蓄能电站群水工安全监测信息监控平台研发

　　摘 要：蓄能电站库坝势能高且水位变动频率高、速度快，水道工作水头高，水工建筑物运行性态和安全对工程效益发挥、公共安全和电网安全意义重大。提出了统一的蓄能电站水工建筑物安全监测数据库表结构及对象标识符命名规则，构建了针对抽水蓄能电站水工建筑物、水工监测设备的对象模型，构建了普适于商用云计算基础设施即服务(IaaS)的蓄能电站群水工监测信息数据中台。研发了针对蓄能电站群水工建筑平台监测数据进行编组分析、相关性分析、回归分析，并通过有限元计算模型进行大坝长期性态实时在线反演分析，融合散点数据形成连续分布大坝数字孪生模型的分析功能微服务体系和技术中台。开发了对蓄能电站水工安全监测数据复杂查询分析和空间分布特性展示，基于 BIM 模型进行水工建筑物和监测设施三维轻量化展示查询和漫游，对监测设备故障、构筑物病害进行实时预警的业务前台，提出了基于水工建筑物数字孪生模型、通过 VTK 架构实现大坝性态数字孪生模型线上交互分析和三维展示浏览的可视化方法。监控平台可实时监控、分析、预测蓄能电站群(亦能应用于常规水库水电站枢纽群)安全性态，为工程运行管理提供技术基础。

　　关键词：蓄能电站;水工建筑物;安全监测;监控;分析平台

　　叶复萌; 陈辉; 向正林; 邓刚; 李建秋; 张延亿， 水利水电技术(中英文) 发表时间：2021-11-26

　　0 引言

　　蓄能电站库坝势能高且水位变动频率高、速度快，水道工作水头高，水工建筑物运行性态和安全对工程效益发挥、公共安全和电网安全意义重大。水工安全监测数据涉及面广、种类多、历时长[1,2]，随着自动化监测技术的迅速发展，采集周期缩短、数据量剧增，水工建筑物结构性态分析评价的数据基础更加充实。学者们已对安全监测数据开展了大量分析挖掘研究工作，除过去的回归分析、相关性分析等[3]外，学术界开始探索并综合运用包括机器学习算法等在内的多种分析模型对数据进行预处理、分析、预测，如吴云星等引入 LM 算法对 BP 神经网络的权值和阈值进行优化，提升 BP 神经网络对土石坝渗流压力的预测效果[4]。王飞等[5]针对高心墙堆石坝沉降变形过程的动态性，将多参数非线性模型与 M5 模型树相结合，实现考虑实时施工质量因素的高心墙堆石坝沉降过程的拟合与预测。司春棣等[6]提出了基于支持向量回归(SVR)算法的土石坝安全监测预报模型，实现土石坝安全监测预报值。蒋国芸等[7]建立了大坝安全监测的鲁棒最小二乘支持向量机模型(RLS-SVM)，提高了数据处理的稳健性。

　　但与学术界监测资料分析方法广泛出现相对应的是，工程界中监测资料分析与评价更多依靠线下、滞后的分析，同时，不同工程间数据格式差异大，大多数工程的安全监测系统仅分散存储和简单展示各支安全监测设备的时序数据，线上自动分析和预警较少，较难通过监测数据实时、科学判断大坝运行状态，对工程运行安全管理的支撑不足，面对紧急情况时不能及时预警。2020 年 5 月 19 日美国密歇根州 Edenvilled 水坝溃决，下泄洪水连续冲垮了下游的 Sanfor 大坝和 Smallwood 坝，造成了严重的社会经济损失，安全监控和预警的缺乏就是事故的重要原因之一。为避免水工建筑物发生安全事故，准确、快速地发现并掌握建筑物的安全隐患情况，亟需开展监测数据的实时深度挖掘与智能分析，通过对工程历史监测数据的分析，研究建立监测变量与大坝安全性态之间的内在关系，从而构建基于大数据分析的水工监测信息平台，实时获取水工建筑物的安全性态，及时对建筑物隐患做出预警，确保工程运行安全，为工程运行管理提供科学依据。

　　此外，水工建筑物结构和安全监测布置复杂，安全监测数据分析、安全预测预警较为专业化，管理人员常不具备较高的专业数据处理能力，通过可视化手段表达结构和安全监测设施布置，是提高安全监测监控平台可用性的有效技术途径。近年来，学者们开展了较多基于 CAD 软件和 BIM(Building Information Modeling，BIM)软件的较为专业化的三维建模工作[8-11]，多侧重于传统建模软件所构建的偏重于表观造型研究;但在安全管理中应用 BIM 模型，三维展示大坝结构信息、安全监测设施布置、工程安全状态等的工作还较少见，亟需将水工建筑物 BIM 模型与动态安全监测数据进行耦合，更好地辅助安全监测及工程决策[12]。本文提出了统一的蓄能电站水工建筑物安全监测数据库表结构及对象标识符命名规则，构建了针对抽水蓄能电站水工建筑物、水工监测设备的对象模型，构建融合多种信息的数据中台。研发了针对蓄能电站群水工建筑平台监测数据进行编组分析、相关性分析、回归分析，可开展有限元实时反演预测的微服务体系和技术中台。开发了具备综合查询、三维展示、预测预警的业务前台，构建了基于水工监测大数据分析和三维展示的水工监测信息平台，并应用于实际工程案例。

　　1 平台开发原理

　　1.1 平台架构

　　水工平台系统组成主要包括硬件后台、数据中台、技术中台以及应用前台，系统架构组成如图 1 所示。

　　1.2 系统后台

　　系统后台运行在以阿里云服务(Elastic Compute Service，简称 ECS)为代表的基础设施服务上，虚拟服务器内含 CPU、操作系统、内存、磁盘、网络配置等基础组件[13]和阿里云专有网络(Virtual Private Cloud，简称 VPC)，每个 VPC 都由一个私网网段、一个路由器和至少一个交换机组成。虚拟服务器内还包括阿里云关系型数据库 RDS(Relational Database Service)等稳定可靠、可弹性伸缩的数据库系统，支持 MySQL、SQL Server、PostgreSQL、 PPAS(Postgre Plus Advanced Server，高度兼容 Oracle 数据库)和 MariaDB TX 引擎，包含阿里云负载均衡(Server Load Balancer，简称 SLB)、阿里云 Redis 等基础服务。系统平台使用面向对象语言 JAVA 开发。

　　1.3 数据中台开发

　　基于统一的水工建筑物安全监测数据库表结构及对象标识符命名规则，提出了针对抽水蓄能电站的水工建筑物、水工监测设备的对象模型。该模型建立了从单位工程-分部工程-组件-部件-监测类型-仪器类型-仪器原理-编号-监测时间等层级关系，如图 2 所示。其中，单位工程包含上水库工程、下水库工程、引水系统工程、尾水系统工程、厂房系统工程、升压变电工程、施工辅助工程等;分部工程主要包含不同种类的大坝，如沥青混凝土心墙堆石坝、碾压混凝土重力坝、粘土心墙堆石坝、面板堆石坝、库周防渗及库岸处理、泄洪(导流)洞、溢洪道等;以粘土心墙堆石坝为例，组件主要包括坝体、坝基，坝体又包含心墙、上游垫层区、上游反滤区、上游过渡区、上游堆石区、上游坝面、坝顶防浪墙、下游垫层区、下游反滤区、下游过渡区、排水棱体、下游坝面、坝顶路面、观测房等部件;各部件下继续划分监测类型，如应力应变、变形、温度、渗流、环境量等。监测类型的下级对应各种仪器类型、仪器原理等。最后可追溯到具体的测点编号。该对象模型的构建，将对当前任意抽水蓄能电站的监测数据库的构建具有普适性，各电站均可使用同样的数据库表结构，为抽水蓄能电站数据库标准化构建与管理提供前提条件。

　　在此基础上构建了普适于商用云计算基础设施即服务(IaaS)的蓄能电站群水工监测信息数据中台，中台主要包括水工建筑物几何模型与视觉信息、地质力学信息、监测信息、检测信息、巡检信息等全部监测仪器的大数据产出。

　　1.4 技术中台研发

　　研发了针对蓄能电站群水工建筑平台监测数据进行数据查询、编组分析、相关性分析、回归分析(基本应用)，并通过有限元计算模型进行大坝长期性态实时在线反演分析(高级应用)，融合散点数据形成连续分布大坝数字孪生模型的分析功能微服务体系和技术中台。

　　针对基本应用模块：

　　(1)研发了监测资料数据的数据精细化查询程序，实现了从单位工程-分部工程-组件部件-监测类型-仪器类型-仪器原理-编号-监测时间的分层查询功能。研发了监测资料数据编组分析程序，用户可利用模型对水工部位的多支设备进行编组，实现成组的数据分析。

　　(2)研发了水工监测数据相关性分析程序，实现了任意两个变量之间相关性系数的求取与相关性图的绘制。该功能对水工建筑物运行状况、病害排查等有重要辅助作用。

　　(3)研发了水工监测数据克里金插值程序，实现了水工建筑物安全性态的空间分布特性的直观展示。克里金插值以变异函数理论和结构分析为基础，利用半方差函数和原始数据，对区域化变量的未知采样点进行无偏估计的插值方法，其公式如下[14]： 0 1 ( ) ( ) N i i Z x Z x  (1)式中： 0 Z x( ) 为 0 x 点的估计值; N 为样本区钻孔总数;为克里金权重系数; ( ) Z xi 为 i x 点的真实值。

　　(4)研发了水工监测数据回归分析程序，实现了水工建筑物变形分析与预测等。如土石坝沉降变形回归分析原理如下：土石坝运行期的沉降主要包括库水压力引起的沉降、固结沉降、流变沉降、湿化沉降、渗流引起的沉降，可构建如下形式的土石坝运行期沉降的统计模型[15]： 3 0 1 2 1 2 1 1 ln m i i v i i i i    b c c a H a H        (2)其中： v  —坝体某点的沉降; —从竣工到观测时刻的时间; i H —观测时刻的库水位; i H —观测时刻前 i 天(小时)的平均水位， m 根据经验和试算确定;b 、 1 c 、 2 c 、 a a 11 13 ~ 及 21 2 ~ m a a 均为回归系数。其中， 1 2 c c    ln 为固结沉降和蠕变沉降的综合反映， 3 1 1 i i i a H 反映了库水压力引起的沉降， 2 1 m i i i a H 则反映了渗流和湿化引起的沉降。高级应用部分主要进行相关水工建筑物的有限元实时反演计算分析。

　　(1)提出了基于群体智能优化的反演分析方法。将群体智能优化策略与机器学习代理模型相结合，构建高效的大坝物理力学参数反演策略，反演分析主要原理如图 3 所示。

　　(2)针对土石坝运行期的性态分析计算需重点考虑坝料流变影响[16-17]。采用沈珠江建议的三参数指数模型进行堆石料长期变形反演[18]。其流变曲线的形式为：  creep f 1 e t i     (3)式中： creep 为流变; i 为初始流变; f 为最终流变量;为初始相对变形率。对上式求导可得流变速率： creep f e t  (4)将流变速率分解为体积流变速率 creep v 和剪切变形速率 creep ，计算公式如下： creep v v vf vf 1 t        (5) creep f f 1 t        (6)式中： vf 为最终体积流变量; f 为最终剪切流变量; vt 和 t 表示 t 时刻累计的体积流变和剪切流变量。

　　其中， 3 vf a b p      (7)式中： 3 为围压; a p 为大气压。 l f l 1 s d s       (8)式中： l s 为剪应力水平。采用 Prandtl-Reuss 流动法则的假设，应变速率张量可以表示为：    creep creep creep   v 1 3 s s    I  (9)式中：s为偏应力张量;I为单位张量; s 为广义剪应力。该模型共有 、b 、 d 三个参数。假定增量内长期应变保持不变，则有  creep    creep     t 。

　　1.5 应用前台研发

　　通过开发包含 BIM 模型轻量化展示技术、有限元反演和预测成果展示技术的应用前台，提出了水工建筑物有限元模型交互式后处理可视化方法，实现了有限元三维模型与计算结果(位移场、应力场、渗流场等)的系统嵌入式可视化展示方法与结果后处理操作功能。

　　(1)基于 BIM 模型进行水工建筑物和监测设施三维轻量化展示查询和漫游，对监测设备故障、构筑物病害进行实时预警。由于水工建筑物结构复杂，计算机硬件软件等条件限制会影响 BIM 模型的应用效率。为了实现 BIM 模型的轻量化展示，通过 BIMFACE 的二次开发，实现水工建筑物的 Web 端的轻量化显示功能。其系统架构如图 4 所示。基于 JavaScript 语言和 WebGL(Web Graphics Library，Web 图形库)技术来实现模型 Web 轻量化显示。通过 JavaScript 库调用现有的代码资源，为 DOM 脚本编程提供了便捷的解决方案。WebGL 通过赋予 OpenGL ES 2.0 一个 JavaScript 绑定，实现网页 3D 渲染和可视化操作的功能。 WebGL 应用 HTML 脚本实现了基于 Web 的 3D 交互。

　　(2)通过 VTK 架构实现大坝性态数字孪生模型线上交互分析和三维展示浏览的可视化方法。架构主要包括客户端应用，WebServer，PWServer 三大部分。客户端应用负责渲染图像等。PWServer 负责处理数据，渲染 3D 图像。Web Server 负责两者之间通信。这三部分相互连接，通过 HTTP 协议，客户端可以与 Web Server 进行通信，Web Server 通过 TCP 协议与 JMS Broker 相连，最后 JMS Broker 通过协议向 PWserver 收发消息[19]。架构概况如图 5 所示。架构核心组件包括：Web 服务(PW Service)、可视化服务器(PW Server)、 JS 库(JavaScript library)。

　　2 典型工程应用

　　2.1 典型工程概况

　　系统应用的典型工程之一为广东清远抽水蓄能电站，位于广东省清远市清新县太平镇境内，装机容量 4×320MW。工程任务为承担广东和清远电网调峰、填谷、调频、调相以及紧急事故备用。枢纽工程由上水库、下水库、输水系统、地下厂房洞室群及开关站、永久公路等部分组成，三维 BIM 模型如图 6 所示。上水库位于太平镇秦建村，即场区西北部高程约 600m 的甘竹顶山间盆地，集雨面积 1.001km2。下水库位于太平镇麻竹脚，上水库东南侧近南北向沟谷上，距上水库水平距离约 2000m，在已建大秦水库上游，集雨面积 9.146km2。工程 2008 年 3 月前期施工准备工程开工;2009 年 12 月主体工程开工，2015 年 11 月第一台机组投入运行，2016 年 8 月全部机组投入运行[20]。

　　2.2 系统主要功能展示

　　根据用户需求可完成监测数据的精准查询，监测数据虽可按层级关系逐级精细查询，但各层之间并不是强耦合，如已知测点编号可直接输入编号，查询其相关信息。图 7 展示的为上水库主坝部分渗压测值随时间变化的曲线。

　　根据需要可计算数据库中任意两支监测仪器在任意时间段内的监测数据的相关性。图 8 以清远抽水蓄能电站上水库主坝两只渗压计 3 个月内的数据为例进行相关性的功能展现，两支仪器数据的相关系数为 0.96，属于强相关。该功能对于建筑物安全性态的关联分析有重要指导作用，如坝体突发大规模渗漏的情况下，可通过相关性分析功能快速定位坝体缺陷的主要工程部位等。

　　对数据量充足、具备分析条件的监测结果可绘制空间分布等值线图，从而了解监测数据的空间分布特性。下图展示的为清远抽水蓄能电站上水库主坝渗压空间分布情况，渗压等值线在心墙内部朝下游有明显消散趋势，说明目前大坝防渗结构功能无异常。对坝顶沉降进行回归分析后绘制沉降-时间、库水位-时间、计算值与实测值对比曲线以及沉降预测曲线，回归分析模型可分离出方程的各个分量，并用其变化规律，分析和估计建筑物的结构性态。图 10 展示的是计算值与实测值的对比结果，可见计算值与实测值吻合较好。

　　对清远抽水蓄能电站上水库主坝进行有限元反演分析，将反演后的有限元模型与计算结果进行浏览器客户端三维展示，并实现计算结果后处理的交互性操作，实现模型旋转、切片、计算结果变量切换展示等多种后处理功能。图 11 展示的为坝体沿最大横断面剖切后沉降反演结果云图。通过有限元分析展示可对水工建筑物的当前安全性态做出科学合理地分析与评价。

　　3 结论

　　本文对蓄能电站群水工安全监测信息监控平台的研发的方法做了深入分析，并依托系统应用的典型工程之一(广东清远抽水蓄能电站)对平台的主要功能应用做了介绍。提出了统一的蓄能电站水工建筑物安全监测数据库表结构及对象标识符命名规则，构建了针对抽水蓄能电站水工建筑物、水工监测设备的对象模型。该模型建立了从单位工程-分部工程-组件-部件-监测类型-仪器类型-仪器原理-编号-监测时间等层级关系，为抽水蓄能电站数据库标准化构建与管理提供前提条件。在此基础上构建了普适于商用云计算基础设施即服务(IaaS)的蓄能电站群水工监测信息数据中台;构建了融合散点数据形成连续分布大坝数字孪生模型的分析功能微服务体系和技术中台。主要研发了针对蓄能电站群水工建筑平台监测数据进行编组分析、相关性分析、回归分析等基本分析功能，实现了对蓄能电站水工安全监测数据复杂查询分析和空间分布特性展示。并通过有限元计算模型进行大坝长期性态实时在线反演分析的高级分析功能;构建了基于 BIM 模型进行水工建筑物和监测设施三维轻量化展示查询和漫游等功能的应用前台，并提出了基于水工建筑物数字孪生模型、通过 VTK 架构实现大坝性态数字孪生模型线上交互分析和三维展示浏览的可视化方法。监控平台可实时监控、分析、预测蓄能电站群(亦能应用于常规水库水电站枢纽群)安全性态，为工程运行管理提供技术基础。