数字孪生保障百年大坝安全
山迪
山迪 Lv.2
2022年07月28日 14:02:11
只看楼主

寻求防止大坝灾害 2017 年 2 月,北加州的强降雨淹过了奥罗维尔大坝。官方发现,侵蚀随时间推移导致主溢洪道形成一个坑洞,限制了可以排放的水量,导致奥罗维尔湖水位上升。结果导致,水溢流到以前从未使用过的紧急溢洪道,造成严重的地面侵蚀和大坝损坏。由于面临溃坝的可能性,为预防起见,居住在下游的超过 18 万人被疏散。虽然奥罗维尔大坝最终得以保持完好,但这一事件给全国各地的大坝业主和运营商敲响了警钟,并突显了实施更有效维护以避免出现潜在灾害的必要性。

寻求防止大坝灾害

2017 2 月,北加州的强降雨淹过了奥罗维尔大坝。官方发现,侵蚀随时间推移导致主溢洪道形成一个坑洞,限制了可以排放的水量,导致奥罗维尔湖水位上升。结果导致,水溢流到以前从未使用过的紧急溢洪道,造成严重的地面侵蚀和大坝损坏。由于面临溃坝的可能性,为预防起见,居住在下游的超过 18 万人被疏散。虽然奥罗维尔大坝最终得以保持完好,但这一事件给全国各地的大坝业主和运营商敲响了警钟,并突显了实施更有效维护以避免出现潜在灾害的必要性。

 

Seattle City Light 就是这样的一家业主运营商,它对自己的六处设施开展了重大安全审查,以防突发灾难,包括 1936 年在华盛顿州西北部的斯卡吉特河沿岸修建的 Diablo 大坝。为了超越传统方法,改进对 Diablo 大坝的检测技术,更深入透彻地了解老化大坝的现状,他们希望建立虚拟检查方法,收集更多信息,同时将 160 英尺高设施的安全风险降至最低,并降低检查成本。Seattle City Light 委托 HDR 使用无人机对大坝及其周围环境进行勘测。勘测内容必须包括大坝结构、溢洪道、石桥台和混凝土拱的详细图像。虽然 HDR 可以收集有关大坝现状的丰富信息,但还需要一种方法,以一种直观且易于理解的方式来整理和呈现这些数据,从而帮助运营商改善决策,快速应对不断变化的情况。

 

将数字孪生模型与机器学习相结合

HDR 确定,管理收集的数据并将其用于更有效的检查,最有效的方法是创建一个数字孪生模型。这种大坝的虚拟复制品为运营商了解设施状态提供另一个参考点,并提供一种新的方法,可通过直观的数据可视化来保持对任何变化的感知。理想情况下,数字孪生模型能够整合从传统借助悬吊绳索检查中收集的数据,而这些人工检查提供了无人机勘测可能错过的关键视角。开发数字孪生模型后,将建立基础环境数据,这些基础环境数据随着现实情况的变化而更新。

 

然而,项目业主希望不仅仅获得现实情况的准确反映。要实现这些目标,HDR 需要将 Diablo 大坝的结构体系、工程和施工数据全部整合到数字孪生模型中。此外,业主希望将人工智能和机器学习纳入到模型中。这些功能使大坝工作人员能够进行预测分析,并确定资产和岩土工程状况在未来将如何变化,例如周围土体随着时间推移的自然转移和侵蚀。他们还希望自动识别裂缝和剥落,支持运营商迅速采取补救措施,防止发展成更大的问题。业主通过这些信息,可以进一步改善针对性维护计划,帮助确保安全运营。HDR 寻求这样一种数字孪生平台,该平台可以在他们的实景模型中融入必要的先进功能,以保证 Diablo 大坝不会遭遇灾害。


image.png


将所有数据和功能与 Bentley 应用程序结合

HDR 认为,ContextCapture 和 Bentley iTwin 平台可以帮助他们开发一种数字孪生模型,这种模型能够结合所需的分析和机器学习功能来确保大坝安全。在 6 个小时的无人机航拍中,他们收集了 8200 万个数据点,覆盖大坝及其周围环境的所有元素。然后,使用 ContextCapture 将这些数据与绳索勘测收集的数据相结合,创建一个高精度勘测级的区域实景模型。在这个过程中,数据帮助工程师识别难以人工访问的地质特征,这有助于提高未来评估的准确性。

 

随后,团队使用 iTwin 平台创建一个覆盖大坝及其周围环境的高精度数字孪生模型。将所有项目信息纳入到整合模型中,无论是哪个专业的数据。iTwin 平台是一个开放性平台,HDR 在其中融合了他们偏爱的人工智能和机器学习技术。这使得数字孪生模型可以自动检测裂缝和剥落,并将它们与无害的阴影、变色和藻类生长区分开来。通过将预测分析整合到数字孪生模型中,大坝工程师可以将某一年份的数据与其他年份的数据进行比较。通过观察周围环境随时间的变化,比如土体移动,他们预测,除了异常地震活动外,随着时间的推移,该结构将继续以类似的速度移动。

 

更快地采取补救措施

将大坝资产、结构和周围环境的所有状态信息集成到一个数字孪生模型中,极大地改善了对项目数据的访问和理解。将具有勘测级精度的数字模型与传统的现场绳索检查相结合,支持检查员更详细地了解当前状况。HDR 估测,数字孪生模型的初始实景采集成本仅占传统勘测的四分之一。精度控制在两厘米以内,使大坝运营商可以检测到更小的异常,并采取补救措施,以免发展为更大的问题。此外,许多运营商还可以从办公室或远程工作站跟踪大坝的当前状况,这提高了安全性和便利性。

 

现在,所有大坝利益相关人员都可以快速分享信息,这提供了一个统一的信息源,并加快了决策。人工智能和机器学习的应用支持业主自动识别有异常的混凝土区域,然后区分裂缝和剥落,以便更好地确定所需的补救措施,防止问题恶化。同时,过滤掉阴影和变色可以防止不必要的维护活动。大坝运营商计划在数字孪生模型中添加更多的功能,例如额外的水利工程、隆起分析、变化和异常检测,以进一步提高大坝的持续安全性,并提供额外的 ROI 来源。


免费打赏

相关推荐

APP内打开