(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210767537.5 (22)申请日 2022.07.01 (71)申请人 水利部南京水利水文自动化研究所 地址 210000 江苏省南京市雨 花台区铁心 桥街95号 (72)发明人 方卫华　张慧　徐孟启　王江燕　 王健健　 (74)专利代理 机构 南京众联专利代理有限公司 32206 专利代理师 叶涓涓 (51)Int.Cl. G06F 30/27(2020.01) G06F 30/23(2020.01) G06F 17/18(2006.01) G06N 3/04(2006.01)G06Q 10/04(2012.01) G06Q 50/08(2012.01) G06Q 50/26(2012.01) (54)发明名称 寒区闸坝工程安全预警方法及智能监控系 统 (57)摘要 本发明公开了寒区闸坝工程安全预警方法 及智能监控系统， 采用端－边－云协 同架构， 由 智能传感器采用压缩感知技术感知闸坝荷载和 结构响应信息， 经边缘服务器去噪、 特征提取、 物 理量计算转换和现地判别等过程上传至云端计 算中心， 计算中心采用多源信息融合进行智能判 别或基于模 型修正的多场耦合数值模拟， 其中智 能综合判别采用Ti meGAN和MAD ‑GAN模型进行； 数 值模拟采用水、 温度、 风雨和冰雪荷载的水－ 热－力多场耦合模型。 系统和模 型稳定后通过运 行工况识别， 将预警指标、 约束条件和增强样本 定期更新部署到边缘端， 从而便于边缘端采用相 关数据和TimeGAN等模型快速预警。 本发明创新 性和实用性 突出， 具有良好 转化推广应用潜力。 权利要求书2页 说明书9页 附图4页 CN 115270604 A 2022.11.01 CN 115270604 A 1.寒区闸坝工程 安全预警方法， 其特 征在于， 包括如下步骤： 步骤1、 收集坝区气温、 冰厚、 水位、 变形实测资料， 形成多样本时间序列数据； 进行样本 测值相关性检验和分布检验； 当样本数量不够上述检验要求时， 采用以测点测值影响因素 为输入、 实测有限样 本为真值的生成式对抗网络TimeGA N模型对样本进行生成补充， 直至满 足样本数要求； 步骤2、 选取冰厚实测数据， 通过与设计荷载所选定的冰厚对比， 大于设计冰厚的冰厚 即为厚冰极值序列； 当设计未考虑 冰荷载时则将所有冰厚大于0的实测数据都做为极值， 从 而得到冰厚极值序列； 根据实测数据计算平均水位， 将设计水位作为高水位阈值， 大于 设计 选定的水位值即认定为高水位， 从而得到高水位极值序列； 当无连续冰厚实测数据时根据 气温数据利用经验公式计算得到冰厚数据； 步骤3、 根据步骤2得到的冰厚极值序列和高水位极值序列两组极值序列， 根据步骤1检 验结果采用相应的概率密度估计方法得到其各自的概率密度函数， 并进 行拟合优度检验直 到通过检验为止； 步骤4、 冰厚－水位联合分布概率函数获取； 采用二元Copula函数确定作用在闸坝上的 冰厚与水位的联合概率分布； 联合概率分布Copula函数形式根据变量之间的相关性和正态 性检验确定， 对于恶劣条件下水位和冰厚存在正相 关， 选用Gumbel ‑Hougarard  Copula函 数， 由Kendall秩相关系数推求 函数系数； 步骤5、 采用闸坝工程设计洪水重现期的倒数确定为临界概率， 洪水重现期时间单位为 年， 根据步骤4确定的联合概率密度函数， 根据工程运行寿命期内可能的极大冰厚和水位计 算大冰厚－高水位联合概率密度函数是否大于临界概率； 如不大于临界概率则继续收集资 料返回步骤1， 否则进行 下一步； 步骤6、 当存在结构安全风险后则需要进行结构强度、 渗流和变形响应等监测项目及其 测点的完备性检查； 当监测项目和测点完备时， 先采用生 成式对抗网络TimeGA N模型结合趋 势变化、 超 预测值置信度法或数值计算临界值法进 行单测点预警， 其中TimeGA N模型的输出 为测点实测闸坝结构响应信息， 输入为对应荷载信息， 包括风向、 风力、 冰厚、 水压、 温度、 时 间、 雪荷载等； 然后再采用生 成式对抗网络MAD ‑GAN进行分坝段最后整个坝体的多监测项目 多测点局部和整个闸坝的预警， 其中MAD ‑GAN的输入为多个测点的实测响应值， 输出为结构 分坝段/闸坝整体安全的判断； 当监测结构响应的项目不完备时， 则进行 下一步； 步骤7、 根据闸坝材料和结构类型选择相应的考虑冻胀的水－热－力耦合模型， 该模型 考虑冰胀和相变对闸坝及其基础应力和变形 的影响； 水热力耦合模型包括： 伴随相变的非 稳态热传导方程， 用显热容法模型描述相 变； 水分迁移控制方程采用质量守恒的流体连续 方程结合带启动压力 梯度的饱和－ 非饱和Forchheimer渗透定律结合 温度梯度水分扩散率 及含冰量确定； 材料应变考虑温度、 湿度、 应力应变和徐变； 本构模型采用分数阶本构模型； 材料屈服准则采用三剪强度准则， 裂缝开裂采用应变能释放率准则； 结合整体平衡方法即 得到水－热－力耦合模型； 荷载条件根据感知系统实测资料计入气温水温、 冰厚、 风向风 速、 雪厚及其分布， 数值模拟计算时输入上/下游库水表层冰压力、 下层水压力、 泥沙压力， 同时考虑坝体本身的温度应力和水冰相变作用以及冻胀力体积力； 根据材料强度准则、 渗 透破坏准则以及整体屈服稳定准则进 行闸坝的局部和整体安全预警； 同时将 计算获得的临权　利　要　求　书 1/2 页 2 CN 115270604 A 2界状态的变形值、 渗透压力值部署 到边缘端， 作为预警指标， 将 计算过程中获得的样本用于 边缘端概率统计检验的样本增强。 2.根据权利要求1所述的寒区闸坝工程安全预警方法， 其特征在于， 所述步骤2中， 冰厚 度计算采用以下公式： 式中， h为冰厚； I为冻冰度日； a为不同条件下的经验值； 无雪覆盖、 有风吹的湖冰冰盖 时a＝2.7cm/℃ ·d， 无雪覆盖的湖冰冰盖时a＝1.7～2.4cm/℃ ·d， 有雪覆盖的湖冰冰盖时 a＝1.4～1.7cm/℃ ·d； 对于温度变化频繁地区的闸坝采用以下公式： 式中a(T)为一个与温度有关的变量。 3.根据权利要求2所述的寒区闸坝工程安全预警方法， 其特征在于， 当无实测当地气 温 实测数据时， 采用气象部门气温数据插值得到气温。 4.根据权利要求1所述的寒区闸坝工程安全预警方法， 其特征在于， 所述TimeGAN和 MAD‑GAN模型中的生成式网络采用带注意力机制的扩展递归神经网络adRN N。 5.根据权利要求1所述的寒区闸坝工程安全预警方法， 其特征在于， 所述步骤1～4在 现 场通过现场边 缘计算完成， 其中生成式网络模型训练在云端计算中心完成。 6.根据权利要求1所述的寒区闸坝工程安全预警方法， 其特征在于， 所述步骤5～7通过 云端计算中心完成。 7.寒区闸坝工程安全智能监控系统， 其特征在于， 用于实现权利要求1～6中任意一项 所述的寒区闸坝工程安全 预警方法， 包括： 传感器、 现场计算设备、 边缘计算网关、 后方服务 器， 传感器采集数据， 多个现场计算设备组成现场边缘计算网络， 分别接入各传感器并现场 存储相关数据； 现场边缘计算网络完成数据误差识别处理和计算分析， 根据云端计算中心 下达的最新预警指标进行对比预警， 并将预警结果上传云端计算中心或相关授权节点； 边 缘计算网关将各个边缘端现场计算设备 的数据汇集， 处理后上传云端计算中心； 云端计算 中心处理收集的多个边缘网关信息， 采用多场耦合数值分析有限元、 模型修正及数据同化、 参数反演， 通过计算获取结构破坏临界点的变形、 渗流和应力应变作为单点、 局部或整体预 警指标， 以作为 边缘部分进行 数据合理性分析依据。 8.根据权利要求7所述的寒区闸坝工程安全智能监控系统， 其特征在于， 所述传感器包 括： 设置在挡 水建筑物现场的若干气温风速传感器、 雨雪量传感器、 水位传感器、 水温传感 器、 冰层厚度传感器、 应变传感器、 测缝传感器、 测斜传感器、 坝体温度传感器、 渗透压力传 感器； 气温风速传感器在挡水建筑物现场进 行风力大小及方向和温度采集后通过无线或有 线组网存储至嵌入式现场计算存储设备； 雨雪量传感器用于采集雨雪载荷后通过无线或有 线组网存储至嵌入式现场计算存储设备； 水位、 水温传感器用于获得冰层以及水体的竖直 方向的水位及温度分布， 冰厚计用于测量冰的实时厚度， 应变传感器、 测缝传感器、 测斜传 感器在挡水建筑物现场进行形变渗流监测、 测量闸坝结构在水平X、 Y方向的倾斜角度和位 移， 采集数据通过Zigbee或有线组网存储至嵌入式现场计算存储设备； 坝体温度传感器用 于获取闸坝的内部温度分布， 渗透压力传感器用于获取尚未结冰情况下的内部的渗透压力。权　利　要　求　书 2/2 页 3 CN 115270604 A 3