CN111627199A - 一种水电站大坝安全监测系统及监测方法 - Google Patents
一种水电站大坝安全监测系统及监测方法 Download PDFInfo
- Publication number
- CN111627199A CN111627199A CN202010292325.7A CN202010292325A CN111627199A CN 111627199 A CN111627199 A CN 111627199A CN 202010292325 A CN202010292325 A CN 202010292325A CN 111627199 A CN111627199 A CN 111627199A
- Authority
- CN
- China
- Prior art keywords
- data
- hydropower station
- monitoring data
- monitoring
- station dam
- 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.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08C—TRANSMISSION SYSTEMS FOR MEASURED VALUES, CONTROL OR SIMILAR SIGNALS
- G08C19/00—Electric signal transmission systems
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/10—Measuring force or stress, in general by measuring variations of frequency of stressed vibrating elements, e.g. of stressed strings
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/10—Measuring force or stress, in general by measuring variations of frequency of stressed vibrating elements, e.g. of stressed strings
- G01L1/103—Measuring force or stress, in general by measuring variations of frequency of stressed vibrating elements, e.g. of stressed strings optical excitation or measuring of vibrations
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/14—Measuring force or stress, in general by measuring variations in capacitance or inductance of electrical elements, e.g. by measuring variations of frequency of electrical oscillators
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
- G01L1/20—Measuring force or stress, in general by measuring variations in ohmic resistance of solid materials or of electrically-conductive fluids; by making use of electrokinetic cells, i.e. liquid-containing cells wherein an electrical potential is produced or varied upon the application of stress
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
Abstract
本发明涉及自动化测控技术领域,具体涉及一种水电站大坝安全监测系统及监测方法。包括通过传感器单元实时采集水电站大坝各基础监测数据;通过测控装置对采集到的各基础监测数据进行集中分类读取;通过PLC控制器对分类读取后的监测数据进行可信度评估以及故障分析诊断;通过信息平台实现用户端与PLC控制器的交互。本发明可以缩短网络通讯序列,提高数据采集传输效率和可靠性,使水电站大坝的安全监测更智能、高效。
Description
技术领域
本发明涉及自动化测控技术领域,具体涉及一种水电站大坝安全监测系统及监测方法。
背景技术
水电站大坝能否安全运行不仅直接影响电厂经济效益,更与下游人民的生命财产、国民经济发展和生态环境密切相关,而工程安全监测作为评判大坝运行状态的手段就显得尤为重要。为了落实水电站大坝运行安全监督管理的相关规定,对于重要项目,应当实施自动化监测,并保证相关设施全天候连续正常工作,使大坝上级管理单位和大坝中心能够随时远程采集到数据。
随着电子技术的发展、数字通讯技术的推广应用,电力系统的工程监测自动化已全面展开。目前大坝监测项目如变形、渗流、应力应变等内观测量均实现了自动化监测,在大坝的竣工阶段就逐步实现监测系统自动化建设和集中调试。但是目前的大坝安全监测自动化系统在长期运行过程中,大多存在网络层级多、数据反馈速度慢以及数据可靠性差的问题。
发明内容
针对现有技术存在的不足,本发明提供了一种水电站大坝安全监测系统及监测方法,其应用时,可以缩短网络通讯序列,提高数据采集传输效率和可靠性,使水电站大坝的安全监测更智能、高效。
本发明所采用的技术方案为:
一种水电站大坝安全监测方法,包括以下步骤:
A、实时采集水电站大坝的各基础监测数据;
B、对采集到的各基础监测数据进行集中分类读取;
C、对分类读取后的监测数据进行可信度评估;
D、对可信度评估通过的监测数据进行故障分析诊断,得出监测结果。
作为上述技术方案的优选,在步骤A中,通过设置各类传感器对水电站大坝进行基础监测数据采集,并在步骤B中,设置测控装置对接各传感器,以按照设定频率对各传感器采集的基础监测数据进行集中分类读取。
作为上述技术方案的优选,在步骤C中,采用基于PLC测控的边缘计算方法对监测数据进行可信度评估,对评估不通过的监测数据进行剔除。
作为上述技术方案的优选,在步骤C中,对分类读取后的监测数据进行可信度评估的具体步骤包括:
S1、给定一个测量均方差σ,作为比较的基准,对分类读取后的监测数据进行采样,求出当前采样时刻的前后共N个样本点的均值,作为当前时刻采样值的希望值μ;
S2、按照正态分布计算出当前时刻样本值基于以上均方差σ和希望值μ的分布概率f(x),具体公式为:
其中,x为当前时刻的采样值;
S3、以当前时刻采样值x为中心,在设定样本片段范围内根据分布概率f(x)获得的真值出现的几率,定为该采样值x的可信度;
S4、求出当前时刻所设定样本片段的均方差σ’,设定可信度阈值,当样本片段的均方差σ’小于可信度阈值时,则判定当前时刻采样值x的可信度评估不通过,否则判定当前时刻采样值x的可信度评估通过。
作为上述技术方案的优选,在步骤D中,采用故障树分析方法对可信度评估通过的监测数据进行故障诊断分析,得出相应监测结果。
一种水电站大坝安全监测系统,包括用于实时采集水电站大坝各基础监测数据的传感器单元;用于对采集到的各基础监测数据进行集中分类读取的测控装置;用于对分类读取后的监测数据进行可信度评估以及故障分析诊断的PLC控制器;用于用户端与PLC控制器交互的信息平台。
作为上述技术方案的优选,所述传感器单元包括振弦式传感器、电阻式传感器、电感式传感器和电容式传感器,所述振弦式传感器采用双线圈的振弦式传感器,其振弦的振动频率符合:
其中,f0为初始频率,L为振弦的有效长度,σ0为振弦上的初始应力,ρ为振弦的材料密度。
作为上述技术方案的优选,所述测控装置根据PLC控制器设定的规则对传感器单元进行自适应频次的数据采集读取,以获得读取对象完整的状态变化过程。
作为上述技术方案的优选,所述PLC控制器选用OCS控制器,测控装置与PLC控制器之间通过CAN总线进行数据传输,所述PLC控制器与信息平台之间通过工业以太网进行标准协议数据传输。
作为上述技术方案的优选,所述信息平台采用C/S系统结构,包括数据访问层、业务逻辑层和表现层,通过数据访问层对接PLC控制器,采集并存储相应数据,通过业务逻辑层将信息平台中所使用的各类信息封装为不同的对象,并描述这些对象之间的逻辑关系,通过表现层与用户端进行交互,向用户提供操作的界面。
本发明的有益效果为:
本发明基于PLC控制可适应多类型传感器,获取多种所需基础监测数据,且使用PLC控制器替代传统的工控机,能够自主进行硬件、软件自诊断,实现信息远程实时采集及故障自诊断预警,同时可将常规自动化通讯网络七层级优化至四层级,缩短网络通讯序列,减少网络通讯设备和信号转换。测控装置与PLC控制器之间通过CAN总线进行数据传输,PLC控制器与信息平台之间通过工业以太网进行标准协议数据传输,实现了信息多路径实时采集传输,大大提升数据采集和传输速率,采用开放式通讯协议,实现了信息系统与现场测控装置的无缝衔接,规范了数据格式,提高了数据采集效率和传输可靠性。通过对采集数据进行可信度评估,剔除无效数据,将大大提升数据处理效率,提高监测数据的可靠性,使水电站大坝的安全监测更智能、高效。
附图说明
为了更清楚地说明本发明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发明的一些实施例,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。
图1为本发明的系统结构示意图;
图2为实施例2中现有的大坝安全数据采集系统结构示意图;
图3为实施例5中信息平台的系统结构示意图;
图4为实施例5中用户端与信息平台对接示意图;
图5为实施例6中PLC控制器的系统结构示意图。
具体实施方式
下面结合附图及具体实施例对本发明作进一步阐述。在此需要说明的是,对于这些实施例方式的说明用于帮助理解本发明,但并不构成对本发明的限定。本文公开的特定结构和功能细节仅用于描述本发明的示例实施例。然而,可用很多备选的形式来体现本发明,并且不应当理解为本发明限制在本文阐述的实施例中。
应当理解,术语第一、第二等仅用于区分描述,而不能理解为指示或暗示相对重要性。尽管本文可以使用术语第一、第二等等来描述各种单元,这些单元不应当受到这些术语的限制。这些术语仅用于区分一个单元和另一个单元。例如可以将第一单元称作第二单元,并且类似地可以将第二单元称作第一单元,同时不脱离本发明的示例实施例的范围。
应当理解,本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,单独存在B,同时存在A和B三种情况,本文中术语“/和”是描述另一种关联对象关系,表示可以存在两种关系,例如,A/和B,可以表示:单独存在A,单独存在A和B两种情况,另外,本文中字符“/”,一般表示前后关联对象是一种“或”关系。
应当理解,在本发明的描述中,术语“上”、“竖直”、“内”、“外”等指示的方位或位置关系,是该发明产品使用时惯常摆放的方位或位置关系,或者是本领域技术人员惯常理解的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。
应当理解,当将单元称作与另一个单元“连接”、“相连”或“耦合”时,它可以与另一个单元直相连接或耦合,或中间单元可以存在。相対地,当将单元称作与另一个单元“直接相连”或“直接耦合”时,不存在中间单元。应当以类似方式来解释用于描述单元之间的关系的其他单词(例如,“在……之间”对“直接在……之间”,“相邻”对“直接相邻”等等)。
在本发明的描述中,还需要说明的是,除非另有明确的规定和限定,术语“设置”、“安装”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
本文使用的术语仅用于描述特定实施例,并且不意在限制本发明的示例实施例。如本文所使用的,单数形式“一”、“一个”以及“该”意在包括复数形式,除非上下文明确指示相反意思。还应当理解术语“包括”、“包括了”、“包含”、和/或“包含了”当在本文中使用时,指定所声明的特征、整数、步骤、操作、单元和/或组件的存在性,并且不排除一个或多个其他特征、数量、步骤、操作、单元、组件和/或他们的组合存在性或增加。
还应当注意到在一些备选实施例中,所出现的功能/动作可能与附图出现的顺序不同。例如,取决于于所涉及的功能/动作,实际上可以实质上并发地执行,或者有时可以以相反的顺序来执行连续示出的两个图。
在下面的描述中提供了特定的细节,以便于对示例实施例的完全理解。然而,本领域普通技术人员应当理解可以在没有这些特定细节的情况下实现示例实施例。例如可以在框图中示出系统,以避免用不必要的细节来使得示例不清楚。在其他实施例中,可以不以非必要的细节来示出众所周知的过程、结构和技术,以避免使得示例实施例不清楚。
实施例1:
本实施例提供了一种水电站大坝安全监测方法,包括以下步骤:
A、实时采集水电站大坝的各基础监测数据;
B、对采集到的各基础监测数据进行集中分类读取;
C、对分类读取后的监测数据进行可信度评估;
D、对可信度评估通过的监测数据进行故障分析诊断,得出监测结果。
在步骤A中,通过设置各类传感器对水电站大坝进行基础监测数据采集,并在步骤B中,设置测控装置对接各传感器,以按照设定频率对各传感器采集的基础监测数据进行集中分类读取。
在步骤C中,采用基于PLC测控的边缘计算方法对监测数据进行可信度评估,对评估不通过的监测数据进行剔除。边缘计算,是指在靠近物或数据源头的一侧,采用网络、计算、存储、应用核心能力为一体的开放平台,就近提供最近端服务。其应用程序在边缘侧发起,产生更快的网络服务响应,满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。这无疑将大大提升处理效率,减轻云端的负荷。由于更加靠近用户,还可为用户提供更快的响应,将需求在边缘端解决。
在获得基础监测数据后,一个最重要的步骤就是对这些监测数据进行分析、评估,确认这些数据是否有效,无效的数据就要剔除,不能进入下一步的处理过程中。首先去除粗差,然后按照一定的判定规则(比如多次测量然后取平均值等)评估测量数据是否有效,能否表示真实的物理量,也即本次的测值是否可信,将可信度评估通过的数据,送入下一步骤进行处理,以获得最终的测量结果。
对分类读取后的监测数据进行可信度评估的具体步骤包括:
S1、给定一个测量均方差σ,作为比较的基准,对分类读取后的监测数据进行采样,求出当前采样时刻的前后共N个样本点的均值,作为当前时刻采样值的希望值μ;
S2、按照正态分布计算出当前时刻样本值基于以上均方差σ和希望值μ的分布概率f(x),具体公式为:
其中,x为当前时刻的采样值;
S3、以当前时刻采样值x为中心,在设定样本片段范围内根据分布概率f(x)获得的真值出现的几率,定为该采样值x的可信度;
S4、求出当前时刻所设定样本片段的均方差σ’,设定可信度阈值,当样本片段的均方差σ’小于可信度阈值时,则判定当前时刻采样值x的可信度评估不通过,否则判定当前时刻采样值x的可信度评估通过。
在步骤D中,采用故障树分析方法对可信度评估通过的监测数据进行故障诊断分析,得出相应监测结果。故障树分析(Fault Tree Analysis,FTA)又叫因果树分析法,它是目前国际上公认的一种简单、有效的可靠性分析和故障诊断方法。是知道系统最优化设计、薄弱环节分析和运行维修的有力工具。故障树分析法首先要在一定环境与工作条件下,找到一个系统最不希望发生的事件,通常以人们所关心的影响人员、装备使用安全和任务完成的系统故障为分析目标。再按照系统的组成、结构及功能关系,由上而下,逐层分析导致该系统故障发生的所有直接原因,并用一个逻辑门的形式将这些故障和相应的原因事件连接起来,建立分析系统的故障树模型。从而形象地表达出系统各单元故障和系统故障之间的内在逻辑因果关系,这种方法既能分析硬件本身的故障影响,又能分析人为因素、环境以及软件的影响。不仅能对故障产生的原因进行定性分析,找出导致故障的原因和原因组合,确定最小割集和最小路集,识别出系统的薄弱环节,还能进行相关评价指标的定量计算,根据各已知单元的故障分布及发生概率,求得单元概率重要度、结构重要度、关键重要度和系统失效概率等定量指标。通过故障树分析能够实时感知设备运行环境,自主进行硬件、软件自诊断,如通信控制模件故障、电源故障、数据评判异常后自动复测等,实现信息远程实时采集及设备故障自诊断预警,能显著提升智能化监控水平。
实施例2:
本实施例提供一种水电站大坝安全监测系统,如图1所示,包括用于实时采集水电站大坝各基础监测数据的传感器单元;用于对采集到的各基础监测数据进行集中分类读取的测控装置;用于对分类读取后的监测数据进行可信度评估以及故障分析诊断的PLC控制器;用于用户端与PLC控制器交互的信息平台。
PLC控制器选用OCS控制器,测控装置与PLC控制器之间通过CAN总线进行数据传输,所述PLC控制器与信息平台之间通过工业以太网进行标准协议数据传输。
如图2所示,目前大坝安全数据采集平台大多数都是采用工控机进行数据的管理,网络层级多,在实际使用过程中,工控机经常发生死机故障,每隔一段时间必须人工重新启动,耗费大量人力资源,影响数据采集效率。同时国内各厂家的测控装置其通讯协议不对外公开,且其大多采用非标协议,各厂家之间模块不能混合使用,数据格式不规范,导致数据采集效率和传输可靠性较差。而本监测系统基于PLC控制可适应多类型传感器,获取多种所需基础监测数据,且使用PLC控制器替代传统的工控机,能够自主进行硬件、软件自诊断,实现信息远程实时采集及故障自诊断预警,同时可将常规自动化通讯网络七层级优化至四层级,缩短网络通讯序列,减少网络通讯设备和信号转换。测控装置与PLC控制器之间通过CAN总线进行数据传输,PLC控制器与信息平台之间通过工业以太网进行标准协议数据传输,实现了信息多路径实时采集传输,大大提升数据采集和传输速率,采用开放式通讯协议,实现了信息系统与现场测控装置的无缝衔接,规范了数据格式,提高了数据采集效率和传输可靠性。
实施例3:
传感器单元包括振弦式传感器、电阻式传感器、电感式传感器和电容式传感器,所述振弦式传感器采用双线圈的振弦式传感器,其振弦的振动频率符合:
其中,f0为初始频率,L为振弦的有效长度,σ0为振弦上的初始应力,ρ为振弦的材料密度。
由于在该系统中振动钢弦的长度L是确定的,而在选取的时候其截面积也是确定的,因此质量和弹性模量也都随之确定。所以,振动钢弦所受应力与其共振的输出频率存在一定的比例关系。当没有对传感器施加额外的压力时,振弦则会按照现有的初始应力振动,系统测得其初始频率f0。当传感器受到需要测量的外力施加时,其形变器件会发生相应的形变从而使得振弦所受应力也相应改变Δσ,系统此时测到的传感器输出频率也相较于初始频率改变Δf0。因此,只需要通过对传感器输出的频率f的改变就能够测出传感器所受的外力大小。
振弦传感器的测量过程分为传感器激励、信号采集处理、频率评估计算三个过程。传感器的激励电压是整个测量过程的基础,其主要分为高压激励和低压扫频激励两种方式。高压激励是产生一个高压激励脉冲使振弦振动,激发时电压峰值在几十至一百多伏。低压扫频激励是根据传感器的固有频率选择合适的频率段,对传感器施加几伏低电压的频率逐渐变大的扫频脉冲串信号,当激励信号频率和钢弦固有频率相近时,即可使钢弦振动。这两种激励方式各有所长,又都有不足。高压激励易使钢弦起振,但精度低,对钢弦损伤大。低压扫频激励精度高,但扫频耗时长。结合高压激励和低压扫频两种激励方式的优点,在测量模块中设置了复合测量模式。即第一次测量采用高压激励,快速使钢弦起振,以后测量采用低压扫频方式,以获得较高的精度。
实施例4:
测控装置可根据PLC控制器设定规则对传感器单元进行自适应频次的数据采集读取,以获得读取对象完整的状态变化过程。PLC具有强大的数据运算处理和存储功能,根据测量结果对比,可实现测量频次自适应主动监测功能。当同一测量对象本身发生较大变化时,通过评判规则,能在测控装置端自动增加或减少数据采集的频次,以获得测量对象的整个变化过程曲线及加密数据,确保能完整记录测量对象的状态变化,避免常规测控装置无法记录关键监测数据及变化情况的弊端。目前采取的判定规则如下:
相邻两次采集频率为A和B,
当∣A-B∣≤10时,频次维持原频率不变;
当10<∣A-B∣<100时,频次在原有频率上增加1次;
当∣A-B∣≥100时,频次在原有频率上增加2次。
实施例5:
如图3所示,所述信息平台采用C/S系统(即Client-Server)结构,包括数据访问层、业务逻辑层和表现层,通过数据访问层对接PLC控制器,采集并存储相应数据,通过业务逻辑层将平台中所使用的各类信息封装为不同的对象,并描述这些对象之间的逻辑关系,通过表现层与用户端进行交互,向用户提供操作的界面。
信息平台设置接口程序,接口程序以动态链接库形式提供。接口程序功能:
1.与PLC通过modbus TCP和FTP协议进行数据通讯,完成数据的采集和控制功能。
2.数据采集服务执行时遇到通道(设备)占用、采集装置无应答或采集装置其他故障时需要立即返回执行结果信息。
3.实时采集:接口程序接受请求后立即执行实时测量操作,然后返回采集数据或不能采集时失败原因。
4.任务采集:接口程序提供设置采集装置定时自动测量的功能,然后开始执行定时自动测量并保存采集数据。
5.设置和查询采集装置的时钟。
6.采集装置通信检测。
7.采集装置自检。
8.PLC状态查询:提供当前的状态查询功能。
用户端与信息平台系统对接如图4所示,采集服务给出必要的输入参数定义,采集接口软件从任务或用户处取得参数并传递,采集服务返回监测数据以及任务完成(包括硬件故障)情况。远程采集以及用户通过客户端方式采集均需要通过服务来实现。
采集分五种功能,对五种采集应明确权限和数据返回方式。定时任务采集:数据即时入库;通过客户端发出指令的采集:数据应先入库再根据需要返回用户;个人获取时:应限制采集数量,数据先返回再根据用户的权限和需要入库;通过其它方式发出指令的采集:监测数据入库,仅返回完成情况;特殊工况触发的采集:数据即时入库。
PLC采集服务需定义输入参数和返回参数,同时还需说明安装环境以及设置方式。测量数据完整性检查:定时测量数据从PLC采集到系统后,立刻进行完整性检查,以确定当前测次的数据是否有漏测缺测的监测项目和测点,如果数据一切正常则不显示任何提示信息,如果发现漏测缺测的监测项目和测点,则在提示信息窗口中显示发现的问题。测点的缺测率指标将根据实现情况设置。对于其它测量数据,如选测和自检数据不做任何完整性检查。采集数据存放在采集服务机中的缓存数据库中,当网络故障恢复后由系统通信服务完成入库工作。
实施例6
PLC控制器的系统结构如图5所示,主要分为5个一级菜单:首页(图形化结构显示,显示主要状态)、状态(显示环境和设备的工作状态)、采集(主要供操作人员现场测量各类振弦、差阻、数字仪表等数据)、故障(包括故障记录表和用指示灯显示当前故障检测的状态)、设置(系统的相关参数、通道设置与在线调试等操作)。系统具有以下特点:
A.实用性。面向多用户,提供多种工具,满足一般管理人员、分析人员不同深度的学习培训要求,提供充分的数据支持和模型支持。
B.先进性。利用最新的软件、硬件平台及多种先进的监测数据分析模型来模拟操作系统功能:
C.稳定性。具有完备的数据处理功能,对由于监测系统产生的误差、错误能够正确识别,保证系统能够长期稳定运行;具有完善的数据备份功能,能够方便对重要的数据进行备份和恢复,可以模拟操作。
D.实时性。能够及时整合自动化监测及人工监测的数据信息,采用先进的技术手段对各种数据进行在线模拟操作综合分析,实时模拟监测系统运行状态,并能对变形、渗流等监测项目进行数据的重复采集。
E.安全性。系统具有完善的安全保密、安全控制和安全管理功能,防止非法用户对数据进行操作。
F.可扩展性。系统具有较强的可扩展性,提供良好的接口,一方面便于监测系统监测项目、测点等信息进行增删修改,另一方面能够方便地添加功能模块;数据库、应用软件能够与操作系统同步升级。
本发明不局限于上述可选的实施方式,任何人在本发明的启示下都可得出其他各种形式的产品。上述具体实施方式不应理解成对本发明的保护范围的限制,本发明的保护范围应当以权利要求书中界定的为准,并且说明书可以用于解释权利要求书。
Claims (10)
1.一种水电站大坝安全监测方法,其特征在于,包括以下步骤:
A、实时采集水电站大坝的各基础监测数据;
B、对采集到的各基础监测数据进行集中分类读取;
C、对分类读取后的监测数据进行可信度评估;
D、对可信度评估通过的监测数据进行故障分析诊断,得出监测结果。
2.根据权利要求1所述的一种水电站大坝安全监测方法,其特征在于:在步骤A中,通过设置各类传感器对水电站大坝进行基础监测数据采集,并在步骤B中,设置测控装置对接各传感器,以按照设定频率对各传感器采集的基础监测数据进行集中分类读取。
3.根据权利要求1所述的一种水电站大坝安全监测方法,其特征在于:在步骤C中,采用基于PLC测控的边缘计算方法对监测数据进行可信度评估,对评估不通过的监测数据进行剔除。
4.根据权利要求1所述的一种水电站大坝安全监测方法,其特征在于:在步骤C中,对分类读取后的监测数据进行可信度评估的具体步骤包括:
S1、给定一个测量均方差σ,作为比较的基准,对分类读取后的监测数据进行采样,求出当前采样时刻的前后共N个样本点的均值,作为当前时刻采样值的希望值μ;
S2、按照正态分布计算出当前时刻样本值基于以上均方差σ和希望值μ的分布概率f(x),具体公式为:
其中,x为当前时刻的采样值;
S3、以当前时刻采样值x为中心,在设定样本片段范围内根据分布概率f(x)获得的真值出现的几率,定为该采样值x的可信度;
S4、求出当前时刻所设定样本片段的均方差σ’,设定可信度阈值,当样本片段的均方差σ’小于可信度阈值时,则判定当前时刻采样值x的可信度评估不通过,否则判定当前时刻采样值x的可信度评估通过。
5.根据权利要求1所述的一种水电站大坝安全监测方法,其特征在于:在步骤D中,采用故障树分析方法对可信度评估通过的监测数据进行故障诊断分析,得出相应监测结果。
6.根据权利要求1-5任一所述的一种水电站大坝安全监测方法,提供一种水电站大坝安全监测系统,其特征在于:包括用于实时采集水电站大坝各基础监测数据的传感器单元;用于对采集到的各基础监测数据进行集中分类读取的测控装置;用于对分类读取后的监测数据进行可信度评估以及故障分析诊断的PLC控制器;用于用户端与PLC控制器交互的信息平台。
8.根据权利要求7所述的一种水电站大坝安全监测系统,其特征在于:所述测控装置根据PLC控制器设定的规则对传感器单元进行自适应频次的数据采集读取,以获得读取对象完整的状态变化过程。
9.根据权利要求6所述的一种水电站大坝安全监测系统,其特征在于:所述PLC控制器选用OCS控制器,测控装置与PLC控制器之间通过CAN总线进行数据传输,所述PLC控制器与信息平台之间通过工业以太网进行标准协议数据传输。
10.根据权利要求6所述的一种水电站大坝安全监测系统,其特征在于:所述信息平台采用C/S系统结构,包括数据访问层、业务逻辑层和表现层,通过数据访问层对接PLC控制器,采集并存储相应数据,通过业务逻辑层将信息平台中所使用的各类信息封装为不同的对象,并描述这些对象之间的逻辑关系,通过表现层与用户端进行交互,向用户提供操作的界面。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292325.7A CN111627199A (zh) | 2020-04-14 | 2020-04-14 | 一种水电站大坝安全监测系统及监测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010292325.7A CN111627199A (zh) | 2020-04-14 | 2020-04-14 | 一种水电站大坝安全监测系统及监测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111627199A true CN111627199A (zh) | 2020-09-04 |
Family
ID=72273062
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010292325.7A Pending CN111627199A (zh) | 2020-04-14 | 2020-04-14 | 一种水电站大坝安全监测系统及监测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111627199A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113466823A (zh) * | 2021-08-11 | 2021-10-01 | 中国电子科技集团公司第三十八研究所 | 一种数字阵列模块大冗余度健康管理方法 |
CN114006793A (zh) * | 2021-11-29 | 2022-02-01 | 南京工业大学 | 一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关 |
CN114827143A (zh) * | 2022-04-11 | 2022-07-29 | 广东省离散智造科技创新有限公司 | 一种离散数据采集方法、系统及云端服务器、边缘计算端 |
CN116074658A (zh) * | 2023-03-06 | 2023-05-05 | 成都大汇物联科技有限公司 | 一种基于物联网的水电站坝基监控方法及系统 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105571645A (zh) * | 2016-01-25 | 2016-05-11 | 潘祖国 | 一种大坝自动化监测方法 |
CN106225833A (zh) * | 2016-07-10 | 2016-12-14 | 中山市厚源电子科技有限公司 | 一种新型的大坝安全监测自动化测控装置 |
CN107222360A (zh) * | 2017-05-24 | 2017-09-29 | 郑州云海信息技术有限公司 | 一种基于分布式集群的数据采集系统及方法 |
-
2020
- 2020-04-14 CN CN202010292325.7A patent/CN111627199A/zh active Pending
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105571645A (zh) * | 2016-01-25 | 2016-05-11 | 潘祖国 | 一种大坝自动化监测方法 |
CN106225833A (zh) * | 2016-07-10 | 2016-12-14 | 中山市厚源电子科技有限公司 | 一种新型的大坝安全监测自动化测控装置 |
CN107222360A (zh) * | 2017-05-24 | 2017-09-29 | 郑州云海信息技术有限公司 | 一种基于分布式集群的数据采集系统及方法 |
Non-Patent Citations (5)
Title |
---|
YAOHAHA2011: "《https://wenku.baidu.com/view/c927af84ec3a87c24028c429.html》", 3 March 2011 * |
彭勇: "《数据管理与应用案例教程》", 31 October 2010 * |
朱赵辉等: "基于故障树知识的大坝安全诊断方法", 《水电自动化与大坝监测》 * |
湖北省水利厅大坝安全监测与白蚁防治中心: "《大坝安全监测实用技术》", 31 January 2018 * |
王军: "水库大坝安全监测系统的设计与实现", 《中国优秀硕士学位论文全文数据库·工程科技Ⅱ辑》 * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113466823A (zh) * | 2021-08-11 | 2021-10-01 | 中国电子科技集团公司第三十八研究所 | 一种数字阵列模块大冗余度健康管理方法 |
CN113466823B (zh) * | 2021-08-11 | 2023-06-06 | 中国电子科技集团公司第三十八研究所 | 一种数字阵列模块大冗余度健康管理方法 |
CN114006793A (zh) * | 2021-11-29 | 2022-02-01 | 南京工业大学 | 一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关 |
CN114006793B (zh) * | 2021-11-29 | 2022-07-22 | 南京工业大学 | 一种用于硫化腐蚀产物自燃灾害监测的边缘计算网关 |
CN114827143A (zh) * | 2022-04-11 | 2022-07-29 | 广东省离散智造科技创新有限公司 | 一种离散数据采集方法、系统及云端服务器、边缘计算端 |
CN114827143B (zh) * | 2022-04-11 | 2023-12-12 | 广东省离散智造科技创新有限公司 | 一种离散数据采集方法、系统及云端服务器、边缘计算端 |
CN116074658A (zh) * | 2023-03-06 | 2023-05-05 | 成都大汇物联科技有限公司 | 一种基于物联网的水电站坝基监控方法及系统 |
CN116074658B (zh) * | 2023-03-06 | 2023-08-25 | 成都大汇物联科技有限公司 | 一种基于物联网的水电站坝基监控方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111627199A (zh) | 一种水电站大坝安全监测系统及监测方法 | |
CN112596495B (zh) | 一种基于知识图谱的工业设备故障诊断方法及系统 | |
CN109524139B (zh) | 一种基于设备工况变化的实时设备性能监测方法 | |
US6694286B2 (en) | Method and system for monitoring the condition of an individual machine | |
CN112101764B (zh) | 基于状态监测的船舶技术状况综合评估系统 | |
CN109886475B (zh) | 基于ai的计量自动化系统的信息安全态势感知系统 | |
CN107545349A (zh) | 一种面向电力大数据的数据质量分析评价模型 | |
CN111459700A (zh) | 设备故障的诊断方法、诊断装置、诊断设备及存储介质 | |
CN112926257A (zh) | 往复式天然气压缩机故障诊断系统以及诊断方法 | |
CN105247379A (zh) | 用于不间断电源电池监测和数据分析的系统和方法 | |
CN109063885A (zh) | 一种变电站异常量测数据预测方法 | |
CN114386626A (zh) | 基于数字孪生的设备状态评价及运维策略制定实现系统 | |
CN114255784A (zh) | 一种基于声纹识别的变电站设备故障诊断方法及相关装置 | |
CN113204919B (zh) | 基于数字孪生的主变油枕状态预测方法、装置及电子设备 | |
CN104317778A (zh) | 基于海量监测数据的变电设备故障诊断方法 | |
Bell et al. | Model-based analysis of protection system performance | |
CN117406026A (zh) | 一种适用于分布式电源的配电网故障检测方法 | |
CN112580858A (zh) | 设备参数预测分析方法及系统 | |
CN106155889A (zh) | 一种炸药生产监控系统的测评方法 | |
CN116611953A (zh) | 基于物联网的电能表生产制造实时数据管理方法和系统 | |
CN113283510B (zh) | 一种基于全业务混合数据的二次设备健康状况分析方法 | |
CN106443238A (zh) | 高压设备状态评估方法、在线监测装置评估方法及装置 | |
CN110703730A (zh) | 一种基于mes中数据采集测试方法和装置 | |
CN111509838A (zh) | 面向故障指示器的全生命周期运维管控方法、装置及系统 | |
CN117589444B (zh) | 一种基于联邦学习的风力发电机齿轮箱故障诊断方法 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200904 |