CN110374047B - 基于变形的拱坝运行期实时安全监控阈值确定方法 - Google Patents
基于变形的拱坝运行期实时安全监控阈值确定方法 Download PDFInfo
- Publication number
- CN110374047B CN110374047B CN201910449942.0A CN201910449942A CN110374047B CN 110374047 B CN110374047 B CN 110374047B CN 201910449942 A CN201910449942 A CN 201910449942A CN 110374047 B CN110374047 B CN 110374047B
- Authority
- CN
- China
- Prior art keywords
- deformation
- dam
- delta
- water level
- creep
- 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.)
- Active
Links
Images
Classifications
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02B—HYDRAULIC ENGINEERING
- E02B1/00—Equipment or apparatus for, or methods of, general hydraulic engineering, e.g. protection of constructions against ice-strains
-
- E—FIXED CONSTRUCTIONS
- E02—HYDRAULIC ENGINEERING; FOUNDATIONS; SOIL SHIFTING
- E02B—HYDRAULIC ENGINEERING
- E02B7/00—Barrages or weirs; Layout, construction, methods of, or devices for, making same
- E02B7/02—Fixed barrages
- E02B7/04—Dams across valleys
- E02B7/08—Wall dams
- E02B7/12—Arch dams
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
Abstract
本发明涉及基于变形的拱坝运行期实时安全监控阈值确定方法,建立反映结构主要特征的网格模型;进行变形值分离,得到水压变形分量;反馈大坝结构材料参数;进行全坝全过程仿真分析,预测拟定水位、温度、坝肩变形、徐变条件下一定时间内的大坝变形;采用仿真方法进行水位、温度、坝肩变形、徐变单因素变形影响分析,得到变形发展规律;根据实际水位、温度、坝肩变形、徐变及拟定水位、温度、坝肩变形、徐变,利用插值算法得到实际条件下大坝变形;基于监测与计算变形,确定变形允许波动范围;最终得到实时变形监控阈值。本发明准确预测大坝变形,实现物理机制良好解释,同时监控指标实时动态变化,能够实现实时精准监控。
Description
技术领域
本发明属于大坝安全运行控制领域,具体涉及一种基于变形的拱坝运行期实时安全监控阈值确定方法。
背景技术
高拱坝一般承受巨大的水推力,应力水平高,一旦出现问题对社会、生态、经济等各方面影响大,因此确保高拱坝安全正常运行是项目业主、设计、施工、科研以及国内水利水电管理部门的主要责任,是国家防洪、供水、发电、生态以及人民生命财产安全的重要保障,对于特高拱坝来说,任务尤其艰巨。拱坝运行期安全评价主要有两种方式:一是国家或行业层面定期或专门的安全检查,全面评价大坝安全性,一般5年一次,时效性差;二是大坝运营部门日常安全监控,动态分析大坝运行是否正常并就异常状态进行预警,具有良好的时效性,对于确保大坝正常运行意义重大。
混凝土坝做为一个动态变化的复杂系统,结构形式的特殊性和工作环境的复杂性,决定了大坝安全受到诸多因素的影响,同时工作性态以变形、应力、温度、渗流、渗压和开裂等多种形式表现出来。变形做为高拱坝工作性态最直观的反映,与应力应变、渗流渗压和结构开裂相互关联,大坝工作性态和安全状态的变化会在变形中反映出来。
高拱坝变形监控已建立了比较完备的方法体系,包变形监控模型和阈值确定等。变形监控模型中,统计模型、混合模型应用较为广泛,新型算法不断引进,如灰色理论、小波分析、神经网络等,上述算法计算速度快,可以实现对大坝性态的快速诊断;确定性模型基于结构仿真进行分析,具有严格的物理基准,通过反馈分析,可以得到比较准确的变形预测结果,但限于计算能力和计算速度,目前实时监控中应用较少。
现有模型概括起来有以下不足:
(1)统计模型是使用最为广泛的一种模型,是一种经验模型,缺乏物理背景和解释能力,外延性差,对于未出现过的超高超低水位或温度无法进行准确监控;
(2)基于神经网络、遗传算法等的大坝变形监控模型,与统计模型类似,同样缺乏明显的物理背景和解释,同时外延性差,还具有计算时间长的特点;
(3)混合模型和确定性模型,物理解释好,但计算复杂,普遍采用单一或者上下限的恒定监控值,实时动态监控精度不高。
现有技术有用单点或多点统计分析方法,小波分型方法或网络神经分析方法,主要是依据变形监测量,水位监测量,温度监测量,进行拟合,建立变形与水位、温度、时效等之间的数学关系。如:
Y(H,T,t)=f1(H)+f2(T)+f3(t)
式中:f1(H)、f2(T)和f3(t)分别为水位分量、温度分量和时效分量。
采用该拟合函数,根据实际水位、温度、时间等进行预测分析。
另外采用小波分析等进行分析确定,如主要步骤为:
(1)选取高坝工程中若干测点的变形监测数据,采用小波软阈值去噪法去噪;
(2)确定模型输入因子,对所选因子进行主成分分析,提取主成分;
(3)对多测点去噪后数据及各主成分进行归一化处理,分为训练样本、预测样本;
(4)依据训练样本,利用改进粒子群算法对支持向量机SVM参数C、σ进行寻优,完成对支持向量机的训练;
(5)依据预测样本,用训练好的支持向量机进行样本预测,进行模型预报效果评价。
该方法运行过程中,应用统计模型做长期预报(时间、水位、温度等)与当前样本有大幅度的外延是不合理的,同时模型缺乏物理基准,无法判断机理解释。
还有根据常规变形监控指标的计算方法,考虑参数区间不确定性,选取变形最不利工况,拟定该坝段变形安全监控指标的区间值,大坝最大变形监控指标取区间最大变形监控指标的上限值,最小变形监控指标取区间最小变形监控指标的下限值。如:
综上所述,现有技术问题包括:
(1)广泛使用的统计方法或新型算法给出的预测变形无法有效外延,即对于曾经出现过的水位、温度、坝肩变形的造成的影响可以实现短时间预测,但一旦出现超高或超低水位等,现有方法无法进行准确预测;
(2)现有混合方法或确定性方法给出的监控阈值普遍是基于极限高水位或者低水位等计算得到的恒定值,或者上下限值,与实际运行过程中的水位、温度等变化无关,无法实现精确监控。
发明内容
针对上述方法存在的不足,本发明采用全坝全过程仿真分析方法,结合深度算法或插值算法,得到大坝各个监测点变形的动态实时监控阈值,本发明的特点:准确预测大坝变形,实现物理机制良好解释,同时监控指标阈值实时动态变化,能够实现实时精准监控,对于大坝安全监控具有重要的现实意义。
具体的技术方案为:
基于变形的拱坝运行期实时安全监控阈值确定方法,包括以下步骤:
(1)对大坝结构、施工、运行、环境、监测资料进行全面分析,建立反映结构主要特征的网格模型;
(2)基于大坝变形监测资料,结合水位、温度、坝肩变形、徐变等,采用统计模型对大坝各正倒垂测点进行回归分析,得到大坝水压、温度、坝肩变形、时效等变形分量;
(3)基于水压变形分量,进行结构模量参数反演分析,得到符合实际的材料性能参数;
(4)采用上述反馈参数,基于拟定水位、温度、坝肩坝肩变形、徐变等,进行全坝全过程仿真分析,预测一定时间内的大坝变形,给出大坝所有正倒垂测点变形随时间变化,确定各点变形基准值;
(5)采用符合实际的材料性能参数,进行大坝坝面水压、库盘水压、环境温度、温度回升、坝肩变形及大坝徐变变形单因素分析,得到不同单因素作用下变形发展规律;包括不同水位下各测点变形大小,如水位变化自死水位以下20m到坝顶高程以上20m,每隔2m计算一次;环境温度自月极低温度至月极高温度,每隔2℃计算一次等;
(6)在实际运行过程中,水库水位w、温度T、坝肩变形δf、徐变cτ是持续变化的,设某时间点t时水库水位wt、环境温度Tt、坝肩变形δft、徐变cτt,对应大坝变形值应为:
δdt=f(wt,Tt,δft,cτt)
而初始预测给定的基准值对应水位是wt0、环境温度Tt0、坝肩变形δft0、徐变cτt0,对应大坝变形基准值为:
δdt0=f(wt0,Tt0,δft0,fτt0)
则初始预测基准值与实际运行过程中的基准值存在水位、温度、坝肩变形、徐变等不同导致的差异Δδ,进行修正,即:
δdt=δdt0+Δδ;
变形修正采用多维插值算法实现;设存在N个M维输入数据X及其对应输出数据Y,对每个输入数据Xi进行排序,在此基准上计算输出数据Yi,即:
根据原预测仿真时计算水位、温度、坝肩变形、徐变以及当前水位、温度、坝肩变形、徐变,采用插值函数y,综合计算得到修正值Δδ:
Δδ=y(wt0,Tt0,δft0,cτt0,wt,Tt,δft,cτ)。
(7)在变形值δdt确定后,给定各点变形允许变幅Δδdt,得到变形阈值δdt_per:
δdt_per=δdt±Δδdt
Δδdt确定方式是:基于运行期各点已有监测数据和预测数据,计算两者各个时刻偏差的平方和,得到平均偏差Δa及最大偏差Δmax,根据平均偏差与最大偏差比例r=Δa/Δmax,确定允许偏差:
Δδdt=2~3Δa或Δδdt=1~2Δmax
即在一些偶然因素影响下,大坝变形值与预测值有些偏差是正常的,但不允许超过这个区间,一旦超过,则处于异常状态,需要进行预警。
步骤2中,主要目的是取得变形分量,可采用统计方法,也可以采用神经网络等其他方法实现;
步骤4中,在大坝运行过程中,已达到过极限运行水位的情况下,也可以采用统计回归等类似方法取得变形基准值;
步骤7中变形修正方法可以采用多维插值算法,也可以采用其他类似的算法实现;
步骤8中允许偏差可以采用平均偏差或最大偏差确定,也可以采用其它类型的偏差。
本发明有益效果是:
(1)能够基于大坝变形物理机制进行变形预测,外延性能好;
(2)能够在大量仿真计算基准上实现大坝变形快速预测和给定监控值;
(3)能够根据实际情况实时动态给出监控值,实现精确监控。
附图说明
图1是本发明监控方法流程图;
图2是本发明实施例拱坝体型示意图;
图3是本发明实施例拱坝网格模型图;
图4是本发明实施例大坝实测上游水位过程线;
图5是本发明实施例大坝实测下游水位过程线;
图6是本发明实施例大坝实测温度过程线;
图7是本发明实施例正倒垂测点布置示意图;
图8是本发明实施例典型测点PL13-3变形分离曲线;
图9是本发明实施例拱坝混凝土材料分区图;
图10是本发明实施例大坝典型坝段13#坝段实测变形曲线图;
图11是本发明实施例大坝典型测点PL13-3计算变形与实测变形对比图;
图12是本发明实施例大坝典型测点PL13-3计算变形与水位关系曲线;
图13是本发明实施例大坝测点实测变形与调整变形示意图;
图14是本发明实施例典型测点PL13-3大坝实测变形与监控值对比图。
具体实施方式
下面结合附图所示对本发明进行详细说明,但应当说明的是,这些实施方式并非对本发明的限制,本领域普通技术人员根据这些实施方式所作的功能、方法、或者结构上的等效变换或替代,均属于本发明的保护范围之内。
下面以一拱坝为例,对本发明进行实例说明,采用的方法如图1所示:
实例:拱坝
步骤1,对大坝结构、施工、运行、环境、监测等各种资料进行全面分析,建立反映结构主要特征的网格模型。
拱坝体型如图2、图3所示,坝高305m,拱冠顶部厚度16m,底部厚度63m。
上、下游水位如图4、图5所示,正常水位为1880m。
多年平均温度如图6所示。
步骤2,基于大坝变形监测资料,如图7所示,结合水位、温度、坝肩变形等,采用统计模型对大坝各正倒垂测点进行回归分析,得到大坝水压、温度、坝肩变形等变形分量。
正倒垂测点布置如图7所示。
拱坝典型#13坝段的回归拟合参数如表1所示。
表1拱坝典型#13坝段的回归拟合参数
典型测点PL13-3变形分离曲线如图8所示。
步骤3,根据步骤2,基于水压变形分量,进行结构模量等参数反演分析,得到符合实际的材料性能参数。
反馈后结构模量参数如表2所示。
表2拱坝材料反演性能参数表
拱坝混凝土材料分区如图9所示。
步骤4,根据步骤3反馈的参数,基于拟定水位、温度、坝肩变形等变化情况,进行全坝全过程仿真分析,预测2019年至2024年的大坝变形,给出大坝正倒垂测点变形随时间变化,该值为基准值。
大坝实测变形曲线如图10所示。
典型测点PL13-3计算变形与实测变形曲线对比及预测变形如图11所示。
步骤5,采用符合实际的材料性能参数,进行大坝坝面水压、库盘水压、环境温度、温度回升、坝肩变形及大坝徐变变形单因素分析,得到不同单因素作用下变形发展规律,包括不同水位下各测点变形大小,水位变化自1840m开始,取1840m、1860m、1880m、1900m、1905m水位高程进行计算;环境温度自月极低温度至月极高温度,取差值-5℃、-2℃、2℃、5℃计算。
变形与水位关系曲线如图12所示。
步骤6,对大坝变形值采用多维插值算法进行变形修正。根据原预测仿真时计算水位、温度和坝肩变形以及当前水位、温度和坝肩变形,综合计算得到修正值。
大坝实测变形与调整变形示意如图13所示。
步骤7,在基准值确定后,给定各点变形允许的变化区间,波动阈值的变幅,基于运行期各点监测数据和预测数据,计算两者各个时刻的标准方差,得到平均偏差及最大偏差,在此基准上,根据平均偏差与最大偏差比例,确定允许偏差。
典型测点PL13-3实测变形与监控值对比如图14所示。
综上所述,本发明准确预测大坝变形,实现物理机制良好解释,同时监控指标实时动态变化,能够实现实时精准监控。
Claims (4)
1.基于变形的拱坝运行期实时安全监控阈值确定方法,其特征在于,包括以下步骤:
(1)对大坝资料进行全面分析,建立反映结构、材料和施工过程主要特征的网格模型;
(2)基于大坝变形监测资料,结合水位、环境温度、温度回升、坝肩变形及徐变,采用统计模型对大坝各正倒垂测点进行回归分析,得到大坝水压变形分量;
(3)基于水压变形分量,进行结构材料弹性模量参数反演分析,得到符合实际的材料性能参数;
(4)采用上述材料性能参数,基于拟定水位、环境温度、温度回升、坝肩变形、徐变,进行全坝全过程仿真分析,预测一定时间内的大坝变形,给出大坝所有正倒垂测点变形随时间变化过程,确定变形基准值;
(5)采用步骤3中反馈的材料参数,进行大坝坝面水压、库盘水压、环境温度、温度回升、坝肩变形及大坝徐变单因素影响分析,得到不同单因素作用下变形随各因素变化的发展规律;
(6)在实际运行过程中,水库水位w、温度T、坝肩坝肩变形δf、徐变cτ是持续变化的,设某时间点t时水库水位wt、环境温度Tt、坝肩变形δft、徐变cτt,对应大坝变形值δdt应为:δdt=f(wt,Tt,δft,cτt)
而第(4)中初始预测给定的变形基准值对应水位是wt0、环境温度Tt0、坝肩坝肩变形δft0、徐变cτt0,大坝变形基准值δdt0为:
δdt0=f(wt0,Tt0,δft0,cτt0)
则初始预测变形基准值与实际运行过程中的变形值存在水位、温度、坝肩变形、徐变不同导致的差异Δδ,进行修正,即:
δdt=δdt0+Δδ
(7)在大坝实际运行过程中变形值δdt确定后,给出允许上下变动范围Δδdt,确定各点变形阈值δdt_per:
δdt_per=δdt±Δδdt
其中允许变动范围确定方法为:基于运行期各点监测数据和预测数据,计算两者各个时刻偏差的平方和,得到平均偏差Δa及最大偏差Δmax,在此基准上,根据平均偏差与最大偏差比例r=Δa/Δmax,确定允许偏差:
Δδdt=2~3Δa或Δδdt=1~2Δmax
即在一些偶然因素影响下,大坝变形值与预测值有些偏差是正常的,但不允许超过这个区间,一旦超过,则处于异常状态,需要进行预警。
2.根据权利要求1所述的基于变形的拱坝运行期实时安全监控阈值确定方法,其特征在于,步骤(1)对大坝的资料进行全面分析,所述的资料包括结构、施工、运行、环境、监测资料。
3.根据权利要求1所述的基于变形的拱坝运行期实时安全监控阈值确定方法,其特征在于,步骤(5)得到不同单因素作用下变形发展规律,包括不同水位下各测点变形大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449942.0A CN110374047B (zh) | 2019-05-28 | 2019-05-28 | 基于变形的拱坝运行期实时安全监控阈值确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910449942.0A CN110374047B (zh) | 2019-05-28 | 2019-05-28 | 基于变形的拱坝运行期实时安全监控阈值确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110374047A CN110374047A (zh) | 2019-10-25 |
CN110374047B true CN110374047B (zh) | 2020-05-05 |
Family
ID=68249591
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910449942.0A Active CN110374047B (zh) | 2019-05-28 | 2019-05-28 | 基于变形的拱坝运行期实时安全监控阈值确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110374047B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111581690B (zh) * | 2020-03-31 | 2022-07-08 | 西南交通大学 | 一种地下大空间关键指标阈值确定方法及系统 |
CN111914395B (zh) * | 2020-06-30 | 2022-11-08 | 河海大学 | 一种基于arima-gc-svr的高拱坝谷幅变形预测分析方法 |
CN112200398B (zh) * | 2020-07-06 | 2024-02-02 | 水利部南京水利水文自动化研究所 | 一种重力坝安全表面变形预警方法和装置 |
CN112488466A (zh) * | 2020-11-13 | 2021-03-12 | 中国三峡建设管理有限公司 | 高拱坝安全协同评价方法、装置 |
CN112395798A (zh) * | 2020-11-30 | 2021-02-23 | 中国电建集团成都勘测设计研究院有限公司 | 拱坝结构受机理不明基础变形影响的安全性评价方法 |
CN112464570B (zh) * | 2020-12-10 | 2022-12-20 | 中国电建集团华东勘测设计研究院有限公司 | 基于bp-lstm的大坝监测物理量智能预测方法 |
CN113551716B (zh) * | 2021-09-22 | 2021-12-17 | 江西省公路工程检测中心 | 一种用于力学性能安全监测云系统的应力应变检测方法 |
CN113885596B (zh) * | 2021-10-20 | 2022-07-22 | 连云港豪瑞生物技术有限公司 | 污水处理智能监控系统 |
CN117272872B (zh) * | 2023-11-21 | 2024-01-30 | 四川大学 | 一种基于分量分离的面板堆石坝变形监测方法 |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103353295B (zh) * | 2013-05-20 | 2015-11-18 | 东南大学 | 一种精确预测大坝坝体垂直变形量的方法 |
CN104318030B (zh) * | 2014-10-31 | 2017-09-29 | 中国电建集团成都勘测设计研究院有限公司 | 基于变形等效的拱坝坝基综合变形模量自动化计算方法 |
CN109117540B (zh) * | 2018-08-02 | 2022-11-18 | 三峡大学 | 一种解决大坝混凝土力学参数反演不唯一性的概率统计分析方法 |
CN109255180B (zh) * | 2018-09-07 | 2023-05-23 | 国网湖南省电力有限公司 | 一种大坝安全监测变形极值的相似工况比对分析法 |
-
2019
- 2019-05-28 CN CN201910449942.0A patent/CN110374047B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN110374047A (zh) | 2019-10-25 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110374047B (zh) | 基于变形的拱坝运行期实时安全监控阈值确定方法 | |
CN103424654B (zh) | 一种敏感设备电压暂降敏感度的评估方法 | |
CN102890144B (zh) | 煤岩镜质组全反射率非线性优化配煤预测焦炭质量的方法 | |
CN103344530B (zh) | 一种球磨机水泥生料粉磨粒度软测量方法 | |
CN103853915A (zh) | 一种由炼焦煤非线性优化配煤预测焦炭质量的方法 | |
CN107239849A (zh) | 一种基于改进的指数平滑灰色模型电力负荷预测方法 | |
CN104915505B (zh) | 一种高浓磨浆系统输出纤维形态分布pdf建模方法 | |
Jumaev et al. | Intelligent control systems using algorithms of the entropie potential method | |
CN111604163A (zh) | 一种炼焦煤选煤厂高精度重介智能控制系统及方法 | |
Wang et al. | Determination of the minimum sample size for the transmission load of a wheel loader based on multi-criteria decision-making technology | |
CN108154266B (zh) | 一种含风电电力系统经济调度方法 | |
CN109032117A (zh) | 基于arma模型的单回路控制系统性能评价方法 | |
CN111340269B (zh) | 用于流程工业过程的实时优化方法 | |
CN102799151B (zh) | 一种基于统计分类的冶金煤气系统实时平衡调整方法 | |
CN102722754B (zh) | 焦化行业基于专家系统的煤气动态平衡调度方法及系统 | |
Ji et al. | Application of the improved the ELM algorithm for prediction of blast furnace gas utilization rate | |
Xie et al. | Determination of Monitoring Control Value for Concrete Gravity Dam Spatial Deformation Based on POT Model. | |
CN117212050A (zh) | 一种风电机组净空预测控制方法 | |
CN105278333B (zh) | 超超临界机组协调控制系统的数据建模方法和系统 | |
CN110807511A (zh) | 粗糙集理论-循环神经网络模型结构 | |
CN113111588B (zh) | 一种燃气轮机nox排放浓度预测方法及装置 | |
CN114896777A (zh) | 基于灰色理论通过电机温度和负载对电机寿命预测的方法 | |
TWI426370B (zh) | 太陽光電模組陣列之最大功率追蹤方法 | |
Jin et al. | A causal model-based scheduling approach for coke oven gas system in steel industry | |
CN103135444A (zh) | 一种钢铁生产能耗免疫预测控制模型 |
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 |