Detektion av Givar- och Kommunikationsfel vid Dammövervakning - Projektet Optimerade och Anpassade Datadrivna Metoder för Dammsäkerhet

Dammövervakning är ett stort och viktigt område för svenska dammägare. Det är en utmaning att kontinuerligt övervaka en dammkonstruktion och snabbt kunna reagera på förändringar som visar på en avvikelse i dammen. Samtidigt kan även avvikelser i själva övervakningsutrustningen förekomma, som skulle kunna uppfattas som en avvikelse i dammen.  Sådana fel är vanligt förekommande och beror typiskt på fel i givare eller i mätvärdets överföring från givare till datacentral. För att felen inte ska störa dammövervakningen behöver dessa fel detekteras, identifieras och skiljas från avvikelser som kan tyda på en förändring i dammen. Denna rapport behandlar just denna detektion och identifiering av givar- och kommunikationsfel vid dammövervakning. 

Rapporten är resultatet av ett forskningsprojekt som drivits av IVL Svenska Miljöinstitutet AB under 2020–2021. Projektet finansierades av Energiforsk och Stiftelsen Institutet för Vatten- och Luftvårdsforskning (SIVL) och hade som slutmål att implementera metoder för detektion av givar- och kommunikationsfel i ett dammövervakningssystem. Detta mål uppnåddes, och för att nå dit utfördes flera steg.

Datadrivna analysmetoder utvecklas till att börja med typiskt off-line. Detta kräver en stor mängd historiska data. 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 är ett nödvändigt steg för att kunna utveckla en övervakning av dammens tillstånd. Tillståndsövervakning var dock inte del i detta projekt. Genom ett gott samarbete med en anläggningsägare fick projektet tillgång till 5 års data från 81 givare placerade på en damm i Sverige. Data innehöll ett nytt mätvärde var 15:e minut. Totalt utgör denna datamängd 14,2 miljoner mätvärden. Metoder för detektion av givar- och kommunikationsfel byggdes upp efter noggrann genomgång av data och identifiering av olika typer av förekommande fel. Här har samarbete med vår referensgrupp med medlemmar från olika kraftbolag varit ovärderlig. Metoderna byggdes upp från grundläggande signalanalysteori, men fanns trots sin relativa enkelhet fungera väl. Sju olika metoder har tagits fram och utvärderats i denna rapport. Tillsammans med dammägaren, Vattenfall, har en pilotimplementation genomförts i deras system. På grund av de krav som säkerhetslagstiftningen ställer kunde IVL endast få ett begränsat interface till realtidsdata. Trots detta har en implementation sjösatts och varit i drift i 5 veckor när denna rapport skrivs. För att effektivisera utvecklingen byggdes först en lokal utvecklingsversion som sedan installerades på en server hos Vattenfall. Den lokala versionen kommer också att användas i det fortsatta metodutvecklingsarbetet.

Detta projekt har tagit fram feldetektion och förbehandlingsmetoder som kan ligga till grund för en kostnadseffektiv utveckling av multivariata och andra maskininlärningsmetoder för övervakning av en eller flera dammars tillstånd.