大坝安全监测是水电站运行管理的基础工作，通过各类仪器获取监测数据，并结合现场的巡视检查，有助于分析大坝的运行性态，及早发现结构可能存在的问题，确保工程安全。监测数据难免存在这样或那样的干扰因素，通过数据清洗技术以得到可靠的监测数据是有效开展大坝安全监控和管理的基础性工作。
截止2020年10月底，在国家能源局安全注册登记和备案的水电站大坝达到610座，按《水电站大坝安全信息报送办法》的要求，自2007年开始，各电力企业向大坝中心报送大坝安全监测信息。目前报送测点总数约7.87万个，报送监测数据量已达9.8亿条，且每日在源源不断地增加。大坝中心在数据预处理上面临着数据量大、种类多、实时性要求高等挑战，通过逻辑判别法和监控模型法等传统方法进行数据有效性识别无论从识别效果还是处理工作量，都已难以满足大坝安全监管的需求。
2019年以来大坝中心研究将新一代人工智能技术引入大坝安全“数据”分析中，成功研发了监测数据智能清洗技术。该技术从监测数据自身特征出发，以基于卷积神经网络的监督式深度学习模型为核心，结合非监督式分类算法，实现了各类监测数据的智能、快速、准确清洗（监测数据清洗典型案例成果见图1）。
原始数据系列(1)
剔除粗差后数据系列(1)
原始数据系列(2)
剔除粗差后数据系列(2)
图1大坝安全监测数据智能清洗结果
基于大量监测数据的不断训练提升，目前智能清洗技术的效果已基本达到一名经验丰富的大坝安全监测工程师的水准，已能够满足监测数据预处理的需求。近期大坝安全监测数据智能清洗功能已运用于注册和备案大坝报送安全监测信息的有效性识别，在水电站大坝安全监察平台上线（如图2）。
图2水电站大坝运行安全监察平台异常数据识别
智能清洗技术充分凝聚了“专家”经验，具有无需事先设定数据评判规则或模型，相较于传统方法效率得到显著提高，在处理海量多类型监测数据优势明显，能够显著提高大坝安全管理效率，为进一步开展监测数据深层次挖掘奠定了基础。
本文来自国家能源局大坝安全监察中心，经授权后发布，本文观点不代表中国灾害防御信息网立场，转载请联系原作者。
