水利枢纽工程建设过程中大坝安全监控模型研究
2024-04-20何佩诗
何佩诗
(湖北志宏水利水电设计有限公司,武汉 430070)
0 引 言
水利工程建设中,大坝的运行安全性与环境因素、内部结构、外力干预等多种因素相关,内外条件的不确定性直接影响大坝的运行性态[1]。而大坝作为水利枢纽的重要工程,一旦出现安全事故,所造成的损失和危害难以估量。因此,大坝的安全稳定性是水利枢纽运行维稳的重点问题。
为了建立健全的安全监控和预警机制,实时监控和评估大坝的运行状况[2-3],本文结合统计模型和有限元确定性模型的优势,构建安全监控组合模型,以期为保障大坝的安全运行提供帮助。
1 水利枢纽大坝安全监控模型设计
统计模型是大坝安全监测的常用手段。统计模型以大坝实测数据为基础,选择安全监测因子,并通过数据统计分析的方式,确定分析模型因子系数,从而建立监测回归模型,对大坝的安全因子进行监控[4-5]。统计模型依赖于统计数据,而在大坝结构性态方面参考较少,无法从力学的角度对大坝的实际安全状况进行分析[6]。统计模型对数据的依赖性较强,要求实测数据具有较高的完整度,并且存在精度不高的问题,难以实现精准的预测预警[7]。而有限元确定性模型以有限元分析为主要手段,从大坝力学结构性态出发,通过有限元计算分析变量之间的关系,从而实现大坝安全监控[8-9]。
本研究综合考虑统计模型和有限元模型的优势,利用两种模型构建大坝安全组合监控模型,使用有限元模型分析大坝水压分量,并结合统计模型对大坝的时效和温度分量进行分析,从而实现多角度水利枢纽大坝安全监控与预测。大坝安全组合监控模型框架见图1。
图1 大坝安全组合监控模型框架
大坝的变形位移受到水压的影响。在不同水位荷载情况下,大坝坝体所受水压不同,则大坝坝体和岩基出现变形和位移的可能性也存在差异[10-11]。并且水库所受水重也会影响库区岩基的稳定性,导致岩基上出现坝体位移[12]。大坝的坝体混凝土和岩基的温度变化也会影响大坝的变形位移。利用坝体混凝土和岩基内部所布设的温度计获取温度场信息,通过有限元分析的方式,计算大坝的温度位移。时效因素是大坝变形位移的一项时间综合因素,包括时间累积下的混凝土徐变、岩基压缩变形、坝体裂缝位移等时效因素[13-14]。
因此,大坝位移主要受到水压荷载、温度条件、时效因素的影响,大坝变形位移分量函数如下:
(1)
式中:δH、δT分别为水压分量和温度分量;δθ为时效分量;i=1,2,3分别表示水压、温度、时效;X为调整参数;m为重力;Hi为水位;ai为水压因子系数;bi为等效温度因子系数;Ti为平均温度值;ci为时效因子系数;θi为时间。
坝基扬压力是观测大坝渗流情况的关键指标,是指底面垂直方向上渗透水压力的铅直压力,而扬压力的水位影响分量主要是指大坝上游的水位情况[15-16]。通过坝基扬压力,分析大坝的渗流情况,大坝渗流分量函数如下:
(2)
大坝应力主要包括温度、自重、湿胀应力,并受到水压、时效的影响,大坝水压σH、温度应力σT和时效σθ函数如下:
(3)
式中:m2为测量温度计的数量;Ti为温度计测量数据值与初始值之间的差值;c为回归系数;θ0为初始时间。
2 大坝安全监控模型效果验证
2.1 大坝变形位移预测分析
为了验证组合模型的有效性,研究分析组合模型监测值与实测值之间的拟合程度,结果见图2。图2中,研究比较了组合模型、灰色预测以及SDCS-SVM算法的监测值计算差异。由图2可知,在9月18日至1月18日,研究区域的表面水平位移呈不断增加趋势,最高值达到4.29mm;1月18日至9月18日呈不断降低的变化趋势,最小表面水平位移值仅为-3.26mm。从模型的监测值与实测值差异比较中发现,研究提出的组合模型与实测值之间的变化一致性较高,且拟合程度显著高于其他两种模型。
图2 各模型在大坝表面水平位移检测中的应用效果
为了验证组合模型在大坝监控中的水平位移预测能力,研究以2023年1月19日至2023年2月18日的数据为基础,评价组合模型与其他模型的预测效果差异,结果见图3。由图3可知,2023年1月19日至2023年2月18日期间,大坝的表面水平位移最大值出现在1月18日,最大值为3.74mm;最小值出现在2月16日,最小值为1.10mm。比较不同模型在大坝水平位移预测中的差异可以看出,研究提出的组合模型的预测差异最小,最大差异值仅为0.14mm;灰色预测模型的预测值与实际值之间的差异最大,最大值达到0.69mm。以上结果表明,相较于其他模型而言,研究提出的组合模型在大坝水平位移预测中的误差值较小,表明组合模型能够在大坝水平位移监控中表现出较好的预测能力。
图3 各模型在大坝表面水平位移预测中的应用效果
2.2 大坝渗流预测分析
在大坝安全监控中,扬压力的变化监测也至关重要。为此,研究针对大坝扬压力监测,分析多个模型与实测值之间的差异,以此来评价组合模型在扬压力监测中的有效性,结果见图4。由图4可知,大坝扬压力的实际变化呈不断波动的变化趋势,并在每年的9-10月份达到最大值,其原因是此时大坝处于上游放水时期,大坝渗流产生的扬压力逐渐提升。此外,由图4可以发现,研究提出的组合模型的计算值与实测值表现出相同的变化趋势,且两者之间的差异较小。而灰色预测以及SDCS-SVM模型在计算中所表现出来的变化趋势虽然与实测值呈现一致性,但两个模型与实测值之间的差值显著高于组合模型。以上结果表明,针对大坝坝基的扬压力检测,研究提出的组合模型具有有效性。
图4 各模型的坝基扬压力检测结果
为了评价组合模型在大坝坝基扬压力监控中的预警能力,研究提出多个模型的预测比较,结果见图5。由图5可知,所有模型的预测结果均与实测值保持相同的变化趋势。其中,研究提出的组合模型的预测值与实测值的误差最小,最大值仅为0.93kPa;而灰色预测以及SDCS-SVM模型与实测值的最大误差分别达到12.45和9.77kPa。以上结果表明,大坝坝基渗流导致大坝扬压力不断变化,采用研究所提出的组合模型能够对大坝坝基的扬压力进行检测和预测,对大坝坝基的渗流安全具有重要意义。
图5 各模型的坝基扬压力变化预测结果
2.3 大坝应力预测分析
在大坝安全监控中,大坝的应力是决定大坝安全强度的重要指标,因此分析运行期大坝的应力变化是大坝安全运行的关键。研究同样以2019年1月18日至2023年1月18日的大坝运行数据为基础,对比分析不同模型在大坝应力检测中的测量值,并分析各模型的检测值与实测值之间的差异,结果见图6。由图6中可知,研究提出的组合模型监测值与实测值之间的差异显著小于其他两种模型,并且其误差最大值仅为0.62MPa,最小值降低至0.08MPa。比较多个模型的检测结果可知,研究所提出的组合模型在大坝应力检测中的精度较高,能够较好地实现大坝应力检测。
图6 各模型的大坝应力变化检测差异
在大坝应力监控中,不仅仅需要实现应力变化的实时检测,还需要对其变化趋势进行预测,因此研究提出应力变化预测的分析,结果见图7。由图7可知,在2023年1月19日至2023年2月18日的大坝应力预测过程中显示,组合模型的预测结果与实测值变化具有一致性,且两者最大误差仅为0.81MPa,显著低于其他两种模型与实测值之间的误差。综合分析组合模型的监控效果发现,在大坝的变形、渗流以及应力分析中,组合模型的测量和预测误差均小于其他模型,即能够在大坝安全监控中表现出较好的应用效果。
图7 各模型的大坝应力变化预测结果
3 结 论
为了提升大坝运行的稳定性,本文从大坝的形变、渗流和应力应变3个角度出发,结合统计模型与有限元模型,对水利枢纽工程建设过程中大坝安全问题进行了监测监控。结果显示,相较于灰色预测以及SDCS-SVM模型,研究提出的组合模型的坝基扬压力预测值与实测值的误差最小,最大值仅为0.93kPa;组合模型的水平位移预测差异最小,最大差异值仅为0.14mm;大坝应力方面组合模型预测误差为0.81MPa。研究表明,组合模型能有效对大坝水平位移等安全因素进行监控和预测,预测效果较好。