Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Modeller för övervakning av betongdammar: Energiforskrapport 2019:580
KTH, School of Architecture and the Built Environment (ABE), Civil and Architectural Engineering, Concrete Structures.ORCID iD: 0000-0003-2594-4107
KTH, School of Architecture and the Built Environment (ABE), Civil and Architectural Engineering, Concrete Structures.ORCID iD: 0000-0003-3586-8988
KTH, School of Architecture and the Built Environment (ABE), Civil and Architectural Engineering, Concrete Structures.ORCID iD: 0000-0001-6840-9986
2019 (Swedish)Report (Other academic)Alternative title
Models for monitoting of concrete dams (English)
Abstract [sv]

Inom dammövervakning används begreppen larm och varning för meddelanden om upptäckten av en potentiell dammsäkerhetsrisk. Larm är kopplade till ett akut farligt beteende och en varning till ett oförväntat beteende. Dammövervakning är således ett klassificeringsproblem där varje nytt uppmätt beteende ska klassificeras som säkert eller osäkert, alternativt som förväntat eller oförväntat. Ett farligt beteende innebär att dammsäkerheten är hotad akut medan ett oförväntat värde uppstår när dammen inte beter sig enligt förväntan utifrån rådande yttre förhållanden. En sådan avvikelse betyder inte per automatik att något är fel eller att säkerheten är hotad men en oskadad damm bör bete sig enligt ett förväntat mönster och en avvikelse från det förväntade beteende kan indikera en initiering av en skada hos dammen.För att bestämma det förväntade mätvärdet behövs någon typ av prediktionsmodell som förutsäger dammens beteende utifrån de yttre förhållandena. I denna rapport delas prediktionsmodellerna upp i teoribaserade och databaserade modeller. De teoribaserade modellerna bygger på en fysikalisk koppling mellan yttre förhållanden så som vattennivå och temperaturer och dammens beteende. I de databaserade modellerna är denna koppling istället empirisk och utan fysikalisk koppling.Det finns flertalet olika typer av instrument och givare för dammövervakning. I denna rapport sammanfattas vanliga typer avsedda för dammätningar, inklusive dess mätnoggrannhet. Dessutom diskuteras användningen av olika givare baserat på om de lämpar sig som detektorer vid ett potentiellt dammbrott eller om givarna främst är att anse som stödinstrumentering vars syfte är att bidra mer information om dammens beteende eller yttre förhållanden.Varje modelltyp har unika egenskaper med för- och nackdelar. Det är därför viktigt att välja modelltyp utifrån behov och syfte. En teoribaserad modell, t.ex. FE-modell, ger möjligheten att tolka resultaten och hitta fysikaliska samband, men är sämre på att förutsäga exakt beteende. De mest avancerade databaserade modellerna är utan fysikalisk mening, men kan förutsäga framtida beteenden väldigt bra. Att välja den ena modelltypen framför den andra innebär, något tillspetsat, ett val mellan förståelse och prestation. Lyckligtvis utesluter inte användandet av en modelltyp en annan. De fysikbaserade modellerna som hjälper oss att förstå och tolka en damms beteende kommer alltid ha en plats i dammsäkerhetsarbetet. Det är dessutom den modelltyp som bäst kan användas för att studera dammbrottsscenarion och därmed användas för definition av eventuella larmnivåer. Som ett komplement till dessa kan de databaserade modellerna användas för att ge tidiga indikationer när dammens beteende skiljer sig från det förväntade och lämpar sig därmed väl för val av varningsnivåer. De databaserade metoderna ger tidigare indikationer på eventuella avvikelser eftersom de generellt presterar bättre med mindre spridningsmått än motsvarande teoribaserade modeller.

Abstract [en]

In the field of dam surveillance, alert and alarm values are used for error detection to notify about the discovery of a potential dam safety risk. Alarm values are used to notify that a dangerous behavior have been reached. Alert values (warnings) are used to notify that the measured data is out of the expected range. Dam surveillance can thereby be considered as a classification problem where every measured response should be classified as safe or unsafe, or alternatively as expected or unexpected. Dangerous behavior implies that the safety of the dam may be compromised (e.g. the coefficient of safety may be surpassed), while an unexpected value occurs when the dam no longer acts according to the predicted behavior based on current conditions. Such a discrepancy does not necessarily mean that the dam safety is compromised, but could indicate that the dam is damaged.In order to determine the expected behavior, some type of prediction model is required that can predict the dam behavior based on ambient conditions. In this report, the prediction models are defined as either theory-based or empirical. The theory-based models are based on physics with correlation between ambient conditions such as water level and temperatures and the response of the dam. In the empirical models, this coupling is purely empirical without any physical meaning.There are several types of sensors that can be used for dam surveillance. In this report, the instruments commonly used within the field of dam engineering and their expected accuracy are discussed. In addition, the use of different sensors based on their purpose in the surveillance program is discussed where sensors are denoted as detectors or support instruments. The detectors are considered as sensors suitable to be used to monitor a potential failure mode while the purpose of the support instruments is to provide additional information about the dam response or the ambient conditions.Every type of model has unique properties with different pros and cons. It is therefore important to choose the type of model based on the need and purpose of the monitoring or evaluation of the dam response. A finite element model gives good possibilities to interpret the results and find the physical meaning of a specific behavior, but is not as good to give exact predictions. The most advanced empirical models are defined without any physical meaning, but are capable to give precise predictions of the expected response. To choose one type of model over another can thereby be described as choosing between understanding and performance. Luckily, the use of one model does not exclude the use of others. The models based on physics helps us understand and interpret the dam behavior and will therefore always have a use in the dam safety work. It is also the type of model that best can be used to study scenarios during dam failure and thereby to define alarm values. As a compliment to these, the empirical models can be used to give early warnings when the dam behavior is out of the ordinary and is therefore most suited for definition of alert values. These models generally perform better and has smaller deviation than the corresponding theoretical models.The case studies presented in this report shows that the simple empirical models with some physical meaning gives very good predictions of the expected behavior.

Place, publisher, year, edition, pages
Stockholm, Sweden, 2019. Vol. 580, p. 83p. 83-83
National Category
Civil Engineering
Identifiers
URN: urn:nbn:se:kth:diva-255284ISBN: 9789176735800 (print)OAI: oai:DiVA.org:kth-255284DiVA, id: diva2:1339272
Note

QC 20190828

Available from: 2019-07-28 Created: 2019-07-28 Last updated: 2019-08-28Bibliographically approved

Open Access in DiVA

No full text in DiVA

Other links

Fulltext

Authority records BETA

Hellgren, RikardMalm, RichardNordström, Erik

Search in DiVA

By author/editor
Hellgren, RikardMalm, RichardNordström, Erik
By organisation
Concrete Structures
Civil Engineering

Search outside of DiVA

GoogleGoogle Scholar

isbn
urn-nbn

Altmetric score

isbn
urn-nbn
Total: 26 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf