本发明涉及重力储能，尤其涉及一种火车重力储能系统能量评估方法、装置、介质及设备。
背景技术：
1、随着全球经济的快速增长和人口的不断增加，交通运输业面临着巨大的挑战，其中能源问题尤为突出。火车作为重要的交通工具，其能源消耗和排放对环境有着重要影响。因此，研究和发展火车储能技术，提高能源利用效率，减少排放，成为当前的重要课题。火车储能作为重力储能的一种方式，利用山坡、废旧矿坑等场景，利用火车搬运重物，实现调峰、调频、调相、储能、系统备用等功能。作为重力储能的储能计算，是通过储能块的重力势差计算的，所有储能块的上升相对位置将计算为最终的能量存储。
2、现有技术中，可以通过拉升的钢丝绳的距离，或者重力车增加位置传感器作为计算方法。通过汇总所有储能场地的牵引钢丝绳的拉升量或重力车位置就可以获得能量存储数据。上述方法固然很好，但是很不直观，需要逐个计算统计出来，到底数据是否正确还需要其它方式进行验证；牵引钢丝绳的长度受季节温度的影响会产生变化，也会受牵引力的大小产生变化，随着时间的积累，钢丝绳弹性系数也会改变，长度会被拉长，这些情况均会造成能量计算的偏差。如果使用位置传感器，将会增加巨大的设备成本和维修成本。
3、随着人工智能的发展，算力和模型按照摩尔定律的速度在增长，可以充分利用神经网的计算模型，相对容易的对图像图形的处理能力，解决上述提到的传统上难以解决的问题，并且可以从很大程度上降低计算成本，迅速可以得出相对准确的储能能量数据，节约了设备成本和计算成本。
技术实现思路
1、基于此，有必要针对上述问题，提出了一种火车重力储能系统能量评估方法、装置、介质及终端。
2、一种火车重力储能系统能量评估方法，所述方法包括：
3、获取火车重力储能系统的全景图片。
4、在所述全景图片中设置至少三个定位点，通过所述定位点的位置对所述全景图片进行坐标矫正，并确定所述全景图片中的定位点选中区域。
5、根据深度神经网络混合架构模型确定所述定位点选中区域的重力能量块数量。
6、根据全景图片比例关系和地形参数，确定每个所述重力能量块相对于基准点的相对高度。
7、基于每个所述重力能量块的相对高度，确定所述定位点选中区域内所有重力能量块的势能总和。
8、其中，所述在所述全景图片中设置至少三个定位点，通过所述定位点的位置对所述全景图片进行坐标矫正，并确定所述全景图片中的定位点选中区域，具体包括：
9、在所述全景图片中设置至少三个定位点。
10、利用坐标变换矩阵，通过分析全景图片中所述定位点的位置，确定畸变参数。
11、根据所述畸变参数对所述全景图片进行坐标矫正。
12、根据矫正后的坐标，在所述全景图片中确定定位点选中区域。
13、其中，所述根据深度神经网络混合架构模型确定重力能量块的数量，具体包括：
14、获取当前所述定位点选中区域中包含重力能量块的数据集。
15、对每个重力能量块进行边界框和类别标注。
16、选择faster r-cnn(faster region-based convolutional network，更快的基于区域的卷积神经网络)作为基础目标检测框架，并结合特征金字塔网络、组归一化和可变形卷积网络，构建所述深度神经网络混合架构模型。
17、设置训练参数，训练所述深度神经网络混合架构模型，并利用联合损失函数进行参数优化。
18、将所述全景图片输入至训练后的所述深度神经网络混合架构模型，提取特征图。
19、在所述特征图上应用区域提议网络，生成若干个重力能量块。
20、将所述重力能量块映射到特征图上，并进行分类和边界框回归，获取每个重力能量块的边界框和类别。
21、根据所述每个重力能量块的边界框和类别，统计检测到的重力能量块的数量。
22、其中，所述根据全景图片比例关系和地形参数，确定每个重力能量块相对于基准点的相对高度，具体包括：
23、设定当前所述定位点选中区域中最低处的重力能量块的纵坐标为基准点，其初始能量为零。
24、根据全景图片比例关系，确定每一个所述重力能量块的纵坐标值。
25、根据每一个所述重力能量块的纵坐标值并结合所述地形参数，确定每个所述重力能量块相对于基准点的相对高度。
26、其中，所述基于每个所述重力能量块的相对高度，确定所述定位点定位点选中区域内所有重力能量块的势能总和，具体包括：
27、根据p＝σw*y*sin(θ)确定所述定位点选中区域内所有重力能量块的势能总和，其中，w为单个重力能量块的重量，y为重力能量块的相对高度，θ为山体斜坡的倾斜角度。
28、其中，所述基于每个所述重力能量块的坐标值，确定所述定位点定位点选中区域内所有重力能量块的势能总和之后，还具体包括：
29、将所述全景图片中每个所述定位点选中区域内的势能进行汇总，获取所述火车重力储能系统的蓄能量。
30、一种火车重力储能系统能量评估装置，所述装置包括：
31、全景图片获取模块，用于获取火车重力储能系统的全景图片。
32、坐标矫正模块，用于在所述全景图片中设置至少三个定位点，通过所述定位点的位置对所述全景图片进行坐标矫正，并确定所述全景图片中的定位点选中区域。
33、重力能量块的数量确定模块，用于根据深度神经网络混合架构模型确定所述定位点选中区域的重力能量块数量。
34、相对高度确定模块，用于根据全景图片比例关系和地形参数，确定每个所述重力能量块相对于基准点的相对高度。
35、势能确定模块，用于基于每个所述重力能量块的相对高度，确定所述定位点选中区域内所有重力能量块的势能总和。
36、其中，所述装置还包括：
37、蓄能量获取模块，用于将所述全景图片中每个所述定位点选中区域内的势能进行汇总，获取所述火车重力储能系统的蓄能量。
38、一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如上所述方法的步骤。
39、一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如上所述方法的步骤。
40、采用本发明实施例，具有如下有益效果：
41、本发明通过火车重力储能系统的全景图片，全面、直观地了解整个重力储能系统的布局和状态，进一步地，对全景图片进行坐标矫正，并结合深度神经网络混合架构模型，利用人工智能技术对图像图形的处理能力，提高重力能量块数量统计的准确性和效率，能够自动学习并识别图片中的特征，对复杂背景中的目标进行有效分割和计数，减少了人工干预和误差，大大降低计算成本，进而能够快速得出相对准确的储能能量数据。根据全景图片比例关系和地形参数，确定每个重力能量块相对于基准点的相对高度，基于每个重力能量块的相对高度，确定定位点选中区域内所有重力能量块的势能总和，是对系统储能能力的量化评估，也为系统的优化设计和运维管理提供了重要的参考依据，通过比较不同时间段或不同区域的势能总和，可以分析系统的储能效率和使用情况，为进一步提升系统性能提供数据支持。
1.一种火车重力储能系统能量评估方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种火车重力储能系统能量评估方法，其特征在于，所述在所述全景图片中设置至少三个定位点，通过所述定位点的位置对所述全景图片进行坐标矫正，并确定所述全景图片中的定位点选中区域，具体包括：
3.根据权利要求2所述的一种火车重力储能系统能量评估方法，其特征在于，所述根据深度神经网络混合架构模型确定重力能量块的数量，具体包括：
4.根据权利要求3所述的一种火车重力储能系统能量评估方法，其特征在于，所述根据全景图片比例关系和地形参数，确定每个重力能量块相对于基准点的相对高度，具体包括：
5.根据权利要求4所述的一种火车重力储能系统能量评估方法，其特征在于，所述基于每个所述重力能量块的相对高度，确定所述定位点定位点选中区域内所有重力能量块的势能总和，具体包括：
6.根据权利要求5所述的一种火车重力储能系统能量评估方法，其特征在于，所述基于每个所述重力能量块的坐标值，确定所述定位点定位点选中区域内所有重力能量块的势能总和之后，还具体包括：
7.一种火车重力储能系统能量评估装置，其特征在于，所述装置包括：
8.根据权利要求7所述的一种火车重力储能系统能量评估装置，其特征在于，所述装置还包括：
9.一种计算机可读存储介质，存储有计算机程序，所述计算机程序被处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
10.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述计算机程序被所述处理器执行时，使得所述处理器执行如权利要求1至6中任一项所述方法的步骤。
