Metoder för Datadriven Dammövervakning

Dammövervakning är ett stort och viktigt område för svenska dammägare. Det är en utmaning att kontinuerligt övervaka en dammkonstruktion med dess givare och snabbt kunna reagera på förändringar som visar på en avvikelse i dammen. Denna rapport behandlar detektion och identifiering av givar- och kommunikationsfel vid dammövervakning samt tillämpning av multivariata metoder för att visualisera och fånga avvikande tillstånd för en damm.  

Rapporten är resultatet av ett forskningsprojekt som drivits av IVL Svenska Miljöinstitutet AB under 2021–2022. Projektet finansierades av Energiforsk och Stiftelsen Institutet för Vatten- och Luftvårdsforskning (SIVL) och hade som mål att implementera övervakning av multivariata metoder för detektion av avvikelser i givarsignaler och dammtillstånd. Detta mål uppnåddes, genom flertalet steg rörande databearbetning, signalövervakning, maskininlärning och metod-utveckling.Multivariata modeller utvecklades baserat på etablerade metoder inom maskin¬inlärning. Modellerna syftar till övervakning av givarsignaler samt det över¬gripande dammtillståndet. Flera olika typer av multivariata metoder har använts inom projektet. Projektet har två fallstudier och genom anläggningsägare har projektet fått tillgång till mer än 5 års historiska data för respektive damm. Denna data ligger till grund för utveckling och utvärdering av multivariata modeller. Att samla in, bygga upp en gemensam förståelse av och förbehandla dessa data kräver mycket tid och ett gott samarbete mellan dataspecialister och dammägare. Förbehandling, där kända avvikelse utesluts, är ett nödvändigt steg för att kunna utveckla en övervakning baserat på multivariata modeller. De datadrivna analysmetoderna utvecklades till början off-line för att sedan användas on-line.

Tillsammans med dammägare för fallstudierna har pilotinstallationer av modeller samt övervakning av dessa driftsatts. På grund av de krav som säkerhetslagstiftningen ställer kan IVL endast få ett begränsat interface till realtidsdata. Genom implementationer kan dock resultaten analyseras och itereras för att vidareutveckla metoderna för att öka dess nytta.Projektet har tagit fram multivariata modeller samt tillvägagångssätt för utveckling av dessa modeller. Dessa metoder kan ligga till grund för fortsatt utveckling av kostnads¬effektiv multivariat övervakning av dammar samt en kurs för dammägare och dammingenjörer med syfte att öka kompetensen inom området som således kan öka nyttan med övervakning av givarsignaler.

Denna rapport publiceras både i Energiforsks rapportserie och i IVL:s rapportserie B. 

Prenumerera på våra nyhetsbrev