大壩與邊坡安全風險智能管控技術研究與應用

高 志 良，張 瀚，羅 正 英

(1.國電大渡河流域水電開發有限公司 庫壩管理中心，四川 成都 614900； 2.四川大學 水力學與山區河流開發保護國家重點實驗室，四川 成都 610065)

流域梯級電站是重大基礎設施，其安全風險聯動響應與智能管控是國家信息化產業及智慧能源發展的戰略需求。有必要借助新技術、新理念，優化資源配置，不斷提升工程安全監測監控智能化水平，創新庫壩安全管理模式，實現從傳統管理到風險防控與智能管理的跨越，大幅提升企業發展質量和整體效益。

大渡河流域地處青藏高原和四川盆地過渡地帶，干流全長約1 062 km，集中落差高達4 175 m，年發電量約占全國水電的10%，位居全國十三大水電基地第5位。大渡河流域高山峽谷眾多，地質條件復雜，多個地震斷裂帶縱橫交錯，較大的地質災害隱患點較多，特別是在經歷了汶川和雅安蘆山兩次大地震后，地質災害問題更為突出。在建的壩高312 m雙江口心墻壩是世界第一高壩，投運的高210 m、設計地震加速度0.557g的大崗山拱壩在世界同類壩中地震烈度最高。大渡河梯級電站群安全管控面臨壩高、庫大、庫多、多庫聯調且流域洪峰流量大、地震烈度高、庫岸地質災害分布廣等難題。如何實時智能識別流域梯級大壩與邊坡安全風險以提高洪水、地震等特殊工況下的應急處置能力，實現流域梯級電站間聯動應急響應與智能風險管控是大渡河公司面臨的巨大挑戰。

國外風險管理體系主要有南非的礦山行業NOSA五星[1]系統、國際石油工業的HSE管理體系[2]、瑞典能源和電力協會的大壩安全風險管理導則[3]、加拿大BC Hydro公司的大壩安全管理風險分析[4-5]體系。澳大利亞國家大壩委員會(ANCOLD)和美國陸軍工程兵團(USACE)等制訂了大壩安全風險評價與管理指南[6]。在國內，安全風險管控在煤炭開采方面研究成果相對豐富，大多數是從人的不安全行為、物的不安全狀態、管理缺陷3個因素出發，建立了含隱患排查、制度考核、行為規范和安全培訓等管控體系[7]。目前在水利水電工程安全風險管控領域研究成果相對較少且集中于單個水電站風險管控。有學者研究了在水電站建設過程中的安全管理體系設計原則、要素內容和建立流程[8]。周劍嵐[9]研究提出了包括組織、制度、保障體系等在內的大型水電集團應急管理體系。曹世偉[10]構建了河西水電公司以科學規范的人員要素、設備要素、環境要素和管理要素為統領的本質安全管理體系。

目前，尚無成熟實用的流域梯級電站大壩與邊坡多源信息智能感知、安全風險實時監控與聯動響應技術。本文依托大渡河公司開展的多項課題研究，提出了梯級電站安全風險分層遞進式預警及地震等特殊工況聯動響應機制與管控技術體系；研發了以多源信息交互融合、風險自主預判、預警響應調控為典型特征的流域梯級庫壩群安全風險智能管控架構體系及管控平臺；實現了大壩監測檢測、水情工情、環境、邊界信息等多源數據的智能采集、識別、交互、融合與分析；逐步形成監測數據異常智能識別、風險實時預判與年度綜合評估、工程措施+管理協同的多元調控等核心技術。上述創新體系大幅提升了大渡河流域震后地質災害易發多發條件下的流域庫壩安全智能感知、預警和管控能力。

1 總體架構

大渡河流域庫壩安全風險智能管控，利用信息化、數字化、智能化技術和手段，構建了流域梯級庫壩安全風險智能管控架構體系及管控平臺。通過業務量化、統一平臺、集中集成、智能協同等路徑，集成大數據挖掘、結構安全分析、智能風險評估、風險決策與風險調控等方法，實現監測信息智能感知、多源信息交互融合、安全風險實時評判與調控、安全風險預警與響應決策等功能，其總體架構如圖1所示。

圖1 大渡河流域梯級庫壩安全風險管控平臺Fig.1 Safety risk management and control platform of cascade dam groups in Daduhe River Basin

2 庫壩安全風險智能管控技術

大渡河流域庫壩安全風險智能管控主要包括多源信息智能感知、安全風險實時預判與分層預警、風險響應決策與演進三大核心技術。

2.1 多源信息智能感知

大渡河流域庫壩利用自動傳感、移動終端、高清感控等傳感設備實時采集大壩監測數據、工情數據、環境數據、邊界信息等多源數據，并按時間、空間對數值、文字、圖像、影音等不同型式數據自動識別、分析、配置、存儲。集成測量機器人、GNSS衛星定位測量、多波束探測、淺地層剖面探測、水下無人檢測、三維激光掃描、無人機航拍等先進量測技術，研發了高精度外部變形一體化智能監測、水庫大壩三維數字量測、智能監測控制等系統。

高精度外部變形一體化智能監測系統以測量機器人監測為主，GNSS衛星定位測量法為輔。首創了基于大視場角及多類型儀器設備集成集中的一體化測站裝置、一體化測站觀測窗口遠程定時實時啟閉及野外防護技術、外部變形自動化測站狀態監控及測站溫濕度智能調控技術、測站最佳觀測時段智能判別與觀測窗口聯動啟閉技術等。克服了傳統大地測量在烈日、風雪雨霧等氣候條件下不能觀測，夜間不能觀測等缺陷，突破了外部變形監測高置信度實時數據智能獲取難的瓶頸，具有監測精度高、遠程全天候、實時動態、數據采集與分析時效性強、動態智能預警等特點。

水庫大壩三維數字量測技術實現對電站大壩迎水面、泄洪、引水隧洞、壩前水下地形以及消能設施的檢測，不僅能動態掌握大壩等水工建筑物運行狀態，同時可實現水庫大壩等水工建筑物的功能或者缺陷的三維動態呈現，有效提升了大壩信息化、數字化和智能化水平。

2.2 安全風險實時評判與分層預警

安全風險實時評判的基礎是高可靠性的安全監測數據。安全監測異常數據類型包括臺階型、離群型、跳動型、振蕩型等多類。傳統單一的異常識別方法直接用于在線智能識別，易出現誤判、漏判等問題，從而降低了數據源的可靠性。首次提出了集環境關聯、時空模擬、反饋校驗于一體的安全監測數據異常在線識別成套技術，如圖2所示。即首先采用未確知數、穩健回歸、信息熵權等模型集，從單點時序變化特性的角度出發實時識別測值異常突變；然后采用庫水位、降雨、區域地震、近區擾動等環境關聯分析，過濾、消解因環境量變化誘發的突變；再采用高精度多維空間模型，從線、面、體等不同維度分析同類測點的時空分布特性和規律，同時適時智能啟動遠程復測，經反饋校驗后消解因系統測值異常誘發的突變，并自動觸發結構安全性態變化引發的測值異常預警[11-15]。

圖2 安全監測數據異常在線識別成套技術Fig.2 A complete set of on-line data anomaly identification technology for safety monitoring data

大渡河流域區域地質構造與工程地質環境十分復雜，各梯級水電站在壩型結構、地形地質條件、規模指標、技術難度、復雜程度等方面差異較大，難以采用統一合理的風險預警指標體系和某種數學模式予以評判，且不同評價指標的預警標準、預警等級和預警提示都會有較大的差異。因此，本次研究挖掘大壩及邊坡安全隱患病害風險模式及監測表征特性，分別分析了重力壩、土石壩、拱壩、閘壩等不同壩型及巖質、土質等不同邊坡的風險因子、風險機理和風險路徑，推求了主要的監測量表征。同時結合大渡河流域工程特點和實際運行性態，構建重力壩、土石壩、拱壩等不同壩型的關鍵指標體系，采用分層遞進式評判流程實現庫壩運行安全的實時評估和風險預警。不同壩型的安全風險實時管控指標差異較大，且指標獲取方式和預警標準設置也各異，本文以銅街子電站為例，說明其安全風險實時評判流程，如圖3所示。

圖3 銅街子電站庫壩安全風險實時評判流程Fig.3 Real time evaluation process of safety risk of Tongjiezi Hydropower Station

2.3 安全風險響應決策與演進

大壩安全風險預警信息觸發風險響應決策與演進的主要思路是：預警信息產生后，首先復核風險信息的可信度。經審查后，由授權的管理人員上報風險信息并在必要時發起會商決策。根據會商決策結論，驅動智能推理。根據工程特點及類似工程經驗給出多方案的處理和應急措施，并利用GIS地理模型、BIM模型、虛擬現實和智慧模擬程序驗證方案的可行性和風險供決策會商人員參考。最終方案形成后，利用移動互聯網、物聯網、體感系統等手段快速下達指令，并督促相關單位依據指令立即進行整改和響應。應急響應完成后，系統再次進行評判和知識累積，形成庫壩安全管控不斷演進的閉環智慧管控模式，安全風險決策與演進架構如圖4所示。

圖4 安全風險響應決策與演進架構Fig.4 Security risk response decision and evolution framework

3 工程應用案例

目前，高精度外部變形一體化智能監測、水庫大壩三維數字量測等智能感知技術已在大渡河流域瀑布溝水電站、龔嘴電站、銅街子電站等投運電站及猴子巖庫區開頂邊坡、大崗山鄭家坪變形體等典型庫岸邊坡成功應用，有效克服了人工監測數據采集及分析耗時長，預警時效性不強等缺點。特別是大渡河流域庫壩安全風險智能管控平臺投運以來，實現了多源信息的交互融合和安全風險實時評判，提升了地震、大洪水、超限降雨等特殊工況下的應急響應能力，數次有效預警流域沿線滑坡體大規模垮塌，避免了人員傷亡和重大財產損失。

3.1 高精度外部變形一體化智能監測應用案例

該技術首先應用于瀑布溝電站。瀑布溝水電站位于四川省漢源與甘洛兩縣交界處、大渡河中游。電站樞紐由攔河大壩、泄洪洞、溢洪道、放空洞、尼日河系引水系統及地下引水發電系統和地面開關站等建筑物組成，最大壩高186 m。電站裝有混流式水輪發電機組6臺，單機容量600 MW，總裝機容量360萬kW。瀑布溝水電站正常蓄水位850.00 m，汛期運行限制水位841.00 m，死水位790.00 m，總庫容53.37億m3，為不完全年調節水庫。瀑布溝大壩及邊坡外觀變形監測系統包含原設計地表變形監測控制網、大壩水平位移及垂直位移監測系統、近壩邊坡表面變形監測系統等。原設計采用人工監測。

該工程采用了以測量機器人監測為主，GNSS衛星定位測量法為輔(典型部位及測點間距離較遠部位布置GNSS，以解決特殊工況下機器人不能監測及測點間距離較遠精度較差問題)的地表三維位移高精度自動監測方案，實現了大壩及庫岸邊坡近90個測點的外部變形遠程智能采集及預警管控(見圖5)。

圖5 瀑布溝外部變形監測測站、測點布置Fig.5 Layout of external deformation monitoring stations and measuring points of Pubugou Hydropower Station

圖6是電站典型測點TP13 GNSS天線與棱鏡橫河向位移與水位過程線，圖7是全站儀和共點監測的數據散點圖。橫河向和豎直向過程線吻合性較好，具有一致的趨勢性。對于TP13豎直方向位移，水準儀與自動監測成果對比其變化趨勢一致，但自動監測成果變化更平滑、時效性更好，如圖8所示。監測數據對比效果表明：本文提出和構建的風險管控技術攻克了測站精密儀器設備野外安全防護及不利氣象條件實時辨識、測量時段自主選擇的遠程智能感知難題，極大地解決了人力資源投入和野外作業安全風險。同時實時采集數據快速反饋，能夠快速掌握監控部位的安全運行狀態，大大提高了智能管控水平，更為行業外部變形自動化監測提供了一種智能化的整體解決方案，為工程安全監測設計提供了一條新思路。

圖6 GNSS天線棱鏡共點監測點TP13橫向位移與庫水位實測過程線Fig.6 Horizontal displacement and measured hydrograph of reservoir water level of common monitoring point in GNSS antenna prism TP13

圖7 GNSS天線棱鏡共點監測點TP13豎直方向位移散點圖Fig.7 Vertical displacement scatter diagram of common monitoring point in GNSS antenna prism TP13

圖8 監測點TP13豎直方向位移人工與自動監測成果對比Fig.8 Comparison between manual and automatic monitoring results of vertical displacement in TP13

3.2 猴子巖開頂滑坡體大塌方預警

開頂滑坡體位于四川省甘孜州丹巴縣格宗鄉開繞村大渡河猴子巖水電站庫區右岸，省道S211 K9+000-K9+380段，滑坡體總體積約400萬m3。2018年1月11日，開頂滑坡體6個外部變形監測點數據接入大渡河流域大壩安全風險管控平臺，同時增設智能傳感、微芯樁、無人機智能巡檢終端等多源信息采集設備實時感知邊坡運行狀態，并將感知獲取的大數據實時上傳大渡河公司安全風險智能管控中心，按照預先設置的3級預警指標及風險管控流程進行實時風險管控。

集成多源數據經大數據協同處理綜合分析研判顯示：開頂滑坡體變形速率預計至2018年2月春節前將進一步加快，將超過50 mm/d，2月10日左右將發生大規模的垮塌。同時，該滑坡體變形速率與水位降速正相關，需嚴格控制水位降速。2018年2月5日，開頂滑坡體位移變化速率達到50 mm/d，2月13日該邊坡產生了大規模滑坡，公路整體下沉3～8 m，塌方量約1萬m3。安全風險智能管控中心應用智能感知技術、安全風險實時監測與預警分析等技術，于2月9日提前4 d發出預警信息，并采用交通管制、人員撤離等措施，避免了滑坡可能帶來的人員傷亡及財產損失(見圖9)。

圖9 2018年猴子巖庫區開頂滑坡體位移實時監控過程線Fig.9 Real time monitoring hydrograph of landslide displacement in the reservoir area of Houziyan Hydropower Station of 2018

大滑坡后，依托大數據平臺，基于多源數據分析顯示：目前開頂滑坡體變形速率雖有所下降，但仍存在繼續滑塌風險，不適宜立即開展治理工作。同時為滿足當地群眾的通行需要，公司開展地質災害監控大數據實時分析，在保障安全的前提下，開辟了應急通道，目前處于管制通行狀態。

4 結 語

大渡河流域區域地質構造復雜，各梯級電站大多地處地震高烈度區，邊坡高陡，工程的安全管理面臨新的挑戰，勢必加快大壩安全風險識別自動化和決策管理智能化的建設進程。

在攻克外部變形監測高置信度實時數據智能獲取等大數據智能感知及數據集成集中的基礎上，構建了大渡河流域庫壩安全風險智能管控架構體系，建立了大壩安全風險管控平臺，實現了數據異常在線智能識別。提出了流域梯級庫壩安全風險分層遞進式預警及地震等極端環境下聯動響應機制與管控技術。這一體系促進了傳統庫壩安全管理向風險防控與智能管理的跨越，以期實現流域庫壩群安全風險全過程、全方位的標準化、科學化、精細化管理，有效提高流域業務協同、風險防控和決策能力，全面提升流域梯級大壩安全管理科學決策水平和安全保障能力。