CN117291429A - 一种基于大数据分析的水利工程质量安全风险评估方法 - Google Patents
一种基于大数据分析的水利工程质量安全风险评估方法 Download PDFInfo
- Publication number
- CN117291429A CN117291429A CN202311575160.4A CN202311575160A CN117291429A CN 117291429 A CN117291429 A CN 117291429A CN 202311575160 A CN202311575160 A CN 202311575160A CN 117291429 A CN117291429 A CN 117291429A
- Authority
- CN
- China
- Prior art keywords
- tidal
- data
- coefficient
- data set
- construction
- 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
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012502 risk assessment Methods 0.000 title claims abstract description 38
- 238000007405 data analysis Methods 0.000 title claims abstract description 26
- 238000010276 construction Methods 0.000 claims abstract description 93
- 238000001514 detection method Methods 0.000 claims abstract description 29
- 238000005457 optimization Methods 0.000 claims abstract description 24
- 230000000007 visual effect Effects 0.000 claims abstract description 9
- 239000004567 concrete Substances 0.000 claims description 35
- 238000007711 solidification Methods 0.000 claims description 32
- 230000008023 solidification Effects 0.000 claims description 32
- 238000012937 correction Methods 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 22
- 238000011156 evaluation Methods 0.000 claims description 19
- 230000007613 environmental effect Effects 0.000 claims description 15
- 238000012545 processing Methods 0.000 claims description 15
- 238000010248 power generation Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 11
- 238000004364 calculation method Methods 0.000 claims description 11
- 239000013535 sea water Substances 0.000 claims description 11
- VEXZGXHMUGYJMC-UHFFFAOYSA-M Chloride anion Chemical compound [Cl-] VEXZGXHMUGYJMC-UHFFFAOYSA-M 0.000 claims description 10
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 10
- 229910001425 magnesium ion Inorganic materials 0.000 claims description 10
- 229910052760 oxygen Inorganic materials 0.000 claims description 10
- 239000001301 oxygen Substances 0.000 claims description 10
- 239000013049 sediment Substances 0.000 claims description 9
- BVKZGUZCCUSVTD-UHFFFAOYSA-L Carbonate Chemical compound [O-]C([O-])=O BVKZGUZCCUSVTD-UHFFFAOYSA-L 0.000 claims description 8
- 238000013461 design Methods 0.000 claims description 7
- 239000011777 magnesium Substances 0.000 claims description 7
- 238000012423 maintenance Methods 0.000 claims description 7
- 238000004088 simulation Methods 0.000 claims description 5
- JLVVSXFLKOJNIY-UHFFFAOYSA-N Magnesium ion Chemical compound [Mg+2] JLVVSXFLKOJNIY-UHFFFAOYSA-N 0.000 claims description 4
- 230000006378 damage Effects 0.000 claims description 4
- 238000007689 inspection Methods 0.000 claims description 4
- 230000007246 mechanism Effects 0.000 claims description 4
- 238000007781 pre-processing Methods 0.000 claims description 4
- 238000010219 correlation analysis Methods 0.000 claims description 3
- 239000011372 high-strength concrete Substances 0.000 claims description 3
- 150000002500 ions Chemical class 0.000 claims description 3
- 239000000463 material Substances 0.000 claims description 3
- 239000011435 rock Substances 0.000 claims description 3
- 150000003839 salts Chemical class 0.000 claims description 3
- 238000005728 strengthening Methods 0.000 claims description 3
- 238000005516 engineering process Methods 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- QAOWNCQODCNURD-UHFFFAOYSA-L Sulfate Chemical compound [O-]S([O-])(=O)=O QAOWNCQODCNURD-UHFFFAOYSA-L 0.000 description 3
- 238000012544 monitoring process Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000001276 controlling effect Effects 0.000 description 2
- 230000000875 corresponding effect Effects 0.000 description 2
- 230000000737 periodic effect Effects 0.000 description 2
- 239000000126 substance Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 239000004566 building material Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000002131 composite material Substances 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000007797 corrosion Effects 0.000 description 1
- 238000005260 corrosion Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013486 operation strategy Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000001303 quality assessment method Methods 0.000 description 1
- 230000001105 regulatory effect Effects 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/067—Enterprise or organisation modelling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- 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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于大数据分析的水利工程质量安全风险评估方法，涉及风力发电机技术领域，通过在工程建设工地周围设置检测点和使用多种传感器，实时采集了丰富的综合建造数据、环境数据和潮汐数据，这使得工程的各个方面都得到了全面监测和评估,有助于更全面地理解工程的状态和潜在风险，建立数字孪生模型为工程提供了可视化平台,使得复杂的数据更容易地理解和分析，该模型预处理数据，帮助对水利工程进行优化，提高工程质量和安全性通过计算综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，以及综合质量系数Zlxs，该方法量化工程的质量和风险，设置风险评估阈值F,使得工程的风险被及早发现和识别。
Description
技术领域
本发明涉及风力发电机技术领域，具体为一种基于大数据分析的水利工程质量安全风险评估方法。
背景技术
水利工程是指为了调控水资源、防洪抗旱、灌溉农田、供水和发电等目的而进行的工程建设，这些工程旨在合理地利用、管理和保护水资源，以满足社会和经济的需求，并降低水相关的风险和灾害，随着社会的发展和人们对可再生能源的需求不断增加，潮汐能发电站作为一种新兴的清洁能源发电方式受到了广泛关注，然而，潮汐能发电站的建设和运营面临着复杂多变的自然环境和工程施工条件，存在一定的质量安全风险。
现阶段潮汐能发电站水利工程在建设过程中，采用传统的建设监测手段，依赖有限的传感器和检测点，仅采集基本的工程建设数据，如温度、湿度等，而没有全面收集混凝土凝固数据、地质数据、气象数据和潮汐数据，这限制了对工程全局状况的深入了解，使得在评估工程质量和安全风险时可能遗漏关键信息，数据处理方式较为分散，缺乏综合分析。同时没有通过大数据分析技术将它们有机地结合起来，这导致在评估工程质量和安全风险时，无法全面考虑水利工程的建设和对恶劣的天气进工期预测，且采用传统的静态评估方法，缺乏实时性和动态性，评估结果可能只是基于单一时间点的数据快照，而无法及时发现潜在问题和风险，这种方法可能无法适应工程建设过程中变化的环境和条件。
发明内容
针对现有技术的不足，本发明提供了一种基于大数据分析的水利工程质量安全风险评估方法，解决了背景技术中提到的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于大数据分析的水利工程质量安全风险评估方法，包括以下步骤：
S1、在潮汐能发电站工程建设工地的周围设置若干个检测点，实时采集潮汐能发电工程建设工地的综合建造数据、环境数据和潮汐数据，并建立第一数据集、第二数据集和第三数据集，所述综合建造数据包括凝固数据和地质数据；
S2、建立潮汐能发电站工程建设数字孪生模型，形成可视化平台，并通过使用数字孪生模型来基于大数据，对潮汐能发电站在建设的过程中，对采集到的图片数据、地理信息、建设数据和环境数据进行预处理；
S3、数字孪生模型依据采集到的第一数据集、第二数据集和第三数据集，进行无量纲处理后，并进行分析和计算，获取综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs；
所述综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs通过以下公式获取：
；
；
；
式中，Ngxs表示凝固系数，Dzxs表示地质系数，a1和a2表示混凝土凝固系数Ngxs和地质系数Dzxs的比例系数，其中，a1+a2≠1，0.01＜a1＜0.98，0＜a2＜0.89，其具体值由用户调整设置，A为第一修正常数；
Fb表示风暴频率、Yl表示云量、Qx表示气旋值、Sd表示湿度、Wd表示温度，b1、b2、b3、b4和b5分别为风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd的比例系数，其中，/>，/>，/>，/>，其具体值由用户调整设置，B为第二修正常数；
Cpl表示潮汐频率，Czf表示潮汐振幅，Cls表示潮汐流速，Clx表示潮汐流向，Gcx表示高潮差，Dcx表示低潮差，c1、c2、c3、c4、c5和c6分别为潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx，其中，0.04＜c1＜0.79，0.02＜c2＜0.99，0.6＜c3＜0.88，0.03＜c4＜0.93，0.05＜c5＜0.95，0.06＜c6＜0.96，其具体值由用户调整设置，C为第三修正常数；
S4、将第一数据集、第二数据集和第三数据集计算获取的，综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，通过无量纲处理后，进行相关联分析计算，获取到综合质量系数Zlxs；
S5、预设风险评估阈值F，将通过相关联分析计算获取的综合质量系数Zhxs，并通过数字孪生模型基于大数据对评估结果进行分析，获取评估结果，生成优化方案。
优选地，在潮汐能发电站工程建设工地的周围设置若干个检测点，并安装检测设备，所述检测设备包括第一集成传感器组、第二集成传感器组和第三集成传感器组；
所述第一集成传感器组包括混凝土凝固检测传感器组和地质检测传感器组；
所述混凝土凝固检测传感器组包括离子色谱仪、镁离子电极、溶解氧传感器和pH传感器；
所述地质检测传感器组包括声呐测深仪、侧扫声呐、激光测距仪和水文学传感器；
所述第二集成传感器组包括气象卫星、云量仪、气旋计、湿度传感器和温度传感器；
所述第三集成传感器组包括卫星遥感、潮汐测量仪器、潮汐浮标和数值模型。
优选地，通过第一集成传感器组采集到第一数据集，所述第一数据集包括凝固数据集和地质数据集；
所述凝固数据集包括氯离子含量Cl-、硫酸盐浓度SO4²-、碳酸盐浓度CO3²-、镁离子含量Mg²+和氧气含量O2；
所述地质数据集包括海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap；
通过第二集成传感器组采集到第二数据集，所述第二数据集包括风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd；
通过第三集成传感器组采集到第三数据集，所述第三数据集包括潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx。
优选地，通过数字孪生模型将采集到的第一数据集、第二数据集和第三数据集进行整合，生成全面的可视化三维数据视图，并通过大数据模拟分析综合建造数据、环境数据和潮汐数据，数字孪生模型帮助优化操作参数；并且在进行数据分析之前，通过大数据对采集到的数据进行清洗和预处理，以去除噪音、处理缺失值和异常值，并将数据无量处理转换为可用的格式。
优选地，通过数据孪生模型将采集到的第一数据集中的凝固数据集，进行无量纲处理后，汇总计算混凝土凝固系数Ngxs；
所述混凝土凝固系数Ngxs通过以下公式获取：
；
式中d1、d2、d3、d4和d5表示氯离子含量Cl-、硫酸盐浓度SO4²-、碳酸盐浓度CO3²-、镁离子含量Mg²+和氧气含量O2的比例系数，其中，0.02＜d1＜0.79，0.03＜d2＜0.98，0.04＜d3＜0.97，0.05＜d4＜0.99，0.05＜d5＜0.99，其具体值由用户调整设置，D为第四修正常数。
优选地，通过数字孪生模型将采集到的第一数据集中的地质数据集，进行无量纲处理后，汇总计算生成地质系数Dzxs；
所述地质系数Dzxs通过以下公式获取：
；
式中e1、e2、e3和e4分别为海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap的比例系数，其中，0＜e1＜1，0＜e2＜1，0＜e3＜1，0＜e4＜1，其具体值由用户调整设置，E为第五修正常数。
优选的，通过数字孪生模型基于大数据对第一数据集、第二数据集和第三数据集分析计算，获得综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，并通过数字孪生模型，将综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，无量纲处理后，进行相关联计算分析获取综合质量系数Zlxs；
所述综合质量系数Zlxs通过以下公式获取：
；
式中，w1、w2和w3分别为综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs的修正常数，且0＜w1＜1，0＜w2＜1，0＜w3＜1，其具体值由用户调整设置，W为第六修正常数。
优选地，预先设置风险评估阈值F，并将风险评估阈值F与所述综合质量系数Zlxs进行对比评估，获取评估结果，具体评估结果如下；
当综合质量系数Zlxs＞风险评估阈值F时，则表示当前潮汐能发电站在建造过程中存在风险，此时则生成第一评估结果；
当综合质量系数Zlxs=风险评估阈值F时，则表示当前潮汐能发电站在建造过程中无风险，此时无需生成评估结果；
当综合质量系数Zlxs＜风险评估阈值F时，则表示潮汐能发电站存在环境影响的风险，此时则生成第二评估结果。
优选的，当数字孪生模型接收到第一评估结果时，通过大数据进行分析，则生成第一优化方案，具体优化方法如下；
将潮汐能发电站的建筑混凝土内加入聚合铝盐的同时，采用高强度混凝土材料，以提高混凝土的抗风暴能力和耐久性，采用流线型建筑设计，风暴对建筑物的影像，提高建筑的抗风性能，地基施工过程中打穿沉积物层至岩石地层加固地基，采用地下挖孔桩、地基加固灌浆，提高地基的稳定性和承载性能，降低潮汐能发电站的发电设备功率，并考虑采用可调节功率的发电设备，应对不同环境条件下的运行需求，降低潮汐能发电站的运行风险。
优选的，当数字孪生模型，接收到第二评估结果时，通过大数据进行分析，则生成第二优化方案，具体优化方法如下；
通过数字孪生模型基于大数据，预测建设工地的气象数据，并根据预测数据对工地建设工期进行合理规划，调整工程进度，延迟或提前施工避免不利气象条件下的施工；
通过针对潮汐能数据的风险，将潮汐能发电机的功率设计成调节机制，使其能够根据潮汐能数据的波动进行实时调整，以确保发电设备在各种潮汐条件下都能够稳定运行，采用多备份发电设备，应对潮汐能发电站可能遇到的突发故障或损坏，确保持续供电，实施定期巡检和维护计划，确保设备的正常运行和安全性。
本发明提供了一种基于大数据分析的水利工程质量安全风险评估方法具备以下有益效果：
（1）通过设置多个检测点和安装各种传感器组，实时采集大量的工程建设数据、环境数据和潮汐数据，利用数字孪生模型，对工程建设过程进行综合分析，包括混凝土凝固数据、地质数据、气象数据以及潮汐数据，通过对这些数据进行清洗、预处理和分析，更准确地评估工程质量和安全风险，这有助于提前识别潜在的问题和风险，采取必要的措施来改进工程建设，从而提高工程的质量和安全性。
（2）利用大数据分析技术，将各种数据集结合起来，生成综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs等参数，以综合评估工程质量和安全风险，这种综合性的评估能够更准确地反映工程的整体状况，包括建造质量、环境因素和潮汐能因素对工程的影响，通过设定风险评估阈值F，根据综合质量系数的变化来预测潮汐能发电站建设过程中的风险，并及时采取措施来应对不同的风险情况，从而提高工程的可控性和安全性。
（3）评估结果显示存在质量或安全风险，该方法通过数字孪生模型生成相应的优化方案，这些方案根据具体的风险情况制定，包括调整建筑材料、改进建筑设计、加强地基工程等通过采用这些优化方案，最大程度地减小工程风险，确保工程的顺利进行和安全完成，此外，还提供了多备份发电设备和定期巡检维护计划等方案，以确保潮汐能发电站的稳定运行和持续供电。
附图说明
图1为本发明一种基于大数据分析的水利工程质量安全风险评估方法步骤示意图。
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、完整的描述，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。
实施例1：本发明提供一种基于大数据分析的水利工程质量安全风险评估方法，请参阅图1，包括以下步骤：
S1、在潮汐能发电站工程建设工地的周围设置若干个检测点，实时采集潮汐能发电工程建设工地的综合建造数据、环境数据和潮汐数据，并建立第一数据集、第二数据集和第三数据集，所述综合建造数据包括凝固数据和地质数据；
S2、建立潮汐能发电站工程建设数字孪生模型，形成可视化平台，并通过使用数字孪生模型来基于大数据，对潮汐能发电站在建设的过程中，对采集到的图片数据、地理信息、建设数据和环境数据进行预处理；
S3、数字孪生模型依据采集到的第一数据集、第二数据集和第三数据集，进行无量纲处理后，并进行分析和计算，获取综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs；
所述综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs通过以下公式获取：
；
；
；
式中，Ngxs表示凝固系数，Dzxs表示地质系数，a1和a2表示混凝土凝固系数Ngxs和地质系数Dzxs的比例系数，其中，a1+a2≠1，0.01＜a1＜0.98，0＜a2＜0.89，其具体值由用户调整设置，A为第一修正常数；
Fb表示风暴频率、Yl表示云量、Qx表示气旋值、Sd表示湿度、Wd表示温度，b1、b2、b3、b4和b5分别为风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd的比例系数，其中，/>，/>，/>，/>，其具体值由用户调整设置，B为第二修正常数；
Cpl表示潮汐频率，Czf表示潮汐振幅，Cls表示潮汐流速，Clx表示潮汐流向，Gcx表示高潮差，Dcx表示低潮差，c1、c2、c3、c4、c5和c6分别为潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx，其中，0.04＜c1＜0.79，0.02＜c2＜0.99，0.6＜c3＜0.88，0.03＜c4＜0.93，0.05＜c5＜0.95，0.06＜c6＜0.96，其具体值由用户调整设置，C为第三修正常数；
S4、将第一数据集、第二数据集和第三数据集计算获取的，综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，通过无量纲处理后，进行相关联分析计算，获取到综合质量系数Zlxs；
S5、预设风险评估阈值F，将通过相关联分析计算获取的综合质量系数Zhxs，并通过数字孪生模型基于大数据对评估结果进行分析，获取评估结果，生成优化方案。
本实施例中，该方法通过在工程建设工地周围设置检测点和使用多种传感器，实时采集了丰富的综合建造数据、环境数据和潮汐数据，这使得工程的各个方面都得到了全面监测和评估，有助于更全面地理解工程的状态和潜在风险，建立数字孪生模型为工程提供了可视化平台，使得复杂的数据更容易地理解和分析，该模型预处理数据，帮助对水利工程进行优化，提高工程质量和安全性通过计算综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，以及综合质量系数Zlxs，该方法量化工程的质量和风险，设置风险评估阈值F，使得工程的风险被及早发现和识别，这有助于决策者在工程建设过程中采取必要的措施来减少风险。
实施例2：本实施例是在实施例1中进行的解释说明，请参照图1，具体的：在潮汐能发电站工程建设工地的周围设置若干个检测点，并安装检测设备，所述检测设备包括第一集成传感器组、第二集成传感器组和第三集成传感器组；
所述第一集成传感器组包括混凝土凝固检测传感器组和地质检测传感器组；
所述混凝土凝固检测传感器组包括离子色谱仪、镁离子电极、溶解氧传感器和pH传感器；
所述地质检测传感器组包括声呐测深仪、侧扫声呐、激光测距仪和水文学传感器；
所述第二集成传感器组包括气象卫星、云量仪、气旋计、湿度传感器和温度传感器；
所述第三集成传感器组包括卫星遥感、潮汐测量仪器、潮汐浮标和数值模型。
本实施例中，通过在工程建设工地周围设置多个检测点并安装不同类型的传感器设备，实时采集到多种维度的数据，这些数据涵盖了混凝土凝固情况、地质特征、气象条件和潮汐信息多个方面，使得工程的监测更加全面。
实施例3：本实施例是在实施例1中进行的解释说明，请参照图1，具体的：通过第一集成传感器组采集到第一数据集，所述第一数据集包括凝固数据集和地质数据集；
所述凝固数据集包括氯离子含量Cl-、硫酸盐浓度SO4²-、碳酸盐浓度CO3²-、镁离子含量Mg²+和氧气含量O2；
所述地质数据集包括海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap；
通过第二集成传感器组采集到第二数据集，所述第二数据集包括风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd；
通过第三集成传感器组采集到第三数据集，所述第三数据集包括潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx；
本实施例中，通过采集气象数据、潮汐数据和地质数据，工程团队及时识别风暴、潮汐、海底地质等潜在风险因素，从而制定相应的应对措施，降低风险，凝固数据集提供了混凝土质量的关键信息，有助于确保混凝土的质量，提高建筑物的稳定性和耐久性，地质数据集则提供了有关工程地质条件的信息，有助于调整地基设计，降低地质风险。
实施例4：本实施例是在实施例1中进行的解释说明，请参照图1，具体的：通过数字孪生模型将采集到的第一数据集、第二数据集和第三数据集进行整合，生成全面的可视化三维数据视图，并通过大数据模拟分析综合建造数据、环境数据和潮汐数据，数字孪生模型帮助优化操作参数；并且在进行数据分析之前，通过大数据对采集到的数据进行清洗和预处理，以去除噪音、处理缺失值和异常值，并将数据无量处理转换为可用的格式。
本实施例中，第一数据集、第二数据集和第三数据集整合到数字孪生模型中，生成全面的三维数据视图，这样的可视化呈现帮助用户更清晰地理解不同数据源之间的关系和趋势，有助于做出更明智的决策数字孪生模型利用大数据技术对综合建造数据、环境数据和潮汐数据进行模拟分析，这有助于模拟各种操作参数的影响，优化工作流程和操作策略，以提高效率和效果，在进行数据分析之前，使用大数据技术对采集到的数据进行清洗和预处理是关键，这包括去除噪音、处理缺失值和异常值，以确保数据的质量和可靠性，数字孪生模型自动化这些过程，提高数据准确性。
实施例5：本实施例是在实施例1中进行的解释说明，请参照图1，具体的：通过数据孪生模型将采集到的第一数据集中的凝固数据集，进行无量纲处理后，汇总计算混凝土凝固系数Ngxs；
所述混凝土凝固系数Ngxs通过以下公式获取：
；
式中d1、d2、d3、d4和d5表示式中d1、d2、d3、d4和d5表示氯离子含量Cl-、硫酸盐浓度SO4²-、碳酸盐浓度CO3²-、镁离子含量Mg²+和氧气含量O2的比例系数，其中，0.02＜c1＜0.79，0.03＜c2＜0.98，0.04＜c3＜0.97，0.05＜c4＜0.99，其具体值由用户调整设置，D为第四修正常数的比例系数，其中，0.02＜c1＜0.79，0.03＜c2＜0.98，0.04＜c3＜0.97，0.05＜c4＜0.99，其具体值由用户调整设置，D为第四修正常数。
本实施例中，通过对海水中含有的多种化学物质进行检测，其中一些可能影响混凝土的凝固和耐久性，氯离子是混凝土最常见的腐蚀因子之一高氯离子浓度会导致混凝土中的钢筋腐蚀，从而降低混凝土的强度和耐久性，混凝土中氯离子的浓度通常受到海水中氯离子浓度的影响，海水中的硫酸盐和碳酸盐尤其是在沿海地区，高硫酸盐浓度引发混凝土中的硫酸盐侵蚀，导致混凝土的破坏，通过对这些化学物质的检测帮助分析水利工程建设过程中防护措施、定期维护和监测，帮助确保混凝土结构在海水环境中具有所需的耐久性和性能。
实施例6：本实施例是在实施例1中进行的解释说明，请参照图1，具体的：通过数字孪生模型将采集到的第一数据集中的地质数据集，进行无量纲处理后，汇总计算生成地质系数Dzxs；
所述地质系数Dzxs通过以下公式获取：
；
式中e1、e2、e3和e4分别为海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap的比例系数，其中，0＜e1＜1，0＜e2＜1，0＜e3＜1，0＜e4＜1，其具体值由用户调整设置，E为第五修正常数。
本实施例中，生成的地质系数Dzxs用于模拟分析，在海洋工程项目中，用于预测地质条件对结构稳定性的影响，此外，地质系数也用于决策支持，帮助确定最佳的工程设计和建设策略。
实施例7：本实施例是在实施例1中进行的解释说明，请参照图1，具体的：通过数字孪生模型基于大数据对第一数据集、第二数据集和第三数据集分析计算，获得综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，并通过数字孪生模型，将综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，无量纲处理后，进行相关联计算分析获取综合质量系数Zlxs；
所述综合质量系数Zlxs通过以下公式获取：
；
式中，w1、w2和w3分别为综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs的修正常数，且0＜w1＜1，0＜w2＜1，0＜w3＜1，其具体值由用户调整设置，W为第六修正常数。
本实施例中，数字孪生模型的应用帮助综合分析多个数据集，生成有用的系数和质量评估，为决策制定和问题解决提供有益的支持和工具，这有助于优化工程项目的设计和运营，降低风险，提高资源利用效率，以及提高环境和潮汐能的可持续性利用。
实施例8：本实施例是在实施例1中进行的解释说明，请参照图1，具体的：预先设置风险评估阈值F，并将风险评估阈值F与所述综合质量系数Zlxs进行对比评估，获取评估结果，具体评估结果如下；
当综合质量系数Zlxs＞风险评估阈值F时，则表示当前潮汐能发电站在建造过程中存在风险，此时则生成第一评估结果；
当综合质量系数Zlxs=风险评估阈值F时，则表示当前潮汐能发电站在建造过程中无风险，此时无需生成评估结果；
当综合质量系数Zlxs＜风险评估阈值F时，则表示潮汐能发电站存在环境影响的风险，此时则生成第二评估结果。
本实施例中，将综合质量系数Zlxs与风险评估阈值F进行比较，快速识别当前潮汐能发电站建造过程中的风险水平，当Zlxs＞F时，生成第一评估结果，提示存在风险，这触发早期的干预和风险管理措施，以减少潮汐能发电站项目可能面临的风险和损失，当Zlxs＜F时，生成第二评估结果，提示潮汐能发电站可能受到环境影响的风险这引导项目团队采取适当的措施来减轻环境风险，确保项目的可持续性和环保性。
实施例9：本实施例是在实施例8中进行的解释说明，请参照图1，具体的：当数字孪生模型接收到第一评估结果时，通过大数据进行分析，则生成第一优化方案，具体优化方法如下；
将潮汐能发电站的建筑混凝土内加入聚合铝盐的同时，采用高强度混凝土材料，以提高混凝土的抗风暴能力和耐久性，采用流线型建筑设计，风暴对建筑物的影像，提高建筑的抗风性能，地基施工过程中打穿沉积物层至岩石地层加固地基，采用地下挖孔桩、地基加固灌浆，提高地基的稳定性和承载性能，降低潮汐能发电站的发电设备功率，并考虑采用可调节功率的发电设备，应对不同环境条件下的运行需求，降低潮汐能发电站的运行风险。
本实施例中，这些优化方法显著改善潮汐能发电站的建筑和地基结构，提高其抗风暴能力、稳定性和可靠性，此外，通过降低发电设备的功率和考虑可调节功率，更好地适应不同环境条件，减少运行风险这些优化措施有助于提高潮汐能发电站的整体性能，降低维护和运营成本，并提高可持续性和环保性。
实施例10：本实施例是在实施例9中进行的解释说明，请参照图1，具体的：当数字孪生模型，接收到第二评估结果时，通过大数据进行分析，则生成第二优化方案，具体优化方法如下；
通过数字孪生模型基于大数据，预测建设工地的气象数据，并根据预测数据对工地建设工期进行合理规划，调整工程进度，延迟或提前施工避免不利气象条件下的施工；
通过针对潮汐能数据的风险，将潮汐能发电机的功率设计成调节机制，使其能够根据潮汐能数据的波动进行实时调整，以确保发电设备在各种潮汐条件下都能够稳定运行，采用多备份发电设备，应对潮汐能发电站可能遇到的突发故障或损坏，确保持续供电，实施定期巡检和维护计划，确保设备的正常运行和安全性。
本实施例中，第二优化方案通过结合气象数据预测、设备调节机制、备份设备和维护计划等多个方面的优化方法，能够显著提高潮汐能发电站的整体性能和可持续性这有助于降低潮汐能发电项目的风险水平，提高能源供应的可靠性，节约成本，保护环境，从而促进清洁能源的可持续利用。
具体示例：一个某某潮汐能发电站水利工程，该某某潮汐能发电站水利工程引入了一种基于大数据分析的水利工程质量安全风险评估方法，以下是该某某潮汐能发电站水利工程的示例；
综合建造系数Jzxs：
；
比例系数a1=0.15，a2=0.3，第一修正常数A：0.01；
环境系数Hjxs：
；
风暴频率Fb：3.1，云量Yl：1.2，气旋值Qx：4.5，湿度Sd：1.1，温度Wd：5.2，比例系数b1=0.21，b2=0.22，b3=0.36，b4=0.14，b5=0.13，第二修正常数B：0.23；
潮汐能系数Cxxs：
；
潮汐频率Cpl：2.1，潮汐振幅Czf：3.2，潮汐流速Cls：2.4，潮汐流向Clx：4.1，潮汐高潮差Gcx：1.5，潮汐低潮差Dcx：3.1，比例系数c1=0.02，c2=0.22，c3=0.34，c4=0.17，c5=0.05，c6=0.09，第三修正常数C：0.07；
混凝土凝固系数Ngxs：
；
氯离子含量Cl-：2.1，硫酸盐浓度SO4²-：2.2，碳酸盐浓度CO3²-：5.4，镁离子含量Mg²+：2.3，氧气含量O2：2.5，比例系数d1=0.12，d2=0.32，d3=0.34，d4=0.07，b5=0.06，第四修正常数D：0.23；
述地质系数Dzxs：
；
海水深度Hsd：0.13，海底坡度Hdp：1.7，沉积物厚度Cjw：1.2，海岸坡度Hap：0.22，比例系数e1=0.02，e2=0.22，e3=0.34，e4=0.17，第五修正常数E：0.08；
综合质量系数Zlxs：
；
比例系数w1=0.07,w2=0.12，w3,0.22，第六修正常数W：0.05；
其中，计算结果均取小数点后两位；
此时将风险评估阈值F设置为1.0，此时综合触电系数Zcxs＞风险评估阈值F，则生成第一评估结果，通过第一优化方案，对当前潮汐能发电站水利工程进行优化。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，理解在不脱离本发明的原理和精神的情况下对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：包括以下步骤：
S1、在潮汐能发电站工程建设工地的周围设置若干个检测点，实时采集潮汐能发电工程建设工地的综合建造数据、环境数据和潮汐数据，并建立第一数据集、第二数据集和第三数据集，所述综合建造数据包括凝固数据和地质数据；
S2、建立潮汐能发电站工程建设数字孪生模型，形成可视化平台，并通过使用数字孪生模型来基于大数据，对潮汐能发电站在建设的过程中，对采集到的图片数据、地理信息、建设数据和环境数据进行预处理；
S3、数字孪生模型依据采集到的第一数据集、第二数据集和第三数据集，进行无量纲处理后，并进行分析和计算，获取综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs；
所述综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs通过以下公式获取：
；
；
；
式中，Ngxs表示凝固系数，Dzxs表示地质系数，a1和a2表示混凝土凝固系数Ngxs和地质系数Dzxs的比例系数，其中，a1+a2≠1，0.01＜a1＜0.98，0＜a2＜0.99，其具体值由用户调整设置，A为第一修正常数；
Fb表示风暴频率、Yl表示云量、Qx表示气旋值、Sd表示湿度、Wd表示温度，b1、b2、b3、b4和b5分别为风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd的比例系数，其中，，/>，/>，/>，其具体值由用户调整设置，B为第二修正常数；
Cpl表示潮汐频率，Czf表示潮汐振幅，Cls表示潮汐流速，Clx表示潮汐流向，Gcx表示高潮差，Dcx表示低潮差，c1、c2、c3、c4、c5和c6分别为潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx，其中，0.04＜c1＜0.79，0.02＜c2＜0.99，0.6＜c3＜0.88，0.03＜c4＜0.93，0.05＜c5＜0.95，0.06＜c6＜0.96，其具体值由用户调整设置，C为第三修正常数；
S4、将第一数据集、第二数据集和第三数据集计算获取的，综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，通过无量纲处理后，进行相关联分析计算，获取到综合质量系数Zlxs；
S5、预设风险评估阈值F，将通过相关联分析计算获取的综合质量系数Zhxs，并通过数字孪生模型基于大数据对评估结果进行分析，获取评估结果，生成优化方案。
2.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：在潮汐能发电站工程建设工地的周围设置若干个检测点，并安装检测设备，所述检测设备包括第一集成传感器组、第二集成传感器组和第三集成传感器组；
所述第一集成传感器组包括混凝土凝固检测传感器组和地质检测传感器组；
所述混凝土凝固检测传感器组包括离子色谱仪、镁离子电极、溶解氧传感器和pH传感器；
所述地质检测传感器组包括声呐测深仪、侧扫声呐、激光测距仪和水文学传感器；
所述第二集成传感器组包括气象卫星、云量仪、气旋计、湿度传感器和温度传感器；
所述第三集成传感器组包括卫星遥感、潮汐测量仪器、潮汐浮标和数值模型。
3.根据权利要求2所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过第一集成传感器组采集到第一数据集，所述第一数据集包括凝固数据集和地质数据集；
所述凝固数据集包括氯离子含量Cl-、硫酸盐浓度SO4²-、碳酸盐浓度CO3²-、镁离子含量Mg²+和氧气含量O2；
所述地质数据集包括海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap；
通过第二集成传感器组采集到第二数据集，所述第二数据集包括风暴频率Fb、云量Yl、气旋值Qx、湿度Sd和温度Wd；
通过第三集成传感器组采集到第三数据集，所述第三数据集包括潮汐频率Cpl、潮汐振幅Czf、潮汐流速Cls、潮汐流向Clx，潮汐高潮差Gcx和潮汐低潮差Dcx。
4.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数字孪生模型将采集到的第一数据集、第二数据集和第三数据集进行整合，生成全面的可视化三维数据视图，并通过大数据模拟分析综合建造数据、环境数据和潮汐数据，数字孪生模型帮助优化操作参数；并且在进行数据分析之前，通过大数据对采集到的数据进行清洗和预处理，以去除噪音、处理缺失值和异常值，并将数据无量处理转换为可用的格式。
5.根据权利要求4所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数据孪生模型将采集到的第一数据集中的凝固数据集，进行无量纲处理后，汇总计算混凝土凝固系数Ngxs；
所述混凝土凝固系数Ngxs通过以下公式获取：
；
式中d1、d2、d3、d4和d5表示氯离子含量Cl-、硫酸盐浓度SO4²-、碳酸盐浓度CO3²-、镁离子含量Mg²+和氧气含量O2的比例系数，其中，0.02＜d1＜0.79，0.03＜d2＜0.98，0.04＜d3＜0.97，0.05＜d4＜0.99，0.05＜d5＜0.99，其具体值由用户调整设置，D为第四修正常数。
6.根据权利要求4所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数字孪生模型将采集到的第一数据集中的地质数据集，进行无量纲处理后，汇总计算生成地质系数Dzxs；
所述地质系数Dzxs通过以下公式获取：
；
式中e1、e2、e3和e4分别为海水深度Hsd、海底坡度Hdp、沉积物厚度Cjw和海岸坡度Hap的比例系数，其中，0＜e1＜1，0＜e2＜1，0＜e3＜1，0＜e4＜1，其具体值由用户调整设置，E为第五修正常数。
7.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：通过数字孪生模型基于大数据对第一数据集、第二数据集和第三数据集分析计算，获得综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，并通过数字孪生模型，将综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs，无量纲处理后，进行相关联计算分析获取综合质量系数Zlxs；
所述综合质量系数Zlxs通过以下公式获取：
；
式中，w1、w2和w3分别为综合建造系数Jzxs、环境系数Hjxs和潮汐能系数Cxxs的修正常数，且0＜w1＜1，0＜w2＜1，0＜w3＜1，其具体值由用户调整设置，W为第六修正常数。
8.根据权利要求1所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：预先设置风险评估阈值F，并将风险评估阈值F与所述综合质量系数Zlxs进行对比评估，获取评估结果，具体评估结果如下；
当综合质量系数Zlxs＞风险评估阈值F时，则表示当前潮汐能发电站在建造过程中存在风险，此时则生成第一评估结果；
当综合质量系数Zlxs=风险评估阈值F时，则表示当前潮汐能发电站在建造过程中无风险，此时无需生成评估结果；
当综合质量系数Zlxs＜风险评估阈值F时，则表示潮汐能发电站存在环境影响的风险，此时则生成第二评估结果。
9.根据权利要求8所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：当数字孪生模型接收到第一评估结果时，通过大数据进行分析，则生成第一优化方案，具体优化方法如下；
将潮汐能发电站的建筑混凝土内加入聚合铝盐的同时，采用高强度混凝土材料，以提高混凝土的抗风暴能力和耐久性，采用流线型建筑设计，风暴对建筑物的影像，提高建筑的抗风性能，地基施工过程中打穿沉积物层至岩石地层加固地基，采用地下挖孔桩、地基加固灌浆，提高地基的稳定性和承载性能，降低潮汐能发电站的发电设备功率，并考虑采用可调节功率的发电设备，应对不同环境条件下的运行需求，降低潮汐能发电站的运行风险。
10.根据权利要求9所述的一种基于大数据分析的水利工程质量安全风险评估方法，其特征在于：当数字孪生模型，接收到第二评估结果时，通过大数据进行分析，则生成第二优化方案，具体优化方法如下；
通过数字孪生模型基于大数据，预测建设工地的气象数据，并根据预测数据对工地建设工期进行合理规划，调整工程进度，延迟或提前施工避免不利气象条件下的施工；
通过针对潮汐能数据的风险，将潮汐能发电机的功率设计成调节机制，使其能够根据潮汐能数据的波动进行实时调整，以确保发电设备在各种潮汐条件下都能够稳定运行，采用多备份发电设备，应对潮汐能发电站可能遇到的突发故障或损坏，确保持续供电，实施定期巡检和维护计划，确保设备的正常运行和安全性。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311575160.4A CN117291429B (zh) | 2023-11-24 | 2023-11-24 | 一种基于大数据分析的水利工程质量安全风险评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311575160.4A CN117291429B (zh) | 2023-11-24 | 2023-11-24 | 一种基于大数据分析的水利工程质量安全风险评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117291429A true CN117291429A (zh) | 2023-12-26 |
| CN117291429B CN117291429B (zh) | 2024-01-26 |
Family
ID=89241036
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311575160.4A Active CN117291429B (zh) | 2023-11-24 | 2023-11-24 | 一种基于大数据分析的水利工程质量安全风险评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117291429B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117594473A (zh) * | 2024-01-19 | 2024-02-23 | 鲁欧智造(山东)高端装备科技有限公司 | 一种碳化硅功率器件的产品检测方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014087521A1 (ja) * | 2012-12-06 | 2014-06-12 | 株式会社Ｗａｔｅｒ | ４次元水循環再現・解析・予測・可視化シミュレーションシステム |
| CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
| CN110766327A (zh) * | 2019-10-24 | 2020-02-07 | 中国科学院地理科学与资源研究所 | 一种潮汐作用下的岛礁淡化水体风险评估方法 |
| CN115039045A (zh) * | 2019-11-25 | 2022-09-09 | 强力物联网投资组合2016有限公司 | 用于工业环境的智能振动数字孪生系统和方法 |
| CN115525769A (zh) * | 2022-09-22 | 2022-12-27 | 北京超图骏科数字技术有限公司 | 一种面向全球的战场环境数据组织方法及相关装置 |
| CN116488149A (zh) * | 2023-04-06 | 2023-07-25 | 阳光电源（上海）有限公司 | 微电网发电策略确定方法、装置以及微电网 |
-
2023
- 2023-11-24 CN CN202311575160.4A patent/CN117291429B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014087521A1 (ja) * | 2012-12-06 | 2014-06-12 | 株式会社Ｗａｔｅｒ | ４次元水循環再現・解析・予測・可視化シミュレーションシステム |
| CN108170714A (zh) * | 2017-12-01 | 2018-06-15 | 武汉华信联创技术工程有限公司 | 一种台风灾害监测与评估的三维模拟系统 |
| CN110766327A (zh) * | 2019-10-24 | 2020-02-07 | 中国科学院地理科学与资源研究所 | 一种潮汐作用下的岛礁淡化水体风险评估方法 |
| CN115039045A (zh) * | 2019-11-25 | 2022-09-09 | 强力物联网投资组合2016有限公司 | 用于工业环境的智能振动数字孪生系统和方法 |
| CN115525769A (zh) * | 2022-09-22 | 2022-12-27 | 北京超图骏科数字技术有限公司 | 一种面向全球的战场环境数据组织方法及相关装置 |
| CN116488149A (zh) * | 2023-04-06 | 2023-07-25 | 阳光电源（上海）有限公司 | 微电网发电策略确定方法、装置以及微电网 |
Non-Patent Citations (3)
| Title |
|---|
| 宋策;谭奇林;: "水电工程干扰下饮用水水源地的水质风险评估", 长江流域资源与环境, no. 01 * |
| 李静;谢珍珍;陈小波;: "基于SVM的海上风电项目运行期风险评价", 工程管理学报, no. 04 * |
| 王国岗;赵文超;陈亚鹏;陈建辉;: "浅析数字孪生技术在水利水电工程地质的应用方案", 水利技术监督, no. 05 * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117594473A (zh) * | 2024-01-19 | 2024-02-23 | 鲁欧智造(山东)高端装备科技有限公司 | 一种碳化硅功率器件的产品检测方法 |
| CN117594473B (zh) * | 2024-01-19 | 2024-04-16 | 鲁欧智造(山东)高端装备科技有限公司 | 一种碳化硅功率器件的产品检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117291429B (zh) | 2024-01-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117291429B (zh) | 一种基于大数据分析的水利工程质量安全风险评估方法 | |
| Zhou et al. | Environmental life cycle assessment of brackish water reverse osmosis desalination for different electricity production models | |
| Chen | Kuroshio power plant development plan | |
| Martirosyan et al. | Research of the hydrogeological objects' connection peculiarities | |
| Aksoy et al. | CO2 emission from geothermal power plants in Turkey | |
| Waters | Analysing the performance of the Archimedes Screw Turbine within tidal range technologies | |
| Xiong et al. | Identifying the characteristics and potential risk of seawater intrusion for southern China by the SBM-DEA model | |
| Park et al. | The rebirth and eco-friendly energy production of an artificial lake: A case study on the tidal power in South Korea | |
| Orlikowski et al. | Actual field corrosion rate of offshore structures in the Baltic Sea along depth profile from water surface to sea bed | |
| Phan-Van et al. | New models for feasibility assessment and electrolyser optimal sizing of hydrogen production from dedicated wind farms and solar photovoltaic farms, and case studies for Scotland and Vietnam | |
| Sogut et al. | Characterizing the Great Lakes marine renewable energy resources: Lake Michigan surge and wave characteristics | |
| Ahn et al. | Effect of changes in watershed runoff characteristics on salinity intrusion in estuary using EFDC | |
| Yufin | Geoecology and computers | |
| He et al. | Foredune height variations along the western coast of Taiwan Strait | |
| Majumder et al. | Marine renewable energy harnessing for sustainable development in Bangladesh: A technological review | |
| Barthelmie | A brief review of offshore wind energy activity in the 1990's | |
| Shuping et al. | Research on risk sensitivity of submerged floating tunnel based on analytic hierarchy process | |
| Bandara et al. | TREND ANALYSIS OF HISTORICAL AND DOWNSCALED FUTURE CLIMATE DATA IN DEDURU OYA BASIN, SRI LANKA | |
| CN115449801B (zh) | 一种钢筋混凝土外加电流阴极防护系统 | |
| Lolaev et al. | Forecasting of the stability of the tailing dam in permafrost region on the basis of numerical methods | |
| CN116702659B (zh) | 一种海浪破碎参数快速预报方法及系统 | |
| Sutherland et al. | Toe scour at seawalls: monitoring, prediction and mitigation | |
| Smentek-Duerr | A hydrokinetic resource assessment of the Florida Current | |
| Brende et al. | Studentkatalog: Overview of MSC–PHD–POST DOC. 2018 | |
| Lozano Minguez | Fatigue and fracture mechanics of offshore wind turbine support structures |
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 |