本發(fā)明涉及大壩安全管理，具體是涉及一種智慧水電站的壩體檢測控制方法及系統(tǒng)。

背景技術：

1、大壩是一種人造的土木建筑結構，其主要功能是橫跨河流或其他水體，用以阻擋水流、蓄積水源、抬高水位或調節(jié)水流等。大壩通常是為了滿足防洪、灌溉、供水、發(fā)電、航運等多種社會經(jīng)濟目標而建造的。

2、大壩在運維過程中，會存在多種不同的損傷，因此需要對大壩進行合理的檢測規(guī)劃，以及時發(fā)現(xiàn)壩體可能出現(xiàn)的各種損傷種類，以及時進行壩體的維修，現(xiàn)有技術中針對于壩體的檢測，缺少對于壩體檢測數(shù)據(jù)的綜合分析，難以合理的規(guī)劃每一次檢測的檢測精度，易造成檢測資源的浪費。

技術實現(xiàn)思路

1、為解決上述技術問題，提供一種智慧水電站的壩體檢測控制方法及系統(tǒng)，本技術方案解決了上述的現(xiàn)有技術中針對于壩體的檢測，缺少對于壩體檢測數(shù)據(jù)的綜合分析，難以合理的規(guī)劃每一次檢測的檢測精度，易造成檢測資源的浪費的問題。

2、為達到以上目的，本發(fā)明采用的技術方案為：

3、一種智慧水電站的壩體檢測控制方法，包括：

4、獲取壩體的可能發(fā)生的至少一種損傷類型，并基于每一種損傷類型設置對應的檢測方式；

5、基于壩體歷史運維管理數(shù)據(jù)，確定所有可能發(fā)生的壩體運維事件；

6、分析每一個壩體運維事件與損傷類型之間的相關聯(lián)性，并構建損傷類型風險評價模型；

7、基于壩體歷史運維管理數(shù)據(jù)，確定每一個損傷類型與當前時刻最接近的一次檢測時刻，記為初始檢測時刻；

8、統(tǒng)計初始檢測時刻與當前時刻間的所有壩體運維事件，記為分析運維事件；

9、將分析運維事件代入損傷類型風險評價指標，得到每一個損傷類型的變遷評估指標；

10、基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度。

11、優(yōu)選的，所述分析每一個壩體運維事件與損傷類型之間的相關聯(lián)性，并構建損傷類型風險評價模型具體包括：

12、基于歷史檢測數(shù)據(jù)中每一次的檢測數(shù)據(jù)，分析每一次檢測時的損傷類型的發(fā)生風險概率；

13、計算檢測時的損傷類型的發(fā)生風險概率與前一次檢測時的損傷類型的發(fā)生風險概率的差值；

14、統(tǒng)計檢測時與前一次檢測時之間發(fā)生的所有壩體運維事件；

15、將檢測時的損傷類型的發(fā)生風險概率與前一次檢測時的損傷類型的發(fā)生風險概率的差值和檢測時與前一次檢測時之間發(fā)生的所有壩體運維事件組成一條樣本數(shù)據(jù)；

16、獲取所有樣本數(shù)據(jù)，組成樣本數(shù)據(jù)集；

17、基于樣本數(shù)據(jù)集，以檢測時與前一次檢測時之間發(fā)生的所有壩體運維事件作為輸入，以檢測時的損傷類型的發(fā)生風險概率與前一次檢測時的損傷類型的發(fā)生風險概率的差值作為輸出，利用神經(jīng)網(wǎng)絡訓練損傷類型風險評價模型。

18、優(yōu)選的，所述利用神經(jīng)網(wǎng)絡訓練損傷類型風險評價模型具體包括：

19、將樣本數(shù)據(jù)集中的所有數(shù)據(jù)按照8:2的比例劃分為訓練集和驗證集；

20、構建損失函數(shù)，所述損失函數(shù)為均方誤差函數(shù)；

21、設定正則化系數(shù)，并基于正則化系數(shù)在損失函數(shù)中引入正則化項，獲取正則化損失函數(shù)；

22、基于正則化損失函數(shù)，利用訓練集通過神經(jīng)網(wǎng)絡訓練出若干個待選模型；

23、分別利用損失函數(shù)，評估若干個待選模型在驗證集上的損失值；

24、篩選出損失值最小值對應的待選模型，作為訓練損傷類型風險評價模型；

25、所述正則化損失函數(shù)具體為：

26、

27、其中，為正則化損失函數(shù)，為損失函數(shù)，為正則化系數(shù)，為神經(jīng)網(wǎng)絡的第j個參數(shù)。

28、優(yōu)選的，所述基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度具體包括：

29、基于初始檢測時刻對應的檢測數(shù)據(jù)，分析初始檢測時的損傷類型的發(fā)生風險概率，作為損傷類型的基礎風險指標；

30、將損傷類型的基礎風險指標加上損傷類型的變遷評估指標，作為損傷類型對應的實際風險評估值；

31、確定損傷類型對應的檢測方式對應的若干個精度調節(jié)檔位；

32、基于損傷類型對應的實際風險評估值，確定精度調節(jié)檔位；

33、按照設定的精度調節(jié)檔位對壩體進行檢測。

34、優(yōu)選的，所述基于損傷類型對應的實際風險評估值，確定精度調節(jié)檔位具體包括：

35、設定最高的精度調節(jié)檔位對應的實際風險評估值，記為風險評估上閾值；

36、于0-風險評估上閾值內，設定與精度調節(jié)檔位數(shù)量對應的若干個梯度閾值；

37、將所有梯度閾值按照從小到大的順序依次與精度調節(jié)檔位構建對應關系；

38、將損傷類型對應的實際風險評估值與梯度閾值進行比對，確定按照從小到大第一個大于實際風險評估值的梯度閾值，將該梯度閾值對應的精度調節(jié)檔位作為確定的精度調節(jié)檔位。

39、進一步的，提出一種智慧水電站的壩體檢測控制系統(tǒng)，用于實現(xiàn)如上述的智慧水電站的壩體檢測控制方法，包括：

40、模型訓練模型，所述模型訓練模型用于獲取壩體的可能發(fā)生的至少一種損傷類型，并基于每一種損傷類型設置對應的檢測方式，基于壩體歷史運維管理數(shù)據(jù)，確定所有可能發(fā)生的壩體運維事件，分析每一個壩體運維事件與損傷類型之間的相關聯(lián)性，并構建損傷類型風險評價模型；

41、事件分析模塊，所述事件分析模塊用于基于壩體歷史運維管理數(shù)據(jù)，確定每一個損傷類型與當前時刻最接近的一次檢測時刻，記為初始檢測時刻，統(tǒng)計初始檢測時刻與當前時刻間的所有壩體運維事件，記為分析運維事件；

42、檢測模塊，所述檢測模塊與所述模型訓練模型和所述事件分析模塊電性連接，所述檢測模塊用于將分析運維事件代入損傷類型風險評價指標，得到每一個損傷類型的變遷評估指標，基于損傷類型的變遷評估指標，設定損傷類型對應的檢測方式的檢測精度。

43、可選地，所述模型訓練模型包括：

44、數(shù)據(jù)處理單元，所述數(shù)據(jù)處理單元用于基于歷史檢測數(shù)據(jù)中每一次的檢測數(shù)據(jù)，分析每一次檢測時的損傷類型的發(fā)生風險概率，計算檢測時的損傷類型的發(fā)生風險概率與前一次檢測時的損傷類型的發(fā)生風險概率的差值，統(tǒng)計檢測時與前一次檢測時之間發(fā)生的所有壩體運維事件；

45、樣本統(tǒng)計單元，所述樣本統(tǒng)計單元用于將檢測時的損傷類型的發(fā)生風險概率與前一次檢測時的損傷類型的發(fā)生風險概率的差值和檢測時與前一次檢測時之間發(fā)生的所有壩體運維事件組成一條樣本數(shù)據(jù)，獲取所有樣本數(shù)據(jù)，組成樣本數(shù)據(jù)集；

46、神經(jīng)網(wǎng)絡訓練單元，所述神經(jīng)網(wǎng)絡訓練單元用于基于樣本數(shù)據(jù)集，以檢測時與前一次檢測時之間發(fā)生的所有壩體運維事件作為輸入，以檢測時的損傷類型的發(fā)生風險概率與前一次檢測時的損傷類型的發(fā)生風險概率的差值作為輸出，利用神經(jīng)網(wǎng)絡訓練損傷類型風險評價模型。

47、可選地，所述檢測模塊包括：

48、基準狀態(tài)分析單元，所述基準狀態(tài)分析單元用于基于初始檢測時刻對應的檢測數(shù)據(jù)，分析初始檢測時的損傷類型的發(fā)生風險概率，作為損傷類型的基礎風險指標；

49、變遷分析單元，所述變遷分析單元用于將分析運維事件代入損傷類型風險評價指標，得到每一個損傷類型的變遷評估指標；

50、綜合評估單元，所述綜合評估單元用于將損傷類型的基礎風險指標加上損傷類型的變遷評估指標，作為損傷類型對應的實際風險評估值；

51、精度設置單元，所述精度設置單元用于確定損傷類型對應的檢測方式對應的若干個精度調節(jié)檔位，基于損傷類型對應的實際風險評估值，確定精度調節(jié)檔位，按照設定的精度調節(jié)檔位對壩體進行檢測。

52、與現(xiàn)有技術相比，本發(fā)明的有益效果在于：

53、本發(fā)明提出一種智慧水電站的壩體檢測控制方案，基于每一次的檢測數(shù)據(jù)和相鄰檢測間隔內的運維事件進行綜合分析壩體出現(xiàn)損傷的風險指標，基于風險指標進行針對性的設定檢測精度，高風險下提高檢測精度以保證正對于壩體的全面檢測，低風險下可適當?shù)慕档蜋z測精度，進而提高檢測效率，減少檢測資源的浪費，通過本方案，實現(xiàn)了壩體檢測數(shù)據(jù)的綜合分析，可合理的規(guī)劃每一次檢測的檢測精度，針對壩體的個性化檢測規(guī)劃，在保證檢測精度的基礎上，大大的減少了檢測資源的浪費，提高檢測效率。