大坝与边坡安全风险智能管控技术研究与应用

高 志 良，张 瀚，罗 正 英

(1.国电大渡河流域水电开发有限公司 库坝管理中心，四川 成都 614900； 2.四川大学 水力学与山区河流开发保护国家重点实验室，四川 成都 610065)

流域梯级电站是重大基础设施，其安全风险联动响应与智能管控是国家信息化产业及智慧能源发展的战略需求。有必要借助新技术、新理念，优化资源配置，不断提升工程安全监测监控智能化水平，创新库坝安全管理模式，实现从传统管理到风险防控与智能管理的跨越，大幅提升企业发展质量和整体效益。

大渡河流域地处青藏高原和四川盆地过渡地带，干流全长约1 062 km，集中落差高达4 175 m，年发电量约占全国水电的10%，位居全国十三大水电基地第5位。大渡河流域高山峡谷众多，地质条件复杂，多个地震断裂带纵横交错，较大的地质灾害隐患点较多，特别是在经历了汶川和雅安芦山两次大地震后，地质灾害问题更为突出。在建的坝高312 m双江口心墙坝是世界第一高坝，投运的高210 m、设计地震加速度0.557g的大岗山拱坝在世界同类坝中地震烈度最高。大渡河梯级电站群安全管控面临坝高、库大、库多、多库联调且流域洪峰流量大、地震烈度高、库岸地质灾害分布广等难题。如何实时智能识别流域梯级大坝与边坡安全风险以提高洪水、地震等特殊工况下的应急处置能力，实现流域梯级电站间联动应急响应与智能风险管控是大渡河公司面临的巨大挑战。

国外风险管理体系主要有南非的矿山行业NOSA五星[1]系统、国际石油工业的HSE管理体系[2]、瑞典能源和电力协会的大坝安全风险管理导则[3]、加拿大BC Hydro公司的大坝安全管理风险分析[4-5]体系。澳大利亚国家大坝委员会(ANCOLD)和美国陆军工程兵团(USACE)等制订了大坝安全风险评价与管理指南[6]。在国内，安全风险管控在煤炭开采方面研究成果相对丰富，大多数是从人的不安全行为、物的不安全状态、管理缺陷3个因素出发，建立了含隐患排查、制度考核、行为规范和安全培训等管控体系[7]。目前在水利水电工程安全风险管控领域研究成果相对较少且集中于单个水电站风险管控。有学者研究了在水电站建设过程中的安全管理体系设计原则、要素内容和建立流程[8]。周剑岚[9]研究提出了包括组织、制度、保障体系等在内的大型水电集团应急管理体系。曹世伟[10]构建了河西水电公司以科学规范的人员要素、设备要素、环境要素和管理要素为统领的本质安全管理体系。

目前，尚无成熟实用的流域梯级电站大坝与边坡多源信息智能感知、安全风险实时监控与联动响应技术。本文依托大渡河公司开展的多项课题研究，提出了梯级电站安全风险分层递进式预警及地震等特殊工况联动响应机制与管控技术体系；研发了以多源信息交互融合、风险自主预判、预警响应调控为典型特征的流域梯级库坝群安全风险智能管控架构体系及管控平台；实现了大坝监测检测、水情工情、环境、边界信息等多源数据的智能采集、识别、交互、融合与分析；逐步形成监测数据异常智能识别、风险实时预判与年度综合评估、工程措施+管理协同的多元调控等核心技术。上述创新体系大幅提升了大渡河流域震后地质灾害易发多发条件下的流域库坝安全智能感知、预警和管控能力。

1 总体架构

大渡河流域库坝安全风险智能管控，利用信息化、数字化、智能化技术和手段，构建了流域梯级库坝安全风险智能管控架构体系及管控平台。通过业务量化、统一平台、集中集成、智能协同等路径，集成大数据挖掘、结构安全分析、智能风险评估、风险决策与风险调控等方法，实现监测信息智能感知、多源信息交互融合、安全风险实时评判与调控、安全风险预警与响应决策等功能，其总体架构如图1所示。

图1 大渡河流域梯级库坝安全风险管控平台Fig.1 Safety risk management and control platform of cascade dam groups in Daduhe River Basin

2 库坝安全风险智能管控技术

大渡河流域库坝安全风险智能管控主要包括多源信息智能感知、安全风险实时预判与分层预警、风险响应决策与演进三大核心技术。

2.1 多源信息智能感知

大渡河流域库坝利用自动传感、移动终端、高清感控等传感设备实时采集大坝监测数据、工情数据、环境数据、边界信息等多源数据，并按时间、空间对数值、文字、图像、影音等不同型式数据自动识别、分析、配置、存储。集成测量机器人、GNSS卫星定位测量、多波束探测、浅地层剖面探测、水下无人检测、三维激光扫描、无人机航拍等先进量测技术，研发了高精度外部变形一体化智能监测、水库大坝三维数字量测、智能监测控制等系统。

高精度外部变形一体化智能监测系统以测量机器人监测为主，GNSS卫星定位测量法为辅。首创了基于大视场角及多类型仪器设备集成集中的一体化测站装置、一体化测站观测窗口远程定时实时启闭及野外防护技术、外部变形自动化测站状态监控及测站温湿度智能调控技术、测站最佳观测时段智能判别与观测窗口联动启闭技术等。克服了传统大地测量在烈日、风雪雨雾等气候条件下不能观测，夜间不能观测等缺陷，突破了外部变形监测高置信度实时数据智能获取难的瓶颈，具有监测精度高、远程全天候、实时动态、数据采集与分析时效性强、动态智能预警等特点。

水库大坝三维数字量测技术实现对电站大坝迎水面、泄洪、引水隧洞、坝前水下地形以及消能设施的检测，不仅能动态掌握大坝等水工建筑物运行状态，同时可实现水库大坝等水工建筑物的功能或者缺陷的三维动态呈现，有效提升了大坝信息化、数字化和智能化水平。

2.2 安全风险实时评判与分层预警

安全风险实时评判的基础是高可靠性的安全监测数据。安全监测异常数据类型包括台阶型、离群型、跳动型、振荡型等多类。传统单一的异常识别方法直接用于在线智能识别，易出现误判、漏判等问题，从而降低了数据源的可靠性。首次提出了集环境关联、时空模拟、反馈校验于一体的安全监测数据异常在线识别成套技术，如图2所示。即首先采用未确知数、稳健回归、信息熵权等模型集，从单点时序变化特性的角度出发实时识别测值异常突变；然后采用库水位、降雨、区域地震、近区扰动等环境关联分析，过滤、消解因环境量变化诱发的突变；再采用高精度多维空间模型，从线、面、体等不同维度分析同类测点的时空分布特性和规律，同时适时智能启动远程复测，经反馈校验后消解因系统测值异常诱发的突变，并自动触发结构安全性态变化引发的测值异常预警[11-15]。

图2 安全监测数据异常在线识别成套技术Fig.2 A complete set of on-line data anomaly identification technology for safety monitoring data

大渡河流域区域地质构造与工程地质环境十分复杂，各梯级水电站在坝型结构、地形地质条件、规模指标、技术难度、复杂程度等方面差异较大，难以采用统一合理的风险预警指标体系和某种数学模式予以评判，且不同评价指标的预警标准、预警等级和预警提示都会有较大的差异。因此，本次研究挖掘大坝及边坡安全隐患病害风险模式及监测表征特性，分别分析了重力坝、土石坝、拱坝、闸坝等不同坝型及岩质、土质等不同边坡的风险因子、风险机理和风险路径，推求了主要的监测量表征。同时结合大渡河流域工程特点和实际运行性态，构建重力坝、土石坝、拱坝等不同坝型的关键指标体系，采用分层递进式评判流程实现库坝运行安全的实时评估和风险预警。不同坝型的安全风险实时管控指标差异较大，且指标获取方式和预警标准设置也各异，本文以铜街子电站为例，说明其安全风险实时评判流程，如图3所示。

图3 铜街子电站库坝安全风险实时评判流程Fig.3 Real time evaluation process of safety risk of Tongjiezi Hydropower Station

2.3 安全风险响应决策与演进

大坝安全风险预警信息触发风险响应决策与演进的主要思路是：预警信息产生后，首先复核风险信息的可信度。经审查后，由授权的管理人员上报风险信息并在必要时发起会商决策。根据会商决策结论，驱动智能推理。根据工程特点及类似工程经验给出多方案的处理和应急措施，并利用GIS地理模型、BIM模型、虚拟现实和智慧模拟程序验证方案的可行性和风险供决策会商人员参考。最终方案形成后，利用移动互联网、物联网、体感系统等手段快速下达指令，并督促相关单位依据指令立即进行整改和响应。应急响应完成后，系统再次进行评判和知识累积，形成库坝安全管控不断演进的闭环智慧管控模式，安全风险决策与演进架构如图4所示。

图4 安全风险响应决策与演进架构Fig.4 Security risk response decision and evolution framework

3 工程应用案例

目前，高精度外部变形一体化智能监测、水库大坝三维数字量测等智能感知技术已在大渡河流域瀑布沟水电站、龚嘴电站、铜街子电站等投运电站及猴子岩库区开顶边坡、大岗山郑家坪变形体等典型库岸边坡成功应用，有效克服了人工监测数据采集及分析耗时长，预警时效性不强等缺点。特别是大渡河流域库坝安全风险智能管控平台投运以来，实现了多源信息的交互融合和安全风险实时评判，提升了地震、大洪水、超限降雨等特殊工况下的应急响应能力，数次有效预警流域沿线滑坡体大规模垮塌，避免了人员伤亡和重大财产损失。

3.1 高精度外部变形一体化智能监测应用案例

该技术首先应用于瀑布沟电站。瀑布沟水电站位于四川省汉源与甘洛两县交界处、大渡河中游。电站枢纽由拦河大坝、泄洪洞、溢洪道、放空洞、尼日河系引水系统及地下引水发电系统和地面开关站等建筑物组成，最大坝高186 m。电站装有混流式水轮发电机组6台，单机容量600 MW，总装机容量360万kW。瀑布沟水电站正常蓄水位850.00 m，汛期运行限制水位841.00 m，死水位790.00 m，总库容53.37亿m3，为不完全年调节水库。瀑布沟大坝及边坡外观变形监测系统包含原设计地表变形监测控制网、大坝水平位移及垂直位移监测系统、近坝边坡表面变形监测系统等。原设计采用人工监测。

该工程采用了以测量机器人监测为主，GNSS卫星定位测量法为辅(典型部位及测点间距离较远部位布置GNSS，以解决特殊工况下机器人不能监测及测点间距离较远精度较差问题)的地表三维位移高精度自动监测方案，实现了大坝及库岸边坡近90个测点的外部变形远程智能采集及预警管控(见图5)。

图5 瀑布沟外部变形监测测站、测点布置Fig.5 Layout of external deformation monitoring stations and measuring points of Pubugou Hydropower Station

图6是电站典型测点TP13 GNSS天线与棱镜横河向位移与水位过程线，图7是全站仪和共点监测的数据散点图。横河向和竖直向过程线吻合性较好，具有一致的趋势性。对于TP13竖直方向位移，水准仪与自动监测成果对比其变化趋势一致，但自动监测成果变化更平滑、时效性更好，如图8所示。监测数据对比效果表明：本文提出和构建的风险管控技术攻克了测站精密仪器设备野外安全防护及不利气象条件实时辨识、测量时段自主选择的远程智能感知难题，极大地解决了人力资源投入和野外作业安全风险。同时实时采集数据快速反馈，能够快速掌握监控部位的安全运行状态，大大提高了智能管控水平，更为行业外部变形自动化监测提供了一种智能化的整体解决方案，为工程安全监测设计提供了一条新思路。

图6 GNSS天线棱镜共点监测点TP13横向位移与库水位实测过程线Fig.6 Horizontal displacement and measured hydrograph of reservoir water level of common monitoring point in GNSS antenna prism TP13

图7 GNSS天线棱镜共点监测点TP13竖直方向位移散点图Fig.7 Vertical displacement scatter diagram of common monitoring point in GNSS antenna prism TP13

图8 监测点TP13竖直方向位移人工与自动监测成果对比Fig.8 Comparison between manual and automatic monitoring results of vertical displacement in TP13

3.2 猴子岩开顶滑坡体大塌方预警

开顶滑坡体位于四川省甘孜州丹巴县格宗乡开绕村大渡河猴子岩水电站库区右岸，省道S211 K9+000-K9+380段，滑坡体总体积约400万m3。2018年1月11日，开顶滑坡体6个外部变形监测点数据接入大渡河流域大坝安全风险管控平台，同时增设智能传感、微芯桩、无人机智能巡检终端等多源信息采集设备实时感知边坡运行状态，并将感知获取的大数据实时上传大渡河公司安全风险智能管控中心，按照预先设置的3级预警指标及风险管控流程进行实时风险管控。

集成多源数据经大数据协同处理综合分析研判显示：开顶滑坡体变形速率预计至2018年2月春节前将进一步加快，将超过50 mm/d，2月10日左右将发生大规模的垮塌。同时，该滑坡体变形速率与水位降速正相关，需严格控制水位降速。2018年2月5日，开顶滑坡体位移变化速率达到50 mm/d，2月13日该边坡产生了大规模滑坡，公路整体下沉3～8 m，塌方量约1万m3。安全风险智能管控中心应用智能感知技术、安全风险实时监测与预警分析等技术，于2月9日提前4 d发出预警信息，并采用交通管制、人员撤离等措施，避免了滑坡可能带来的人员伤亡及财产损失(见图9)。

图9 2018年猴子岩库区开顶滑坡体位移实时监控过程线Fig.9 Real time monitoring hydrograph of landslide displacement in the reservoir area of Houziyan Hydropower Station of 2018

大滑坡后，依托大数据平台，基于多源数据分析显示：目前开顶滑坡体变形速率虽有所下降，但仍存在继续滑塌风险，不适宜立即开展治理工作。同时为满足当地群众的通行需要，公司开展地质灾害监控大数据实时分析，在保障安全的前提下，开辟了应急通道，目前处于管制通行状态。

4 结 语

大渡河流域区域地质构造复杂，各梯级电站大多地处地震高烈度区，边坡高陡，工程的安全管理面临新的挑战，势必加快大坝安全风险识别自动化和决策管理智能化的建设进程。

在攻克外部变形监测高置信度实时数据智能获取等大数据智能感知及数据集成集中的基础上，构建了大渡河流域库坝安全风险智能管控架构体系，建立了大坝安全风险管控平台，实现了数据异常在线智能识别。提出了流域梯级库坝安全风险分层递进式预警及地震等极端环境下联动响应机制与管控技术。这一体系促进了传统库坝安全管理向风险防控与智能管理的跨越，以期实现流域库坝群安全风险全过程、全方位的标准化、科学化、精细化管理，有效提高流域业务协同、风险防控和决策能力，全面提升流域梯级大坝安全管理科学决策水平和安全保障能力。