蓄能電站群水工安全監測信息監控平臺研發

　　摘 要：蓄能電站庫壩勢能高且水位變動頻率高、速度快，水道工作水頭高，水工建筑物運行性態和安全對工程效益發揮、公共安全和電網安全意義重大。提出了統一的蓄能電站水工建筑物安全監測數據庫表結構及對象標識符命名規則，構建了針對抽水蓄能電站水工建筑物、水工監測設備的對象模型，構建了普適于商用云計算基礎設施即服務(IaaS)的蓄能電站群水工監測信息數據中臺。研發了針對蓄能電站群水工建筑平臺監測數據進行編組分析、相關性分析、回歸分析，并通過有限元計算模型進行大壩長期性態實時在線反演分析，融合散點數據形成連續分布大壩數字孿生模型的分析功能微服務體系和技術中臺。開發了對蓄能電站水工安全監測數據復雜查詢分析和空間分布特性展示，基于 BIM 模型進行水工建筑物和監測設施三維輕量化展示查詢和漫游，對監測設備故障、構筑物病害進行實時預警的業務前臺，提出了基于水工建筑物數字孿生模型、通過 VTK 架構實現大壩性態數字孿生模型線上交互分析和三維展示瀏覽的可視化方法。監控平臺可實時監控、分析、預測蓄能電站群(亦能應用于常規水庫水電站樞紐群)安全性態，為工程運行管理提供技術基礎。

　　關鍵詞：蓄能電站;水工建筑物;安全監測;監控;分析平臺

　　葉復萌; 陳輝; 向正林; 鄧剛; 李建秋; 張延億， 水利水電技術(中英文) 發表時間：2021-11-26

　　0 引言

　　蓄能電站庫壩勢能高且水位變動頻率高、速度快，水道工作水頭高，水工建筑物運行性態和安全對工程效益發揮、公共安全和電網安全意義重大。水工安全監測數據涉及面廣、種類多、歷時長[1,2]，隨著自動化監測技術的迅速發展，采集周期縮短、數據量劇增，水工建筑物結構性態分析評價的數據基礎更加充實。學者們已對安全監測數據開展了大量分析挖掘研究工作，除過去的回歸分析、相關性分析等[3]外，學術界開始探索并綜合運用包括機器學習算法等在內的多種分析模型對數據進行預處理、分析、預測，如吳云星等引入 LM 算法對 BP 神經網絡的權值和閾值進行優化，提升 BP 神經網絡對土石壩滲流壓力的預測效果[4]。王飛等[5]針對高心墻堆石壩沉降變形過程的動態性，將多參數非線性模型與 M5 模型樹相結合，實現考慮實時施工質量因素的高心墻堆石壩沉降過程的擬合與預測。司春棣等[6]提出了基于支持向量回歸(SVR)算法的土石壩安全監測預報模型，實現土石壩安全監測預報值。蔣國蕓等[7]建立了大壩安全監測的魯棒最小二乘支持向量機模型(RLS-SVM)，提高了數據處理的穩健性。

　　但與學術界監測資料分析方法廣泛出現相對應的是，工程界中監測資料分析與評價更多依靠線下、滯后的分析，同時，不同工程間數據格式差異大，大多數工程的安全監測系統僅分散存儲和簡單展示各支安全監測設備的時序數據，線上自動分析和預警較少，較難通過監測數據實時、科學判斷大壩運行狀態，對工程運行安全管理的支撐不足，面對緊急情況時不能及時預警。2020 年 5 月 19 日美國密歇根州 Edenvilled 水壩潰決，下泄洪水連續沖垮了下游的 Sanfor 大壩和 Smallwood 壩，造成了嚴重的社會經濟損失，安全監控和預警的缺乏就是事故的重要原因之一。為避免水工建筑物發生安全事故，準確、快速地發現并掌握建筑物的安全隱患情況，亟需開展監測數據的實時深度挖掘與智能分析，通過對工程歷史監測數據的分析，研究建立監測變量與大壩安全性態之間的內在關系，從而構建基于大數據分析的水工監測信息平臺，實時獲取水工建筑物的安全性態，及時對建筑物隱患做出預警，確保工程運行安全，為工程運行管理提供科學依據。

　　此外，水工建筑物結構和安全監測布置復雜，安全監測數據分析、安全預測預警較為專業化，管理人員常不具備較高的專業數據處理能力，通過可視化手段表達結構和安全監測設施布置，是提高安全監測監控平臺可用性的有效技術途徑。近年來，學者們開展了較多基于 CAD 軟件和 BIM(Building Information Modeling，BIM)軟件的較為專業化的三維建模工作[8-11]，多側重于傳統建模軟件所構建的偏重于表觀造型研究;但在安全管理中應用 BIM 模型，三維展示大壩結構信息、安全監測設施布置、工程安全狀態等的工作還較少見，亟需將水工建筑物 BIM 模型與動態安全監測數據進行耦合，更好地輔助安全監測及工程決策[12]。本文提出了統一的蓄能電站水工建筑物安全監測數據庫表結構及對象標識符命名規則，構建了針對抽水蓄能電站水工建筑物、水工監測設備的對象模型，構建融合多種信息的數據中臺。研發了針對蓄能電站群水工建筑平臺監測數據進行編組分析、相關性分析、回歸分析，可開展有限元實時反演預測的微服務體系和技術中臺。開發了具備綜合查詢、三維展示、預測預警的業務前臺，構建了基于水工監測大數據分析和三維展示的水工監測信息平臺，并應用于實際工程案例。

　　1 平臺開發原理

　　1.1 平臺架構

　　水工平臺系統組成主要包括硬件后臺、數據中臺、技術中臺以及應用前臺，系統架構組成如圖 1 所示。

　　1.2 系統后臺

　　系統后臺運行在以阿里云服務(Elastic Compute Service，簡稱 ECS)為代表的基礎設施服務上，虛擬服務器內含 CPU、操作系統、內存、磁盤、網絡配置等基礎組件[13]和阿里云專有網絡(Virtual Private Cloud，簡稱 VPC)，每個 VPC 都由一個私網網段、一個路由器和至少一個交換機組成。虛擬服務器內還包括阿里云關系型數據庫 RDS(Relational Database Service)等穩定可靠、可彈性伸縮的數據庫系統，支持 MySQL、SQL Server、PostgreSQL、 PPAS(Postgre Plus Advanced Server，高度兼容 Oracle 數據庫)和 MariaDB TX 引擎，包含阿里云負載均衡(Server Load Balancer，簡稱 SLB)、阿里云 Redis 等基礎服務。系統平臺使用面向對象語言 JAVA 開發。

　　1.3 數據中臺開發

　　基于統一的水工建筑物安全監測數據庫表結構及對象標識符命名規則，提出了針對抽水蓄能電站的水工建筑物、水工監測設備的對象模型。該模型建立了從單位工程-分部工程-組件-部件-監測類型-儀器類型-儀器原理-編號-監測時間等層級關系，如圖 2 所示。其中，單位工程包含上水庫工程、下水庫工程、引水系統工程、尾水系統工程、廠房系統工程、升壓變電工程、施工輔助工程等;分部工程主要包含不同種類的大壩，如瀝青混凝土心墻堆石壩、碾壓混凝土重力壩、粘土心墻堆石壩、面板堆石壩、庫周防滲及庫岸處理、泄洪(導流)洞、溢洪道等;以粘土心墻堆石壩為例，組件主要包括壩體、壩基，壩體又包含心墻、上游墊層區、上游反濾區、上游過渡區、上游堆石區、上游壩面、壩頂防浪墻、下游墊層區、下游反濾區、下游過渡區、排水棱體、下游壩面、壩頂路面、觀測房等部件;各部件下繼續劃分監測類型，如應力應變、變形、溫度、滲流、環境量等。監測類型的下級對應各種儀器類型、儀器原理等。最后可追溯到具體的測點編號。該對象模型的構建，將對當前任意抽水蓄能電站的監測數據庫的構建具有普適性，各電站均可使用同樣的數據庫表結構，為抽水蓄能電站數據庫標準化構建與管理提供前提條件。

　　在此基礎上構建了普適于商用云計算基礎設施即服務(IaaS)的蓄能電站群水工監測信息數據中臺，中臺主要包括水工建筑物幾何模型與視覺信息、地質力學信息、監測信息、檢測信息、巡檢信息等全部監測儀器的大數據產出。

　　1.4 技術中臺研發

　　研發了針對蓄能電站群水工建筑平臺監測數據進行數據查詢、編組分析、相關性分析、回歸分析(基本應用)，并通過有限元計算模型進行大壩長期性態實時在線反演分析(高級應用)，融合散點數據形成連續分布大壩數字孿生模型的分析功能微服務體系和技術中臺。

　　針對基本應用模塊：

　　(1)研發了監測資料數據的數據精細化查詢程序，實現了從單位工程-分部工程-組件部件-監測類型-儀器類型-儀器原理-編號-監測時間的分層查詢功能。研發了監測資料數據編組分析程序，用戶可利用模型對水工部位的多支設備進行編組，實現成組的數據分析。

　　(2)研發了水工監測數據相關性分析程序，實現了任意兩個變量之間相關性系數的求取與相關性圖的繪制。該功能對水工建筑物運行狀況、病害排查等有重要輔助作用。

　　(3)研發了水工監測數據克里金插值程序，實現了水工建筑物安全性態的空間分布特性的直觀展示。克里金插值以變異函數理論和結構分析為基礎，利用半方差函數和原始數據，對區域化變量的未知采樣點進行無偏估計的插值方法，其公式如下[14]： 0 1 ( ) ( ) N i i Z x Z x ??? ?(1)式中： 0 Z x( ) 為 0 x 點的估計值; N 為樣本區鉆孔總數;?為克里金權重系數; ( ) Z xi 為 i x 點的真實值。

　　(4)研發了水工監測數據回歸分析程序，實現了水工建筑物變形分析與預測等。如土石壩沉降變形回歸分析原理如下：土石壩運行期的沉降主要包括庫水壓力引起的沉降、固結沉降、流變沉降、濕化沉降、滲流引起的沉降，可構建如下形式的土石壩運行期沉降的統計模型[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 ? —壩體某點的沉降;? —從竣工到觀測時刻的時間; i H —觀測時刻的庫水位; i H —觀測時刻前 i 天(小時)的平均水位， m 根據經驗和試算確定;b 、 1 c 、 2 c 、 a a 11 13 ~ 及 21 2 ~ m a a 均為回歸系數。其中， 1 2 c c ? ? ? ln 為固結沉降和蠕變沉降的綜合反映， 3 1 1 i i i a H ??反映了庫水壓力引起的沉降， 2 1 m i i i a H ??則反映了滲流和濕化引起的沉降。高級應用部分主要進行相關水工建筑物的有限元實時反演計算分析。

　　(1)提出了基于群體智能優化的反演分析方法。將群體智能優化策略與機器學習代理模型相結合，構建高效的大壩物理力學參數反演策略，反演分析主要原理如圖 3 所示。

　　(2)針對土石壩運行期的性態分析計算需重點考慮壩料流變影響[16-17]。采用沈珠江建議的三參數指數模型進行堆石料長期變形反演[18]。其流變曲線的形式為：? ? creep f 1 e t i ?? ? ??? ? ?(3)式中： creep ?為流變; i ?為初始流變; f ?為最終流變量;?為初始相對變形率。對上式求導可得流變速率： creep f e ?t ? ????(4)將流變速率分解為體積流變速率 creep v ?和剪切變形速率 creep ?，計算公式如下： creep v v vf vf 1 t ?? ???? ?? ? ? ? ? ?(5) creep f f 1 t ?? ???? ?? ? ? ? ? ?(6)式中： vf ?為最終體積流變量; f ?為最終剪切流變量; vt ?和 t ?表示 t 時刻累計的體積流變和剪切流變量。

　　其中， 3 vf a b p ??? ?? ? ? ? ?(7)式中：? 3 為圍壓; a p 為大氣壓。 l f l 1 s d s ?? ?? ? ? ? ? ?(8)式中： l s 為剪應力水平。采用 Prandtl-Reuss 流動法則的假設，應變速率張量可以表示為：? ? ? ? creep creep creep ? ? v 1 3 s s ? ? ? I ?? ?(9)式中：?s?為偏應力張量;?I?為單位張量;? s 為廣義剪應力。該模型共有? 、b 、 d 三個參數。假定增量內長期應變保持不變，則有? ? creep ?? ? ? creep ? ? ? ? t 。

　　1.5 應用前臺研發

　　通過開發包含 BIM 模型輕量化展示技術、有限元反演和預測成果展示技術的應用前臺，提出了水工建筑物有限元模型交互式后處理可視化方法，實現了有限元三維模型與計算結果(位移場、應力場、滲流場等)的系統嵌入式可視化展示方法與結果后處理操作功能。

　　(1)基于 BIM 模型進行水工建筑物和監測設施三維輕量化展示查詢和漫游，對監測設備故障、構筑物病害進行實時預警。由于水工建筑物結構復雜，計算機硬件軟件等條件限制會影響 BIM 模型的應用效率。為了實現 BIM 模型的輕量化展示，通過 BIMFACE 的二次開發，實現水工建筑物的 Web 端的輕量化顯示功能。其系統架構如圖 4 所示。基于 JavaScript 語言和 WebGL(Web Graphics Library，Web 圖形庫)技術來實現模型 Web 輕量化顯示。通過 JavaScript 庫調用現有的代碼資源，為 DOM 腳本編程提供了便捷的解決方案。WebGL 通過賦予 OpenGL ES 2.0 一個 JavaScript 綁定，實現網頁 3D 渲染和可視化操作的功能。 WebGL 應用 HTML 腳本實現了基于 Web 的 3D 交互。

　　(2)通過 VTK 架構實現大壩性態數字孿生模型線上交互分析和三維展示瀏覽的可視化方法。架構主要包括客戶端應用，WebServer，PWServer 三大部分。客戶端應用負責渲染圖像等。PWServer 負責處理數據，渲染 3D 圖像。Web Server 負責兩者之間通信。這三部分相互連接，通過 HTTP 協議，客戶端可以與 Web Server 進行通信，Web Server 通過 TCP 協議與 JMS Broker 相連，最后 JMS Broker 通過協議向 PWserver 收發消息[19]。架構概況如圖 5 所示。架構核心組件包括：Web 服務(PW Service)、可視化服務器(PW Server)、 JS 庫(JavaScript library)。

　　2 典型工程應用

　　2.1 典型工程概況

　　系統應用的典型工程之一為廣東清遠抽水蓄能電站，位于廣東省清遠市清新縣太平鎮境內，裝機容量 4×320MW。工程任務為承擔廣東和清遠電網調峰、填谷、調頻、調相以及緊急事故備用。樞紐工程由上水庫、下水庫、輸水系統、地下廠房洞室群及開關站、永久公路等部分組成，三維 BIM 模型如圖 6 所示。上水庫位于太平鎮秦建村，即場區西北部高程約 600m 的甘竹頂山間盆地，集雨面積 1.001km2。下水庫位于太平鎮麻竹腳，上水庫東南側近南北向溝谷上，距上水庫水平距離約 2000m，在已建大秦水庫上游，集雨面積 9.146km2。工程 2008 年 3 月前期施工準備工程開工;2009 年 12 月主體工程開工，2015 年 11 月第一臺機組投入運行，2016 年 8 月全部機組投入運行[20]。

　　2.2 系統主要功能展示

　　根據用戶需求可完成監測數據的精準查詢，監測數據雖可按層級關系逐級精細查詢，但各層之間并不是強耦合，如已知測點編號可直接輸入編號，查詢其相關信息。圖 7 展示的為上水庫主壩部分滲壓測值隨時間變化的曲線。

　　根據需要可計算數據庫中任意兩支監測儀器在任意時間段內的監測數據的相關性。圖 8 以清遠抽水蓄能電站上水庫主壩兩只滲壓計 3 個月內的數據為例進行相關性的功能展現，兩支儀器數據的相關系數為 0.96，屬于強相關。該功能對于建筑物安全性態的關聯分析有重要指導作用，如壩體突發大規模滲漏的情況下，可通過相關性分析功能快速定位壩體缺陷的主要工程部位等。

　　對數據量充足、具備分析條件的監測結果可繪制空間分布等值線圖，從而了解監測數據的空間分布特性。下圖展示的為清遠抽水蓄能電站上水庫主壩滲壓空間分布情況，滲壓等值線在心墻內部朝下游有明顯消散趨勢，說明目前大壩防滲結構功能無異常。對壩頂沉降進行回歸分析后繪制沉降-時間、庫水位-時間、計算值與實測值對比曲線以及沉降預測曲線，回歸分析模型可分離出方程的各個分量，并用其變化規律，分析和估計建筑物的結構性態。圖 10 展示的是計算值與實測值的對比結果，可見計算值與實測值吻合較好。

　　對清遠抽水蓄能電站上水庫主壩進行有限元反演分析，將反演后的有限元模型與計算結果進行瀏覽器客戶端三維展示，并實現計算結果后處理的交互性操作，實現模型旋轉、切片、計算結果變量切換展示等多種后處理功能。圖 11 展示的為壩體沿最大橫斷面剖切后沉降反演結果云圖。通過有限元分析展示可對水工建筑物的當前安全性態做出科學合理地分析與評價。

　　3 結論

　　本文對蓄能電站群水工安全監測信息監控平臺的研發的方法做了深入分析，并依托系統應用的典型工程之一(廣東清遠抽水蓄能電站)對平臺的主要功能應用做了介紹。提出了統一的蓄能電站水工建筑物安全監測數據庫表結構及對象標識符命名規則，構建了針對抽水蓄能電站水工建筑物、水工監測設備的對象模型。該模型建立了從單位工程-分部工程-組件-部件-監測類型-儀器類型-儀器原理-編號-監測時間等層級關系，為抽水蓄能電站數據庫標準化構建與管理提供前提條件。在此基礎上構建了普適于商用云計算基礎設施即服務(IaaS)的蓄能電站群水工監測信息數據中臺;構建了融合散點數據形成連續分布大壩數字孿生模型的分析功能微服務體系和技術中臺。主要研發了針對蓄能電站群水工建筑平臺監測數據進行編組分析、相關性分析、回歸分析等基本分析功能，實現了對蓄能電站水工安全監測數據復雜查詢分析和空間分布特性展示。并通過有限元計算模型進行大壩長期性態實時在線反演分析的高級分析功能;構建了基于 BIM 模型進行水工建筑物和監測設施三維輕量化展示查詢和漫游等功能的應用前臺，并提出了基于水工建筑物數字孿生模型、通過 VTK 架構實現大壩性態數字孿生模型線上交互分析和三維展示瀏覽的可視化方法。監控平臺可實時監控、分析、預測蓄能電站群(亦能應用于常規水庫水電站樞紐群)安全性態，為工程運行管理提供技術基礎。