模型和监控指标在混凝土重力坝健康诊断和预警中的应用.pdf

2 0 1 4年第 1 1 期 ( 第4 2卷) 黑龙江水利科技 H e i l o n g j i a n g S c i e n c e a n d T e c h n o l o g y o f Wa t e r C o n s e r v a n c y No 1 1 2 01 4 ( T o t a l N o 4 2 ) 文章编号 ： 1 0 0 77 5 9 6 ( 2 0 1 4 ) 1 1 0 0 2 0 0 4 模型和监控指标在混凝土重力坝健康诊断和预警中的应用 徐 荣 ( 江苏河海科技工程集团有限公司， 江苏 泰兴 2 2 5 4 0 0 ) 摘要： 首先介绍了大坝安全监测中应用最广泛分析工具 ： 模型和监控指标， 同时论述了各 自 的优缺点 ， 进而引入了大坝健康诊断和预警的方法体系。然后阐述了混凝土重力坝健康诊断 和预警的方法 ， 并详述了各种诊断和预警方法的优劣。最后对它们的实践效果进行了分析评 价 ， 对它们的应用前景进行了展望。 关键词 ： 统计模型； 不确定模型； 监控指标 ； 健康诊断； 预警 中图分类号 ： T V 6 9 8 1 文献标识码 ： B 大坝健康诊断和预警 系统 的建立 ， 起步于模型 的建立和监控指标的拟定 ， 模 型和监控指标作为大 坝安全监测分析的重要方式， 已经在众多安全监测 系统 中得到应用， 但 目前它们 大部分仅被作为资料 分析和预测的工具 ， 本文 旨在利用这两种工具 ， 建立 混凝土重力坝的健康诊断和预警体系。 1 建 立模型 常规统计模 型作为最常用 的确定性模 型， 已经 广泛应用于水利系统 ， 特别是大坝安全监测领域 ， 而 不确定模型作为确定性模 型的补充， 可 以考虑各种 不确定因素 ， 某些情况下可 以弥补确定性模型 因原 始数据缺陷而导致 的无法建模 的不足 ， 进而避免误 诊和提高预警精度。 1 1 统计模型 观测变形 、 扬压力和渗流量所得 的物理量是监 测水工建筑物运行工况 的重要量 ， 因此 主要针对这 几个量来进行分析 。位移统计 模型因子较少 ， 不需 要计算前期环境量均值 ， 而扬压力和渗流量统计模 型导人信息时， 不仅要记人降水量因子， 还需要计算 前期水位和降水量的均值。 1 1 1 位移统计模型 按成因， 位移可分为 3 个部分： 水压分量( ) 、 温度分量 ( 6 ) 和时效分量( ) ， 即 ： 6 ( 8 或 8 或 )=6 + r+ 口 ( 1 ) 收稿 日期 2 0 1 4 0 5 2 1 作者简介 徐荣( 1 9 7 6一) ， 男， 江苏泰兴人 ， 工程师。 一 2 0 一 对于混凝土重力坝 ， 坝体在水压作用下产生位 移的水压分量与大坝上下游水深的 13次方有关 ， 故水压分量 6 因子取 h , h 、 h ； 考虑 到有些坝 的坝 内温度计和水温资料不足、 气温资料一般比较详实 的情况 ， 由于坝体混凝土 内任一点的温度可 以用周 期 函数标示 ， 同时温度位移与混凝土温度呈线性关 系， 因此温度分量 6 一般取多组谐波因子组合； 大坝 产生时效变形 的原 因极为复杂， 它综合反映坝体混 凝土与基岩的徐变 、 蠕变 以及岩体地质构造 的压缩 变形等， 因此时效分量 因子取 和踟6。位移统计 模型公式如下 ： 6=G O + 3 Ct i( H i 一 峨 ) + 善 ( s in 一 s i n )+b 2 i ( c o s 一s ) + c l ( 00 0 )+C 2 ( I n OI n O o ) ( 2 ) 实际情况中 ， 温度分量谐波 因子组数 和时效分 量因子数可以变化。 1 1 2 扬压力统计模型 扬压力采用如下统计模型 ： Y= y 舶 +y +y + + ( 3 ) 式中： y 代表某扬压力测孔的扬压力测值， 为上 游水位分量 ， 为下游水位分量 ， 为降雨分量， 为温度分量， 为时效分量。 例如， 选择监测 日前期水位平均值 ( 1 、 2 、 5 、 徐荣： 模型和监控指标在混凝土重力坝健康诊断和预警中的应用 第 1 1 期 1 0 d ) 作为水位分量 因子 ； 降雨分量亦取前期平均值 ( 1 、 2 、 5 d ) 作为降水量因子 ； 温度分量选取 2组谐波 因子 ； 时效分量的组成 比较复杂 ， 与库前泥 沙淤积、 扬压力监测孔周 围的岩性、 裂隙和构造分 布及 产状 有密切 的联系， 故时效分量因子取 6和伽6。扬压力 统计模型公式如下 ： 艿 = 口 o+ n ( h h o i ) + E b u ( s i n -s i n )+ 6 2 I ( c o s 一s ) + c ( P i P )+d I ( 0一O o )+d 2 ( I n 0一I n 0 0 ) ( 4 ) 实际情况 中， 水 位前期平均值天数可 以为 1 ， 2， 5 ， ， m 天， 同样 ， 前期 降水量 也 可取 1 ， 2， 5 ， ， n 天， 温度和时效分量因子个数也可改变。 1 1 3 渗流量统计模型 混凝土重力坝渗流量统计模型为 ： Q =Q 刖 +Q 船 +Q +Q ( 5 ) 式中： Q为渗流量测值， Q 。 为上游水深分量； Q 砚为 下游水深分量 ； Q 为温度分量 ； Q 为时效分量 。 例如， 上游水位变化对 坝基 渗漏量有很重要 的 影响， 且有一定的滞后作用 ， 重力坝下游水位影响可 忽略不计 ， 水位分量因子取前期水位平均值 ( 2、 3 、 4、 5 、 6 d ) ； 降雨分量、 温度分量和时效分量参考扬压力 统计模型。最终的渗流量统计模型公式为 ： 6= + ( h i h 0 ) + 6 l i n _s i n )+ b z i ( c 0 s s ) + c ( P i P o )+d i ( 0一O o )+d 2 ( I n 0一I n 0 o ) ( 6 ) 实际情况中， 各分量因子的选择 同扬压力模 型， 根据实际条件变化。 1 2 不确定模型 不确定模型是由不确定信息建立的模型。常规统 计模型的建立， 需要各因子有确定的样本序列， 而不确 定模型则可以在缺少某种因子的条件下依旧可以建模， 只不过它的精度随着建模因子的多少而变化 ， 样本序列 提供的自 变量越多， 建模结果越精确。常规的坝体I生 态 分析方法， 往往是基于某些确定的假设和认识， 并运用 各种确定的理论和方法来建立模型， 这必然会在一定程 度上降低模型的精确度。因此， 对含有不确定参数的不 确定大坝系统， 利用不确定模型进行分析， 可以较好的 反映大坝的工作状态u j 。 1 2 1 位移不确定模型 位移不确定模 型 的 自变量可 以取 3个 ， 分别为 日 期、 水位、 温度； 因变量为位移量。位移不确定模 型的计算流程为 ： 自变 量 因子 分 别 为 ( 水 位 ) 、 ( 温 度 ) 、 (日 期) ， 因变量为 ( 表面变形) ， 则他们 分别构成分析 样本数据信息对( ， ) ， ( ， ) 和( t ， ) 。原型观测 资料中 u t 的信息分别对论域集 W( 变形集) 、 u ( 水位集 ) 、 ( 温度集) 和 (日期集 ) 中各个控制点 有不同的贡献， 将各控制点从所有监测信息样本中 得到的信息分别 累加起来 ， 便 可得到原始信息分配 矩阵 Q ( i=1 ， 2 ， 3 )。对原始信息分配矩阵 Q 分别 沿纵横两方向作 正规化处理 ， 然后再 对正规化处理 后所得 的两个矩 阵作对应元 素的取小 运算 ， 最后便 可得各 自变量论域集分别与因变量论域集合集之 间 的关系矩阵 ( =l ， 2 ， 3 )， 再根据式 7 式 9 _ 2 ： i 时， i A A = 1 ， 0 ， ， 0 ( 7 ) O Lm in X 时 ， 大 坝将要出现异常或险情 ， 其概率为 ： 一+ P ( X X )=P 。=J ) d x ( 1 7 ) J 一 求出 的分布后 ， 估计 的主要问题是确定 失事概率 P ( 以下简称 ) ， 其值根据大坝的重要性 而定 ， 重要性高的工程 ， 其值越小 。在假设检验中该 值被称为统计假设检验的显著性水平 ， 其值越小则 此假设检验的显著性水平越高。确定 O t 后 ， 由 的 分布函数直接求 出X =F ( ， ， )。 3 诊断方法 3 1 模型诊断 3 1 1 统计模型诊断 根据建立的相应效应量模型并确定相应 的系数 和模型剩余标准差 o r 之后， 就可以求 出时刻 t 的计算 值 ( t )， 如果选取显著性水平 O =5 ， 则对应的 效应量监控指标为 E ： ( t )2 S， 同理 ， 如果选取 显著性水平 O t =1 时， 则对应的效应量监控指标变 为 = ( t ) 2 5 7 6 S。如果选取 O t =5 ， 通过计 算云 ( t ) 与 该时刻 实 测 值E ( f ) 差的 绝对 值l 云 ( ) 一 E( t )I， 并与相应模型的剩余标准差 的整倍数进 行 比较， 根据概率统计理论 ， I ( f )一 ( ) l 2 S的 概率为 9 5 5 ， I 一E( t ) I 3 S的概率为 9 9 7 ， 徐荣： 模型和监控指标在混凝土重力坝健康诊断和预警中的应用 第 l 1 期 因此 ， 可 以认 为在 正常 状态 下不 会发 生 I ( t )一 E( t )3 S I， 如果发生可以认为效应量状态出现了 异常。由此， 可以得到效应量的判定依据： 若 l ( t )一E( t ) l 2 S， 则测值正常 ， 大坝效应量处于正 常状态 ； 若 2 S3 S， 则测值异 常 ， 应该结合坝体 自身情 况和周 围环境量变化情 况 进行综合分析 ， 包括监测系统和大坝的工作状况 。 3 1 2 不确定模型诊断 通过历史实测资料， 可以建立不确定性信息模 型， 计算得到模型剩余标准差 。实际诊断时， 根据 运行环境荷 载 ， 通过不确定性信息模 型可以获得监 测效应量的预测值 ， 并计算监测效应量 预测值与实 测值的差的绝对值， 通过绝对值与一定倍数的 ( 如 ) 进行 比较 ， 诊 断监测效 应量 的监控状态 。根据 不同级别 ， 可以取 1 、 2 、 3等值 ， 具体诊断方法与统 计模型诊断方法相同。 3 2 监控指标诊断 根据大坝的重要性 ， 确定失事概率 P 后 ， 即可 由概率分布 函数 F ( E )直接求 出监测效应量 的安 全监控指标 E ：F ( E， ， O L )。 为与确定失事概 率 P 相对应 的显著性水平 。然后将 实际监测到 的 大坝监测效应量 E与安全监控指标 E 进行对 比： 1 ) 若 E E ， 则测值正常 ， 大坝工作处 于正常 状 态 。 2 ) 若 E E ， 大坝工作状 态为异常 ， 需进一步 分析 ， 查找原因， 及时采取措施 。 4 预警方法 4 1 监控指标预警 根据监控指标诊断结果 ， 判断位移 、 扬 压力 、 渗 流量和绕坝渗流是否超限 ( 即超过拟定 的监控指标 值 E ) ， 超限则报警。如果遇到效应量测值方向不 同， 例如大坝位移 ， 则 向下游位 移测值 、 向上游位 移 测值应分别与相应的位移安全监控指标进行 对 比诊 断 ， 超限则报警 。 4 2 设计 限值预警 设计限值预警方案主要针对坝基扬压力测值的 监控 ， 它既可以采用置信区间法和小概率法作 为扬 压力是否超限的控制指 标 ， 还可根据设计扬压力折 减系数或设计扬压力测孔水位作为诊断标 准。同时 水位工况 、 扬压力测孔位置应与设计水位工况、 设计 扬压力图形折减 位置相对 应 ， 这样才 有可 比性 ， 因 此， 实测扬压力折减系数计算时间应选用高水位时 段 ， 如接近正常蓄水位及 以上水位时段。当实测扬 压力折减系数 a不超过设计值或实测扬压力测孔水 位不超过设计扬压力测孔水位时 ， 则相应 区域 坝基 防渗排水体系工作正常， 否则异常， 应进行报警， 并 加强监测和及时分析原因。 4 3 历史极值预警 通过对 比混凝土重力坝各监测项 目测点 的历年 特征值， 判断实测值是否超过极值， 超过说明本次测 值超过往年正常水平， 应进行报警。 需要指 出的是 ， 用来进行 预警判别 的特征值一 般为最大值 和最小值 ， 因为平均值不 能反映测值的 上下浮动范围， 故不作为评判标准。一 般测值 的最 小值超过了历史最小极值则预警， 同理超过历史最 大极值也要预警 ， 同诊断部分 ， 历史极值因其可靠性 不高 ， 故作为一种辅助预警手段 ， 用户可 以在预警设 置中， 选择是否提供历史极值预警功能。 另外 ， 专家经验预警也可以作 为一种预警手段 ， 原理就是建立专 家数据库 ， 按照监测项 目和监测部 位 ， 将所有测点的测值上下限写入 固定的数据库表 ， 如果选择专 家经验预警功能 ， 则采集系统采集到 的 测点实测值可与数据库 中相应测点专家经验数据表 进行对比， 超过则预警。 5 小 结 模型和监控指标作为最常用 的大坝监测数据分 析方法 ， 已经被广泛应用 ， 但 目前 的大部分大坝安全 监测分析系统主要应用他们来进行单测点的数据拟 合和预测 ， 以及单测点的数据量程判断 ， 并没有纳入 到系统的大坝健康诊断和预警 中去。但长远来看 ， 水利工程将来主要的发展方向为安全监控和结构老 化分析， 对于重力坝监测， 健康诊断和预警势必会成 为重要组成部分 ， 它们既可以提高工作效率 ， 也可以 为大坝安全提供保障。 参考文献 ： 1 李占超 大坝安全监控指标理论及方法分析 J 水力发 电， 2 0 1 0 ( 0 5 ) ： 6 4 6 7 一 2 3