地形图像。
89.在对故障地形进行分类后，处理设备可以分别确定出每一个类别的故障地形图像所对应的代表故障地形图像，该代表故障地形图像能够体现出所对应类别故障地形的地形特点。由于针对每一类故障地形图像只提取一个代表故障地形图像，因此所确定出的代表故障地形图像数量较少，在基于该代表故障地形图像进行故障地形识别时，能够进行较快的图像比对，提高故障地形识别效率。
90.s105：获取待识别地形对应的待识别图像。
91.其中，待识别地形为需要进行故障地形识别的地形，待识别图像为该待识别地形对应的地形图像。在产生故障地形识别需求时，相关设备可以对该待识别地形进行图像拍摄，然后将该待识别图像发送给处理设备进行识别。s106：根据代表故障地形图像与待识别图像之间的相似度，确定待识别地形是否属于故障地形。
92.上已述及，通过该代表故障地形图像，能够体现出某一类故障地形的地形特点，因此，基于该代表故障地形图像与待识别图像之间的相似度，能够确定出该待识别地形与故障地形之间的相似程度，进而可以确定出该待识别地形是否属于某一类故障地形。
93.由上述技术方案可以看出，为了能够准确的进行故障地形识别，可以先获取故障地形图像集合，该故障地形图像集合中的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像。在确定多个故障地形图像分别对应的地形特征后，可以根据地形特征对多个故障地形图像进行聚类，得到多个故障地形图像聚类簇，然后确定各个故障地形图
像聚类簇分别对应的代表故障地形图像，该代表故障地形图像能够体现出各个故障地形类型下的故障地形特点。从而，在进行故障地形识别时，可以确定待识别图像与代表故障地形图像之间的相似度，通过该相似度来确定该待识别图像对应的待识别地形是否为故障地形，从而可以基于大量的真实故障地形图像来对故障地形进行合理识别，降低了对人为经验的需求，提高了故障地形识别的准确度和合理性。
94.在一种可能的实现方式中，为了能够确定出较为准确的地形特征，处理设备可以基于模型的方式来对图像中的地形特征进行提取。处理设备可以先根据故障地形图像集合训练初始地形特征提取模型，在该训练过程中，该初始地形特征提取模型可以学习到不同图像中的图像特征差异，进而可以学习到如何确定出能够代表整张图像特点的地形特征。通过训练可以得到地形特征提取模型，该地形特征提取模型可以用于提取图像中的地形特征。从而，处理设备可以通过该地形特征提取模型确定多个故障地形图像分别对应的地形特征。
95.其中，模型训练的方式可以包括多种，在一种可能的实现方式中，该多个故障地形图像中可以包括目标地形图像，处理设备可以先通过初始地形特征提取模型中的编码模块确定目标地形图像对应的待定地形特征，该编码模块用于提取图像对应的地形特征。
96.可以理解的是，如果一个地形特征足够准确，那么该地形特征应该能够良好的反应出整张图像的图像特点，从而，在基于该地形特征对图像进行还原时应该能够还原得到较为准确的地形图像。反之，若地形特征提取的不准确，还原得到的地形图像与原地形图像之间的差异也会较大。
97.基于此，处理设备可以通过初始地形特征提取模型中的解码模块，确定待定地形特征对应的待定地形图像，然后根据待定地形图像和目标地形图像之间的差异，调整编码模块对应的模型参数。由于该待定地形图像和目标地形图像之间的差异能够体现出该待定地形特征的准确度，因此，通过该调节方式，可以使编码模块学习到如何使待定地形图像和目标地形图像之间的差异缩小，从而学习到如何确定出准确的地形特征。
98.示例性地，如图2所示，其中，原始图像在经过编码器(encoder)的两层滤波器(filter)处理后可以确定出地形特征，该地形特征在经过解码器(decoder)的两层滤波器处理后可以确定出对应的生成图像，生成图像和原始图像之间的差异可以用来训练编码器。
99.处理设备可以根据调整后的编码模块确定地形特征提取模型，从而使该地形特征提取模型可以具有准确的地形特征提取能力。
100.为了能够进行更加准确的模型训练，在一种可能的实现方式中，处理设备可以通过对输入数据进行多种处理来扩大样本数量。
101.处理设备可以对多个故障地形图像进行图像增强处理，得到多个故障地形图像分别对应的增强图像，该增强处理用于在保留地形特征的基础上改变故障地形图像的图像画面，从而可以得到数量更多的图像样本来输入模型进行训练。其中，该增强处理可以包括旋转处理、翻转处理、加噪处理、模糊处理中任意一种或多种的组合。
102.示例性地，如图3-图7所示，展示了多种加强处理的效果。加噪处理是指在图像中添加噪音，以实现在保留图像特征的基础上改变图像的内容；模糊处理是指模糊图像中的像素构成，在保留原有像素结构的基础上改变像素所占位置。
103.处理设备可以根据故障地形图像集合和增强处理后的多个故障地形图像，训练初始地形特征提取模型，得到地形特征提取模型，从而能够根据数量更多的样本数据对模型进行训练，提高模型训练的精度。
104.在一种可能的实现方式中，在获取故障地形图像时，处理设备可以先确定故障风力发电机对应的位置信息和故障扇区，该故障风力发电机为因地形因素产生故障的风力发电机，该位置信息用于标识故障风力发电机所处位置，该故障扇区为故障风力发电机的故障所对应的扇区，即该扇区中的地形因素导致了该故障。
105.处理设备可以根据该位置信息和故障扇区，确定该故障地形图像集合。示例性地，如图8所示，处理设备可以收集存在故障的机组数据，扇区形状大小以及srtm30数据，该故障机组数据包括：机组的经纬度，故障扇区，故障类型；扇区形状大小可以包括扇区的长宽以及机组前后的长度，srtm30数据可以包括地球的遥感测量的图像库。从而，通过上述数据，可以确定出对应扇区内的地形图像作为故障地形图像。
106.上已述及，该代表故障地形图像能够体现出一类地形图像的地形特征，因此，基于该代表故障地形图像生成的地形模型能够反映出某一类地形的地形特点。基于此，在一种可能的实现方式中，处理设备可以预先生成每个代表故障地形图像对应的地形模型用于进行风力参数的计算。
107.当需要确定某一待识别地形的风力参数时，处理设备可以先确定代表故障地形图像中，与待识别图像相似度最高的目标代表故障地形图像，然后根据目标代表故障地形图像对应的地形模型，确定该待识别图像所对应地形的风力参数，从而无需针对每一个待识别地形来建立地形模型，在保障风力参数准确度的基础上提高了风力参数的确定效率。
108.为了便于理解本技术实施例提供的技术方案，接下来，将结合一种实际应用场景，对本技术实施例提供的一种故障地形识别方法进行介绍。
109.参见图9，图9为本技术实施例提供的一种实际应用场景中故障地形识别方法的示意图。
110.在获取机组数据后，处理设备可以确定出故障扇区对应的扇区地形图片作为故障地形图像，然后进行旋转、翻转、加噪音等图像增强处理。经过自动编码器(autoencoder)进行地形特征提取后，可以基于聚类算法确定出相似的故障地形图像，根据各类地形图像确定出的代表地形图像可以生成地形模型，该地形模型可以用于cfd仿真，查看风力参数的变化。
111.其中，在进行图像增强处理时，不仅可以基于单一的图像增强方式进行处理，还可以综合多种图像增强方式进行增强。参见图10，处理设备可以将提取到的原始地形图片，一次进行各组变化操作，每次操作时都会生成一个概率因子p，该概率因子用于标识与原始地形图片之间图像相似度。为了尽可能的改变图像内容，处理设备可以在p大于0.5时继续下一步操作。
112.基于上述实施例提供的一种故障地形识别方法，本技术实施例还提供了一种故障地形识别装置，参见图11，图11为本技术实施例提供的一种故障地形识别装置1100的结构框图，该装置1100包括第一获取单元1101、第一确定单元1102、聚类单元1103、第二确定单元1104、第二获取单元1105和第三确定单元1106：
113.所述第一获取单元1101，用于获取故障地形图像集合，所述故障地形图像集合中
的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像；
114.所述第一确定单元1102，用于确定所述多个故障地形图像分别对应的地形特征；
115.所述聚类单元1103，用于根据所述地形特征对所述多个故障地形图像进行聚类，得到多个故障地形图像聚类簇；
116.所述第二确定单元1104，用于确定各个故障地形图像聚类簇分别对应的代表故障地形图像；
117.所述第二获取单元1105，用于获取待识别地形对应的待识别图像；
118.所述第三确定单元1106，用于根据所述代表故障地形图像与所述待识别图像之间的相似度，确定所述待识别地形是否属于故障地形。
119.在一种可能的实现方式中，所述第一确定单元1102具体用于：
120.根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型；
121.通过所述地形特征提取模型确定所述多个故障地形图像分别对应的地形特征。
122.在一种可能的实现方式中，所述多个故障地形图像中包括目标地形图像，所述第一确定单元1102具体用于：
123.通过所述初始地形特征提取模型中的编码模块确定所述目标地形图像对应的待定地形特征；
124.通过所述初始地形特征提取模型中的解码模块，确定所述待定地形特征对应的待定地形图像；
125.根据所述待定地形图像和所述目标地形图像之间的差异，调整所述编码模块对应的模型参数；
126.根据调整后的所述编码模块确定所述地形特征提取模型。
127.在一种可能的实现方式中，所述装置还包括增强单元：
128.所述增强单元，用于对所述多个故障地形图像进行图像增强处理，得到所述多个故障地形图像分别对应的增强图像，所述增强处理用于在保留地形特征的基础上改变所述故障地形图像的图像画面；
129.所述第一确定单元1102具体用于：
130.根据所述故障地形图像集合和增强处理后的所述多个故障地形图像，训练初始地形特征提取模型，得到地形特征提取模型。
131.在一种可能的实现方式中，所述增强处理包括旋转处理、翻转处理、加噪处理、模糊处理中的任意一种或多种的组合。
132.在一种可能的实现方式中，所述第一获取单元1101具体用于：
133.确定故障风力发电机对应的位置信息和故障扇区，所述故障扇区为所述故障风力发电机的故障所对应的扇区；
134.根据所述位置信息和所述故障扇区，确定所述故障地形图像集合。
135.在一种可能的实现方式中，所述装置还包括第四确定单元和第五确定单元：
136.所述第四确定单元，用于确定所述代表故障地形图像中，与所述待识别图像相似度最高的目标代表故障地形图像；
137.所述第五确定单元，用于根据所述目标代表故障地形图像对应的地形模型，确定
所述待识别图像所对应地形的风力参数。
138.本技术实施例还公开了一种计算机设备，所述设备包括处理器以及存储器，所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器，所述处理器用于根据所述程序代码中的指令执行上述的故障地形识别方法。
139.本技术实施例还提供一种计算机可读存储介质，用于存储计算机程序，该计算机程序用于执行前述各个实施例所述的故障地形识别方法中的任意一种实施方式。
140.本领域普通技术人员可以理解：实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成，前述程序可以存储于一计算机可读取存储介质中，该程序在执行时，执行包括上述方法实施例的步骤；而前述的存储介质可以是下述介质中的至少一种：只读存储器(英文：read-only memory，缩写：rom)、ram、磁碟或者光盘等各种可以存储程序代码的介质。
141.需要说明的是，本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备及系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的设备及系统实施例仅仅是示意性的，其中作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
142.以上所述，仅为本技术的一种具体实施方式，但本技术的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本技术揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本技术的保护范围之内。因此，本技术的保护范围应该以权利要求的保护范围为准。

技术特征：
1.一种故障地形识别方法，其特征在于，所述方法包括：获取故障地形图像集合，所述故障地形图像集合中的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像；确定所述多个故障地形图像分别对应的地形特征；根据所述地形特征对所述多个故障地形图像进行聚类，得到多个故障地形图像聚类簇；确定各个故障地形图像聚类簇分别对应的代表故障地形图像；获取待识别地形对应的待识别图像；根据所述代表故障地形图像与所述待识别图像之间的相似度，确定所述待识别地形是否属于故障地形。2.根据权利要求1所述的方法，其特征在于，所述确定所述多个故障地形图像分别对应的地形特征，包括：根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型；通过所述地形特征提取模型确定所述多个故障地形图像分别对应的地形特征。3.根据权利要求2所述的方法，其特征在于，所述多个故障地形图像中包括目标地形图像，所述根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型，包括：通过所述初始地形特征提取模型中的编码模块确定所述目标地形图像对应的待定地形特征；通过所述初始地形特征提取模型中的解码模块，确定所述待定地形特征对应的待定地形图像；根据所述待定地形图像和所述目标地形图像之间的差异，调整所述编码模块对应的模型参数；根据调整后的所述编码模块确定所述地形特征提取模型。4.根据权利要求2所述的方法，其特征在于，所述方法还包括：对所述多个故障地形图像进行图像增强处理，得到所述多个故障地形图像分别对应的增强图像，所述增强处理用于在保留地形特征的基础上改变所述故障地形图像的图像画面；所述根据所述故障地形图像集合训练初始地形特征提取模型，得到地形特征提取模型，包括：根据所述故障地形图像集合和增强处理后的所述多个故障地形图像，训练初始地形特征提取模型，得到地形特征提取模型。5.根据权利要求4所述的方法，其特征在于，所述增强处理包括旋转处理、翻转处理、加噪处理、模糊处理中的任意一种或多种的组合。6.根据权利要求1所述的方法，其特征在于，所述获取故障地形图像集合，包括：确定故障风力发电机对应的位置信息和故障扇区，所述故障扇区为所述故障风力发电机的故障所对应的扇区；根据所述位置信息和所述故障扇区，确定所述故障地形图像集合。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：
确定所述代表故障地形图像中，与所述待识别图像相似度最高的目标代表故障地形图像；根据所述目标代表故障地形图像对应的地形模型，确定所述待识别图像所对应地形的风力参数。8.一种故障地形识别装置，其特征在于，所述装置包括第一获取单元、第一确定单元、聚类单元、第二确定单元、第二获取单元和第三确定单元：所述第一获取单元，用于获取故障地形图像集合，所述故障地形图像集合中的多个故障地形图像为多个故障风力发电机所处位置对应的地形图像；所述第一确定单元，用于确定所述多个故障地形图像分别对应的地形特征；所述聚类单元，用于根据所述地形特征对所述多个故障地形图像进行聚类，得到多个故障地形图像聚类簇；所述第二确定单元，用于确定各个故障地形图像聚类簇分别对应的代表故障地形图像；所述第二获取单元，用于获取待识别地形对应的待识别图像；所述第三确定单元，用于根据所述代表故障地形图像与所述待识别图像之间的相似度，确定所述待识别地形是否属于故障地形。9.一种计算机设备，其特征在于，所述设备包括处理器以及存储器：所述存储器用于存储程序代码，并将所述程序代码传输给所述处理器；所述处理器用于根据所述程序代码中的指令执行权利要求1-7中任意一项所述的故障地形识别方法。10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质用于存储计算机程序，所述计算机程序用于执行权利要求1-7中任意一项所述的故障地形识别方法。

技术总结
本申请实施例公开了一种故障地形识别方法和相关装置，为了能够准确的进行故障地形识别，可以先获取故障地形图像集合，在确定多个故障地形图像分别对应的地形特征后，可以根据地形特征对多个故障地形图像进行聚类，得到多个故障地形图像聚类簇，然后确定各个故障地形图像聚类簇分别对应的代表故障地形图像，该代表故障地形图像能够体现出各个故障地形类型下的故障地形特点。从而，在进行故障地形识别时，可以确定待识别图像与代表故障地形图像之间的相似度，通过该相似度来确定该待识别图像对应的待识别地形是否为故障地形，从而可以基于大量的真实故障地形图像来对故障地形进行合理识别，降低了对人为经验的需求，提高了故障地形识别的准确度。障地形识别的准确度。障地形识别的准确度。


技术研发人员：曹长健 李亚飞 陈雅智
受保护的技术使用者：新疆金风科技股份有限公司
技术研发日：2021.12.24
技术公布日：2023/7/13