Data assimilation for the real-time update of a 1D hydrodynamic model, fault detection and correction – Application to the Rhône River
Résumé
Assimilation de données pour le recalage en temps réel d’un modèle hydrodynamique 1D, la détection d'anomalies et leur correction – Application au fleuve Rhône. La rareté de la ressource en eau et l’augmentation de la compétition pour ses usages a récemment favorisé le développement d'algorithmes de contrôle et des outils informatiques de supervision (SCADA) pour la gestion des aménagements hydrauliques à surface libre. Pour contrôler les ouvrages des canaux ou rivières, l’état hydraulique doit être fiable. Cela est particulièrement vrai lorsque le contrôle est basé sur l’approche Linéaire Quadratique Gaussienne (LQG) ou sur l’approche par commande prédictive. Généralement, les seules variables connues sont les niveaux d’eau mesurés en certains points. Dans ce cas, l’emploi d’un observateur d’état est utile pour estimer les données non mesurées telles que les débits et les cotes à d’autres endroits ainsi que pour estimer des perturbations inconnues. Depuis les travaux de Luenberger, les observateurs d’états ont prouvé leur utilité et sont fréquemment employés pour l’estimation et autres applications d’ingénierie. Dans ce même esprit, le filtre de Kalman basé sur des algorithmes de minimisation de la variance d’erreur reconstruit les états inconnus d’un système linéaire entaché d’incertitudes et de bruits blancs gaussiens. En présence de phénomènes non linéaires importants, le filtre de Kalman étendu (EKF) est mieux adapté. Une portion du Rhône entre deux aménagements hydroélectriques gérés par la CNR a été modélisée sous le logiciel SIC. Le filtre de Kalman a ensuite été utilisé pour reconstruire les données non mesurées, détecter les défauts des capteurs et corriger les données erronées. La méthodologie a été testée sur des données terrains. / Scarcity of water resource and increasing competition for its use promoted recently the development of advanced control algorithms and SCADA technologies for the automatic management of open-surface hydraulic systems. In order to control hydraulic devices on irrigation canals or rivers, detailed information on the hydraulic state of the system must be available. This is particularly true when the control algorithms are based on Linear Quadratic Gaussian or Predictive Control approaches using full state space models. Usually, the only known quantities are water levels, measured at limited locations. In this case, the design of an observer is a very useful tool for reconstructing unmeasured data, such as discharges or water levels at other locations, and unknown perturbations, such as inflows or outflows. Since the original work of Luenberger, state observers proved to be useful and are widely used in estimation and other engineering applications. In this line, the Kalman Filter, which provides a minimum variance recursive algorithm to optimally estimate the unknown states of a dynamic linear system with Gaussian uncertainties, has dominated the applications in signal processing and control areas. When the basic assumptions are not fulfilled, Extended Kalman Filtering (EKF) has been proposed to overcome its limitations. A portion of the Rhône River, between two hydropower plants managed by the Compagnie Nationale du Rhône, is modelled using the SIC hydrodynamic model. A Kalman Filter is then used, in a generic approach, to reconstruct unmeasured data, detect sensor faults and correct erroneous data. Real-time field data is used to validate the methodology.
Origine : Fichiers produits par l'(les) auteur(s)
Loading...