Optimerade och anpassade datadrivna metoder för dammsäkerhet

Projektet kommer visa hur datadrivna metoder kan bidra till en bättre och mer effektiv tillståndsbedömning av dammar genom att upptäcka felaktiga givare. Här kommer vi påvisa hur man kan hantera verkliga data, med alla fel och brister den är behäftad med i kombination med datadrivna med metoder.

Säkerheten kring kraftverksdammar är ett område med ökande aktualitet. Många dammar i Sverige är gamla och håller inte för evigt utan åtgärder. För att få bättre kunskap om en anläggning ökar man instrumenteringen av dammarna med olika typer av givare. Det är inte ovanligt att en enda anläggning idag har ett 50-tal givare av olika slag utplacerade med medföljande underhållskrav.

Den snabba utvecklingen inom IoT gör att antalet givare kommer att öka. Med ett ökat antal givare ökar därmed möjligheten till bättre övervakning, men komplexiteten ökar och också risken för falska larm som att missar viktiga små förändringar.

Mycket av den vetenskapliga litteraturen inom datadriven dammsäkerhet handlar om tillämpning av maskininlärningsmetoder som oftast struntar i förbehandling och antar att alla sensorer fungerar. Det här projekt kommer att visa hur man kan hantera verkliga data, med alla fel och brister den är behäftad med.

Den etapp som nu pågår fokuserar på att uppdatera modeller samt gränsvärden för givare och modeller och visualisering av event från dessa. Under föregående etapp presenterades ett koncept för att visualisera event från överblick över hela dammen till överblick över givarnas event och modellernas event och slutligen ned på enskilda givare och enskilda modeller. Visualiseringen ska implementeras så att den kan göras dynamiskt. Som tidigare sker detta i tätt samarbete med de dammägare som är med i projektet.