大坝智能监测预警平台研发探索

长柏 陈(国网江西省电力有限公司柘林水电厂，中国)
定军 单(国网江西省电力有限公司柘林水电厂，中国)
岚 徐(国网江西省电力有限公司柘林水电厂，中国)

摘要

对大坝智能监测预警平台开展了探索和研发。首先，构建了具有数据层、基础设施层、服务层和应用层的平台总体架构；其次，基于业务逻辑设计了从汇集、处理到展示的监测数据流动链路；接着，基于业务需求设计了集参数设置、管理、三维可视化为一体的平台功能模块；最后，基于系统设计研发了集成数据智能分析算法的大坝智能监测预警平台。案例应用表明，研发的大坝智能监测预警系统运行稳定、效率高，能够及时有效识别大坝运行性态的异常，实现大坝早期风险的智能识别。

关键词

大坝；智能；监测预警；数据流；系统平台

参考

谭婧. 美国大坝安全事故的经验教训及灾后恢复[J]. 水利水电快报, 2017, 38(1): 20-21.

宋恩来. 国内几座大坝事故原因分析[J]. 大坝与安全, 2000 (2): 41.

张秀丽. 用新理念新技术提升监管水平[J]. 大坝与安全，2015,2:7-9.

吴中如. 中国大坝的安全和管理[J]. 中国工程科学, 2000, 2(6): 36-39.

吴中如. 水工建筑物安全监控理论及其应用[M]. 北京：高等教育出版社，2003.

沈海尧，傅春江. 水电站大坝安全监控现状及改进设想[J]. 大坝与安全，2015,5:1-7.

吴茂贵，王冬，李涛等. Python深度学习—基于Tensorflow[M]. 北京：机械工业出版社，2018.

Cheng L, Yu T. A new generation of AI: A review and perspective on machine learning technologies applied to smart energy and electric power systems[J]. International Journal of Energy Research, 2019, 43(6): 1928-1973.

黄会宝，马芳平，沈定斌. 大渡河流域大坝智能监测探索与实践[J]. 水电与抽水蓄能，2022, 3: 16-22.

李庆斌，林鹏. 论智能大坝[J]. 水力发电学报，2014,1:139-146.

DOI: http://dx.doi.org/10.12345/slkxyjs.v9i5.40045