水电站大坝安全监测数据分析

水电站大坝安全监测数据分析

发表时间：2018-11-13T17:20:40.160Z 来源：《电力设备》2018年第20期作者：袁小媛

[导读] 摘要：随着经济和电力行业的快速发展，目前在水电站大坝安全监测的过程中运用了自动化观测、人工观测及水情数据监测等监测形式进行数据的收集。

（1、广西大学电气工程学院广西南宁市 530004；2、大唐广西龙滩水力发电厂广西南宁市 530022）

摘要：随着经济和电力行业的快速发展，目前在水电站大坝安全监测的过程中运用了自动化观测、人工观测及水情数据监测等监测形式进行数据的收集。由于监测对象不同，监测的数据也更加复杂并且格式也有格式不统一的情况存在。现如今我们一般都是由工程承包单位来负责相关的监测工作。因此经常会出现监测数据不准确、无效、虚假等严重问题，给大坝的日常监测与管理工作带来了很大的麻烦。现如今，由于没有完善的安全大坝监测制度，部分水电站更是在数据监测方面有很大的缺陷，对于数据的认知一直都停留在数据采集与汇总层面上，监测的数据没有质量保障更没有对数据进行严格把控，这些问题对大坝安全监测工作造成了不利影响。另外年度资料整编过程中经常会发现很多数据的缺失、错误数据的整理、成果计算错误等问题，有些重要的数据根本无法恢复，对大坝安全监测的结果产生了严重的负面影响并为后期维护带来很大困难，例如大坝安全监测的后续工作会出现偏差、安全资料整编不全面、定期检查工作不能正常进行等。想要改变这一现状，需要加强对日常监测工作的管理与监督，保证工作人员积极地认真检查、核对、处理每一个观测数据，保证数据的有效性，积极落实大坝安全监测工作，为大坝安全提供有效保障。

关键词：大坝安全；监测数据；自动化

引言

当前在我国水电站的建设管理中，大坝安全监测管理工作越来越受到重视。通过虚拟化集成技术应用和监测自动化系统应用控制，能够为水电站大坝监测技术应用控制能力的提升奠定基础。在自动化系统的监测控制工作中借助虚拟化集成技术的应用控制，能提升整体的监测工作水平。鉴于此，针对虚拟化集成技术在水电站大坝监测自动化系统中的应用现状进行分析，能够为我国水电站大坝监测自动化技术应用提供参考。

1水电站大坝监测自动化系统虚拟化集成技术应用的必要性

在整个水电站大坝监测自动化系统应用过程中，由于对应的系统应用存在着明显的差异性，要想提升整体的技术应用能力，要及时将系统监测中的技术应用控制好，保障能够结合虚拟化技术进行对应的技术监督实践。通过虚拟化集成技术应用结合自动化监测系统中的技术应用，能够将整体的监测技术应用过程中，控制好水电站大坝自身的安全质量，因此，在这种背景下的水电站大坝监测技术应用中，应该借助虚拟化集成技术应用，将整体技术监测质量提升上来，保障了监测技术应用的科学性，同时也满足了水电站大坝监测安全。

2对相关工作指标进行检查

现在主要有软件故障、采集缺失、记录错误、人为失误以及仪器故障等几种原因会让大坝监测出现数据错误的情况。随着测点的增加监测数据量会不断增大，测点越多，数据量就会越大，两者存在正相关的关系。面对庞大的数据信息，人工检查与核对的方式根本不能对这些数据进行全面准确的处理，因此造成了大部分数据未经检查处理就直接使用。现阶段对大坝进行安全有效监测的主要任务就是将所有测点纳入到指标监控管理体系，便于对数据进行有针对性的确认和处理。通常测值的模型、速度指标以及测点的检测量等情况都有可能会对大坝的安全情况产生一定的影响。当测点没有根据原有的采集频次进行观测工作时，就会出现采集缺失标记的情况出现；而出现采集到的监测数据出现比错误指标高的情况时，这些错误数据会被标记为无效数据；而当采集到的数据出现异常的时候，就会进行异常标记工作。而在对大坝的数据进行检查工作的时候，应该按照不同监测指标的类型进行数据区分，针对不同类型数据进行相应的处理工作，这样可以使指标的错误率有效下降，只有这样数据的真实有效性才可以得到保障。为了更有效的完成这项工作应该根据下面几点要求进行：（1）必须对缺失的数据进行补采。（2）必须对出现数据缺失的原因进行仔细查找分析，例如电源故障、通讯故障以及采集故障这些都是采集数据缺失的常见原因，应当按照采集流程进行逐一排查，不断完善采集数据的自动化观测，建立完善的采集数据制度。（3）针对人工观测数据出现错误的现象，一旦有问题出现必须对现场数据进行再次的核对采集。对多次采集工作结果进行比对，并且和可以利用相关的监测进行收集数据的结果比对工作。（4）针对异常的数据，需要特别对待，首先要做的就是先进行复检，如果监测结果显示没有问题，就会对数据进行正常的存档工作；但是如果有异常情况存在，首先要保证就是数据的真实性，之后再考虑其他因素对设备存在哪些影响，查找出现异常的原因，并对这种现象进行充分的分析，制定有效的修正措施。（5）对于没有问题出现的数据，这样就不需要进行数据重复检测，只需要对相关发展趋势进行分析就可以了。

3数据有效值判别

选用恰当的方法是监测数据有效性判断结论合理可靠的依据。为此，本研究将多种异常数据识别方法进行有机结合，根据不同方法的适应性，针对不同测点、测值序列的特征选择最适合的方法，设置相应的评判规则及指标。数据有效性判别的总体流程如图4所示。输入历史数据序列后，首先，将根据测点仪器量程和所监测量的物理意义删除历史数据序列中明显异常的数据。然后，根据历史数据序列中基本正常数据的总历时、结束时间以及形态（例如周期性、趋势性）等因素选择有效性评判方法。此后，根据所选择的评判方法，对历史数据进行处理，并输出对应于各个方法的有效性判别标准。目前已应用的系统中采用了改进包络域、奇异谱分析和统计模型三种数据有效性评判方法。图5从方法的敏感性、易操作性、对数据序列的要求以及适用的数据序列类型等方面对上述方法进行了比较。其中，奇异谱法与统计回归模型法对异常测值的敏感性近似较高，而改进包络域法敏感性较弱。改进包络域法的易操作性仅优于奇异谱法；而由于建立统计回归模型通常需要人工选择回归因子和回归数据段，基于回归模型的异常值识别方法的易操作性较弱。对历史数据序列的要求方面，奇异谱法对数据序列长度要求略高于统计回归模型法，而预测点前正常数据缺失太多时（例如多于1年）得出的预测结果也可能不可靠；改进包络域法对数据序列长度要求相对较高，但对数据缺失、阶跃等干扰的鲁棒性更强。可分析的数据序列类型方面，所有方法都可对平稳数据序列进行分析；统计回归法和奇异谱法还可对具有周期性和趋势性的序列进行分析，但对阶梯型数据序列分析精度较差；而改进包络域法对周期性、趋势性以及阶梯型数据都能进行分析。

结语

大坝安全监测的过程中对于资料整编、定期检查、安全分析与评价等工作能够顺利进行的前提条件就是一定要保证数据的真实、有