CN109255180A - 一种大坝安全监测变形极值的相似工况比对分析法 - Google Patents
一种大坝安全监测变形极值的相似工况比对分析法 Download PDFInfo
- Publication number
- CN109255180A CN109255180A CN201811041493.8A CN201811041493A CN109255180A CN 109255180 A CN109255180 A CN 109255180A CN 201811041493 A CN201811041493 A CN 201811041493A CN 109255180 A CN109255180 A CN 109255180A
- Authority
- CN
- China
- Prior art keywords
- operating condition
- extreme value
- dam
- similar operating
- safety monitoring
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Alarm Systems (AREA)
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
本发明公开了一种大坝安全监测变形极值的相似工况比对分析法,包括:采集大坝安全监测测点变形数据;建立统计模型,将统计模型中自变量各分量进行数据标准化预处理;采用相似度函数对温度分量和水位分量的相似程度进行整体度量,然后计算以极值工况为参考的相似度,当相似度大于设定的阈值时,则判定为极值的相似工况;依据相似工况,获取该工况下测点的各分量及整体的变形数据,并与极值工况进行比对分析,进而判断大坝是否安全。本发明可以在出现变形极值的工况下,利用统计模型快速匹配极值中的温度和水位作用下的相似工况,为及时评估、预测大坝性态、发现异常迹象、有效监控大坝安全提供重要依据。
Description
技术领域
本发明属于大坝安全监测技术领域,具体涉及一种大坝安全监测变形极值的相似工况比对分析法。
背景技术
大坝安全不仅关系到水电厂的安全生产而且还直接影响到下游人民的生命财产安全。大坝安全监测作为大坝安全“耳目”的大坝观测,是及时判断大坝是否安全的最主要的手段。而大坝安全监测的变形数据分析是其中的重要环节,是及时评估、预测大坝性态、发现异常迹象、有效监控大坝安全的重要依据。
以往研究对极值现象关注较多,分析方法除设备、观测误差外,一般着眼于同期相关值、回归模型的误差统计分析等等,回归模型的误差统计分析较为成熟,但同期相关值分析方法存在以下问题:1)极值的同期值假定了数据在同一个周期即一年,存在相似的变化规律,然而同期值中的温度分量和水位分量可能存在较大的差异。2)若测点存在时效变形等因素,则难以匹配与极值相似的值,使得对比分析的难度较大。
针对上述问题,有必要提供一种大坝安全监测变形极值的相似工况比对分析法来解决此问题。
发明内容
本申请旨在至少解决现有技术中存在的技术问题之一。为此,本发明的目的之一在于提供一种大坝安全监测变形极值的相似工况比对分析法。该方法对极值的异常分析提供了一种新的有效途径,为及时评估、预测大坝性态、发现异常迹象、有效监控大坝安全提供重要依据。
为解决上述技术问题,本发明采用如下技术方案:
一种大坝安全监测变形极值的相似工况比对分析法,其特征在于,包括如下步骤:
S 1:采集大坝安全监测测点变形数据;
S2:依据S 1步骤中的测点变形数据建立统计模型,统计模型的自变量包括温度分量、水位分量和时效分量,因变量为测点的变形,其中,统计模型中自变量各分量需进行数据标准化预处理;
S3:采用相似度函数对S2步骤的温度分量和水位分量的相似程度进行整体度量,然后计算以极值工况为参考的相似度,当相似度大于设定的阈值时,则判定为极值的相似工况;
S4:依据S3步骤中的相似工况,获取该工况下测点的各分量及整体的变形数据,并与极值工况进行比对分析,进而判断大坝是否存在异常。
进一步的,S1步骤的变形数据通过监测仪器或人工观测得到。
进一步的,大坝的变形监测项目至少包括垂线、沉陷和挠度。
进一步的,S2步骤中采用直线型方法、折线型方法或曲线型方法对分量进行数据标准化预处理。
进一步的,所述温度因子由气温、库水温或太阳辐射等效温度中的一种或多种为自变量构成的函数。
进一步的,所述水位因子为上游水位和/或下游水位构成的函数。
进一步的,所述时效因子为时间构成的函数。
进一步的,温度分量δT采用气温构成的函数,取气温当天、前1-7天、8-15天、15-30天、31-60天、60-90天的平均温度,分别表示为T0、T1-7、T8-15、T15-30、T31-60、T60-90;水位分量δH采用上游水位构成的函数,取4次多项式,分别表示为H、H2、H3、H4;时效分量包括时间构成的函数,取t+ln(1+t),t为距离起始时间的天数,模型所有分量的标准化预处理均采用最大最小极值法。
进一步的,相似度函数s取值如下:
s=1-[(δT-δT ref)2+(δH-δH ref)2]/max[(δT-δT ref)2+(δH-δH ref)2]
其中:δT=a0T0+a1T1-7+a2T8-15+a3T15-30+a4T31-60+a5T60-90,δH=b0H+b1H2+b2H3+b4H4,δT ref,δH ref为极值工况下的温度分量和水位分量,a0、a1、a2、a3、a4、a5、b0、b1、b2、b4均为模型拟合系数,拟合系数的获取采用多元线性回归的方式取得。
与现有技术相比,本发明的有益效果在于:1)可以在出现变形极值的工况下,利用统计模型快速匹配极值中的温度和水位作用下的相似工况,为及时评估、预测大坝性态、发现异常迹象、有效监控大坝安全提供重要依据。2)将时效分量独立出来,以便分析不可逆变形造成的影响。
附图说明
图1为本发明的流程图;
图2为本发明预测值与测点实测值的过程线对比图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,本发明提供一种大坝安全监测变形极值的相似工况比对分析法,包括如下步骤:
步骤1:采集大坝安全监测测点变形数据,一般为同一监测项目的多个测点。
其中,大坝的变形监测项目至少包括垂线、沉陷、挠度等,分别用于测量大坝水平位移、大坝垂直位移、大坝挠度变形等,变形数据通过监测仪器或人工观测得到。
其中,本实施例中采用某拱坝2006/1/1-2014/1/1期间的某个测点的垂线数据进行说明。其他可行的实施例中,也可包括其它类型测点。获取测点的测值为在大坝设置监测仪器或人工观测,其中监测仪器和人工观测的测点位置设置在大坝的坝中、坝肩、坝顶、坝基等关键部位。
步骤2:依据步骤1中的测点变形数据建立统计模型,统计模型的自变量包括温度分量、水位分量、时效分量,因变量为测点的变形,统计模型中自变量各分量需进行数据标准化预处理。
其中,温度分量包括气温、库水温或太阳辐射等效温度等数据构成的函数,一般为三角函数或不同时段的平均值。水位分量包括上游水位和/或下游水位等构成的函数,一般为n次多项式,n为3或4。时效分量包括时间构成的函数,一般可取线性函数、对数函数、指数函数等。对分量进行数据标准化预处理的方式有多种,如直线型方法(如极值法、标准差法)、折线型方法(如三折线法)、曲线型方法(如半正态性分布),均为现有公知技术在此不再赘述。
实施例中,温度分量δT采用气温构成的函数,取气温当天、前1-7天、8-15天、15-30天、31-60天、60-90天的平均温度,分别表示为T0、T1-7、T8-15、T15-30、T31-60、T60-90;水位分量δH采用上游水位构成的函数,取4次多项式,分别表示为H、H2、H3、H4;时效分量包括时间构成的函数,取t+ln(1+t),t为距离起始时间的天数。模型所有分量的标准化预处理均采用最大最小极值法,即新数据=(原数据-最小值)/(最大值-最小值)。
步骤3:采用相似度函数对步骤2的温度分量和水位分量的相似程度进行整体度量,然后计算以极值工况为参考的相似度,当相似度大于设定的阈值时,则判定为极值的相似工况。
实施例中,相似度函数s取值如下:
s=1-[(δT-δT ref)2+(δH-δH ref)2]/max[(δT-δT ref)2+(δH-δH ref)2]
其中:δT=a0T0+a1T1-7+a2T8-15+a3T15-30+a4T31-60+a5T60-90,δH=b0H+b1H2+b2H3+b4H4,δT ref,δH ref为极值工况下的温度分量和水位分量,a0、a1、a2、a3、a4、a5、b0、b1、b2、b4均为模型拟合系数,拟合系数的获取采用多元线性回归的方式。其中,相似度函数和相似度的阈值均是人为给定的,本实施例设定阈值为0.97。
步骤4:依据步骤3中的相似工况,获取该工况下测点的各分量及组合情况下的变形数据,并与极值工况进行比对分析。
其中,相似工况条件下,温度和水位对变形影响是否存在较大差异是极值异常判定的重要依据,而时效分量主要用于分析大坝不可逆的变形,需要单独进行对比,统计模型能有效拟合实测值。
实施例中,分别将温度分量、水位分量、温度分量+水位分量、时效分量、温度分量+水位分量+时效分量(模拟预测值)、测点实测值变形数据等等与极值工况进行了对比分析,具体结果见表1。统计模型预测值与测点实测值的过程线对比见图2,统计模型与实测值的相关系数为0.96,标准差为0.206mm,模型能够满足要求。
由表1可知,2007/2/25日期的工况与极值工况相似度最高,但其温度和水位分量均偏小,两者之和仅为3.66,且其时效分量较小,故最终模型预测值和测点实测值均较小。相似度排第二的日期为2013/3/12,分析可知,虽然其水位分量偏小,但温度分量偏大,两者之和仅为4.11,最接近极值工况的4.18,且其时效分量与极值工况相等,故最终模型预测值和测点实测值均最接近极值工况。分析各分量值可知,极值工况的各分量均不为最大值,但是组合却达到了最大值。由相似工况日期可知,传统的同期相关值比对分析方法并不能有效寻找极值的相似工况,同时未能将时效分量单独分离出来,最终导致漏掉了一些具有分析价值的相似工况数据。
本发明提供的一种基于统计模型的大坝安全监测变形极值数据的相似工况比对分析法,弥补了同期相关值极值比对分析方法的不足,从而为大坝安全监测的变形极值数据分析方法提供了一种新的思路,为及时评估、预测大坝性态、发现异常迹象、有效监控大坝安全提供重要依据。
表1极值的相似工况分析结果表
上述实施例仅仅是清楚地说明本发明所作的举例,而非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里也无需也无法对所有的实施例予以穷举。而由此所引申出的显而易见的变化或变动仍处于本发明的保护范围之中。
Claims (9)
1.一种大坝安全监测变形极值的相似工况比对分析法,其特征在于,包括如下步骤:
S1:采集大坝安全监测测点变形数据;
S2:依据S1步骤中的测点变形数据建立统计模型,统计模型的自变量包括温度分量、水位分量和时效分量,因变量为测点的变形,其中,统计模型中自变量各分量需进行数据标准化预处理;
S3:采用相似度函数对S2步骤的温度分量和水位分量的相似程度进行整体度量,然后计算以极值工况为参考的相似度,当相似度大于设定的阈值时,则判定为极值的相似工况;
S4:依据S3步骤中的相似工况,获取该工况下测点的各分量及整体的变形数据,并与极值工况进行比对分析,进而判断大坝是否存在异常。
2.根据权利要求1所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:S1步骤的变形数据通过监测仪器或人工观测得到。
3.根据权利要求2所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:大坝的变形监测项目至少包括垂线、沉陷和挠度。
4.根据权利要求1-3任一项所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:S2步骤中采用直线型方法、折线型方法或曲线型方法对分量进行数据标准化预处理。
5.根据权利要求4所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:所述温度因子由气温、库水温或太阳辐射等效温度中的一种或多种为自变量构成的函数。
6.根据权利要求5所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:所述水位因子为上游水位和/或下游水位构成的函数。
7.根据权利要求6所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:所述时效因子为时间构成的函数。
8.根据权利要求7所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:温度分量δT采用气温构成的函数,取气温当天、前1-7天、8-15天、15-30天、31-60天、60-90天的平均温度,分别表示为T0、T1-7、T8-15、T15-30、T31-60、T60-90;水位分量δH采用上游水位构成的函数,取4次多项式,分别表示为H、H2、H3、H4;时效分量包括时间构成的函数,取t+ln(1+t),t为距离起始时间的天数,模型所有分量的标准化预处理均采用最大最小极值法。
9.根据权利要求8所述的大坝安全监测变形极值的相似工况比对分析法,其特征在于:相似度函数s取值如下:
s=1-[(δT-δT ref)2+(δH-δH ref)2]/max[(δT-δT ref)2+(δH-δH ref)2]
其中:δT=a0T0+a1T1-7+a2T8-15+a3T15-30+a4T31-60+a5T60-90,δH=b0H+b1H2+b2H3+b4H4,δT ref,δH ref为极值工况下的温度分量和水位分量,a0、a1、a2、a3、a4、a5、b0、b1、b2、b4均为模型拟合系数,拟合系数的获取采用多元线性回归的方式取得。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811041493.8A CN109255180B (zh) | 2018-09-07 | 2018-09-07 | 一种大坝安全监测变形极值的相似工况比对分析法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811041493.8A CN109255180B (zh) | 2018-09-07 | 2018-09-07 | 一种大坝安全监测变形极值的相似工况比对分析法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109255180A true CN109255180A (zh) | 2019-01-22 |
CN109255180B CN109255180B (zh) | 2023-05-23 |
Family
ID=65047114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811041493.8A Active CN109255180B (zh) | 2018-09-07 | 2018-09-07 | 一种大坝安全监测变形极值的相似工况比对分析法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109255180B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110210154A (zh) * | 2019-06-10 | 2019-09-06 | 水利部交通运输部国家能源局南京水利科学研究院 | 利用大坝安全监测测点数据判断测点表征大坝性态相似度的方法 |
CN110321635A (zh) * | 2019-07-03 | 2019-10-11 | 浙江广川工程咨询有限公司 | 一种水闸表面变形疑值的识别方法 |
CN110374047A (zh) * | 2019-05-28 | 2019-10-25 | 中国水利水电科学研究院 | 基于变形的拱坝运行期实时安全监控阈值确定方法 |
CN110728397A (zh) * | 2019-09-26 | 2020-01-24 | 河海大学 | 一种基于模型自动匹配的大坝单测点阈值计算方法 |
CN111177218A (zh) * | 2019-12-25 | 2020-05-19 | 深圳市东深电子股份有限公司 | 一种基于大数据分析的大坝安全分析方法 |
CN111580098A (zh) * | 2020-04-29 | 2020-08-25 | 深圳大学 | 一种桥梁形变监测方法、终端以及存储介质 |
CN112833852A (zh) * | 2021-02-26 | 2021-05-25 | 西安热工研究院有限公司 | 一种用于拟定水电站混凝土大坝变形安全监控指标的方法 |
CN115615488A (zh) * | 2022-10-14 | 2023-01-17 | 中国科学院西北生态环境资源研究院 | 一种寒区水库大坝安全监测系统及方法 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206173888U (zh) * | 2016-08-25 | 2017-05-17 | 高亚平 | 一种渠道防渗结构或大坝护坡面板的单向排水装置 |
CN108053082A (zh) * | 2018-01-05 | 2018-05-18 | 国网湖南省电力有限公司 | 基于温度区间分解的电网中长期负荷预测方法 |
-
2018
- 2018-09-07 CN CN201811041493.8A patent/CN109255180B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN206173888U (zh) * | 2016-08-25 | 2017-05-17 | 高亚平 | 一种渠道防渗结构或大坝护坡面板的单向排水装置 |
CN108053082A (zh) * | 2018-01-05 | 2018-05-18 | 国网湖南省电力有限公司 | 基于温度区间分解的电网中长期负荷预测方法 |
Non-Patent Citations (4)
Title |
---|
张强勇等: "重力坝变形统计回归分析模型及工程应用", 《人民黄河》 * |
李剑龙: "浅议大坝的安全监测", 《黑龙江科技信息》 * |
李珍照等: "混凝土坝变形极值的计算机仿真分析", 《水电站设计》 * |
阎朝辉: "大坝安全监测数据超历史极值情况分析判断方法", 《科技创业家》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110374047A (zh) * | 2019-05-28 | 2019-10-25 | 中国水利水电科学研究院 | 基于变形的拱坝运行期实时安全监控阈值确定方法 |
CN110210154A (zh) * | 2019-06-10 | 2019-09-06 | 水利部交通运输部国家能源局南京水利科学研究院 | 利用大坝安全监测测点数据判断测点表征大坝性态相似度的方法 |
CN110210154B (zh) * | 2019-06-10 | 2022-11-22 | 水利部交通运输部国家能源局南京水利科学研究院 | 利用大坝测点数据判断测点表征大坝性态相似度的方法 |
CN110321635A (zh) * | 2019-07-03 | 2019-10-11 | 浙江广川工程咨询有限公司 | 一种水闸表面变形疑值的识别方法 |
CN110728397B (zh) * | 2019-09-26 | 2021-03-02 | 河海大学 | 一种基于模型自动匹配的大坝单测点阈值计算方法 |
CN110728397A (zh) * | 2019-09-26 | 2020-01-24 | 河海大学 | 一种基于模型自动匹配的大坝单测点阈值计算方法 |
CN111177218A (zh) * | 2019-12-25 | 2020-05-19 | 深圳市东深电子股份有限公司 | 一种基于大数据分析的大坝安全分析方法 |
CN111177218B (zh) * | 2019-12-25 | 2022-08-30 | 深圳市东深电子股份有限公司 | 一种基于大数据分析的大坝安全分析方法 |
CN111580098A (zh) * | 2020-04-29 | 2020-08-25 | 深圳大学 | 一种桥梁形变监测方法、终端以及存储介质 |
CN111580098B (zh) * | 2020-04-29 | 2021-07-06 | 深圳大学 | 一种桥梁形变监测方法、终端以及存储介质 |
CN112833852A (zh) * | 2021-02-26 | 2021-05-25 | 西安热工研究院有限公司 | 一种用于拟定水电站混凝土大坝变形安全监控指标的方法 |
CN115615488A (zh) * | 2022-10-14 | 2023-01-17 | 中国科学院西北生态环境资源研究院 | 一种寒区水库大坝安全监测系统及方法 |
CN115615488B (zh) * | 2022-10-14 | 2024-01-23 | 中国科学院西北生态环境资源研究院 | 一种寒区水库大坝安全监测系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109255180B (zh) | 2023-05-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109255180A (zh) | 一种大坝安全监测变形极值的相似工况比对分析法 | |
US9239760B2 (en) | Systems and methods for detecting, correcting, and validating bad data in data streams | |
CN109193650B (zh) | 一种基于高维随机矩阵理论的电网薄弱点评估方法 | |
Cai et al. | A novel importance sampling method of power system reliability assessment considering multi-state units and correlation between wind speed and load | |
US11397208B2 (en) | Infrared zero value diagnosis method and system for porcelain insulator string | |
CN110059845B (zh) | 基于时序演化基因模型的计量装置时钟误差趋势预测方法 | |
CN112100713A (zh) | 一种基于变间距栅格的索力自动识别方法 | |
Wang et al. | Statistical analysis of low-occurrence strong wind speeds at the pedestrian level around a simplified building based on the Weibull distribution | |
CN104239739A (zh) | 一种雷电流幅值概率分布函数的分段拟合方法与系统 | |
CN108985546A (zh) | 一种考虑天气因素的电力变压器时变停运风险评估方法 | |
CN109507972A (zh) | 基于分层式非高斯监测算法的工业生产过程故障监测方法 | |
CN109145257B (zh) | 一种基于多测点公共异常时间的大坝安全监测分析方法 | |
Xiao-fei et al. | Power system load forecasting by improved principal component analysis and neural network | |
JP2010239782A (ja) | 自然エネルギー発電出力変動の分析方法、分析プログラム及び推定方法 | |
CN107092793B (zh) | 一种输电线路沿线降雨响应程度计算方法及其系统 | |
CN104680010A (zh) | 一种汽轮机组稳态运行数据筛选方法 | |
CN116961226A (zh) | 一种变电站中变压器的监控方法和系统 | |
CN116307886A (zh) | 一种企业生产状态的实时监测方法及装置 | |
CN110926651A (zh) | 一种配电柜检测方法与装置 | |
CN112685912B (zh) | 一种多元广义Wiener过程性能退化可靠性分析方法 | |
CN108345573B (zh) | 用于汽轮机高压缸胀差测量探头的胀差确定函数计算方法 | |
CN107958288A (zh) | 一种基于案例推理的汽轮机加热器故障诊断方法 | |
CN105740603A (zh) | 一种确定系统云化故障概率分布变化趋势的方法 | |
CN110658385A (zh) | 一种基于复化梯形法的用电量分类计量方法 | |
CN108764624A (zh) | 一种工作人员工作饱和程度分析方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |