黄会宝，马芳平，沈定斌，江德军

（1.国能大渡河流域水电开发有限公司，四川省成都市 610000；2.四川大学，四川省成都市 610065；3.清华大学，北京市 10084）

0 引言

水库大坝作为重要的水利基础设施，其运行安全关乎公共安全、能源安全及生态安全，尤其近年一些水库大坝溃坝，损失巨大。大渡河作为国家重要水电基地之一，具有规划电站多、建管业主多、地震地灾多和坝型多样等特点，如何管控风险，提高洪水、地震等特殊工况下监测预警能力，是大渡河电站面临的巨大挑战。

2009年，彭明盛首次提出“智能地球”概念[1]。在此背景下，国内外学者围绕水灾害防治、大坝安全管理等热点问题开展了智能化探索与实践。2015年钟登华等提出了“智能大坝”的概念，并探讨了智能大坝在基础理论、关键技术与管理运行体系方面的研究重点[2]；樊启祥等基于数字流域，提出了梯级水电工程管理系统的总体架构[3-6]；李庆斌等提出大坝建设4.0，引入闭环智能控制模式，提出智能化建设理论和体系[7，8]；马洪琪等归纳了水电站大坝智能管理目标、特征和架构，并介绍了澜沧江流域大坝建设与运行智能管理实践[9，10]；向衍等提出了水库大坝安全智能管理的内涵及其特征[11]；蒋云钟等提出了智能流域的内涵，设计了智能流域的总体框架[12]；涂扬举等于2014年提出了“智能企业”概念，并在大渡河公司率先开展“智能企业”建设实践[13]。

在“智能企业”框架之下，大渡河公司提出了“智能监测”建设，充分应用物联网、大数据等新技术，构建了梯级电站群运行性态智能感知、异常数据在线识别、安全风险实时预警及应急联动响应等技术，搭建了大坝安全及地质灾害预测预警平台，显著提升了大渡河流域库坝群安全智能感知、预警和管控能力。

1 智能监测内涵与框架

1.1 智能监测内涵

智能监测是以自动化、数字化、网络化为基础，利用新一代信息技术，融合汇聚大坝及边坡各种要素信息，构建集成集中、智能管控的数字化管控体系，形成具备自感知、自分析、自决策、自执行、自适应和自学习能力的智能化管理模态，为水库大坝长期健康稳定运行提供保障。其主要有五方面核心内容：

（1）全面感知。

全面感知是智能监测的基础，需采用各类先进传感和网络技术，采用图像识别、卫星遥感、机器人等新技术，进一步完善数据采集范围、采集周期及预处理能力，满足大坝安全智能监控和管理决策的要求。

（2）互联互通。

信息互联是智能监测的纽带，利用各种高速高带宽网络通信手段，构建“大传输”网络，以支撑大量数据、图像、视频等信息的传输，保证其实时集中数据至云计算平台。与此同时，还需要保证感知应用终端与云计算平台、其他专业平台信息的实时交互和反馈。

（3）深度挖掘。

深度的融合和挖掘是智能监测的基本要求，实现智能监测必须对监测数据进行深度解析挖掘，厘清监测数据与结构性态之间的关系，实现多尺度、多维度、异构信息深度融合。

（4）智能诊断。

智能诊断是智能监测的支撑，以准确诊断大坝健康状态，精确预警、预测风险趋势为目标，运用先进计算方法对海量信息进行处理，构建异常信息评判准则和评判体系，快速识别异常数据，智能诊断安全风险，具备风险识别智能化的能力。

（5）智能决策。

智能决策是智能监测的核心，它以建立风险预判预警、自主响应、决策支持的全流程库坝群安全风险管控为目标，利用现代信息技术、人工智能技术，在大坝工况精准模拟和风险精准预测的基础上，进行风险重现与匹配，快速生成应急处置方案，为水库大坝安全智能管控提供决策支持。

1.2 智能监测框架

智能监测是以大坝数字化为基础，应用物联网等技术，围绕“提高专业管理水平、打造人机协同模态”两项重点，提升“信息感知、风险识别、自主决策”三项能力，以打造“大感知、大传输、大存储、大计算、大分析”为手段，建立动态实时的全面感知、深度分析、风险管控的智能监测体系，从而实现风险识别自动化、管理决策智能化的目标（见图1）。

图1 智能监测框架体系Figure 1 Intelligent monitoring framework system

1.2.1 核心能力

（1）提高专业管理水平，打造人机协同模态。

聚焦专业管理，提高人才队伍素质，配齐监测专业学科，配备智能化监测装备，运用“云大物移智”等现代信息技术，创新监测理论和技术方法，提升专业监测与监控核心竞争力，提高全流程化的库坝高效管理水平。注重人机协同，加快人的思想行为、管理对象要素和智能机器整合，构建基于库坝安全的智能化人机管控平台，形成人机交互、人机融合和人机共创的协同发展新模态，全面激发创建智能监测发展活力，推进企业技术升级和管理变革。

（2）提升信息感知、风险识别、自主决策能力。

信息感知能力就是运用先进传感和测量技术，构建一体化监测感知体系，实施大坝及边坡安全监测自动化建设和升级改造，提高设备设施可靠性和完备性，实现设备状态实时检测，监测数据精准获取和多源信息汇聚传输，具备信息感知自动化的能力；风险识别能力就是基于水情、工情、监测、检测、地震等多源信息融合互馈，运用先进计算方法对海量信息进行处理，构建异常信息评判准则和评判体系，快速识别异常数据，智能诊断安全风险，具备风险识别智能化的能力；自主决策能力就是在风险分级预警的基础上，打破数据孤岛和专业壁垒，运用知识推理和数据驱动等综合分析手段，自主生成辅助决策方案并触发应急联动策略，具备决策管理自主化的能力。

1.2.2 实施路径

（1）多维监测打造数据“大感知”网络。

“大感知”网络是智能监测的“感官”，通过丰富大数据来源，广泛采用卫星遥感、无人机、智能传感等技术，进一步扩大感知范围，构建流域“空天地一体化、水上水下、内外结合”的监测网络体系，为智能监测建设提供全面、准确时空数据资源。

（2）多网联动提升信息“大传输”能力。

以深度融合库坝群全要素感知数据和其他系统多源大数据为目标，利用电力专线、 MSTP、4G+及5G、无线传输、LoRa等信息技术，搭建智能监测信息传输及基础承载平台，满足各种自主感知模块获取的各类信息数据及时准确地自主传输，形成多层次、系统化、高速的基础网络[14]。

（3）整合资源构建数据“大存储”平台。

汇聚和整合资源，建立专业数据集中存储云平台，实现数据集中和资源共享。

（4）集中整合提升数据“大计算”能力。

构建云计算中心，运用云计算技术、流式数据处理架构、数据批处理计算架构以及Spark内存计算架构等，将各类信息集中迁移上云，实现统一计算、统一处理。

（5）智能运用提升数据“大分析”水平。

开发基于协同感知、查询与检索、实时分析检测、趋势分析、安全预警、智能可视化等一批中间服务组件，在此基础上实现监测、水情、地震等大数据智能应用，打破“数据孤岛”效应，通过挖掘监测、水情、地震等多源信息，构建库坝群智能监测“大数据”，建立风险动态评估指标体系，形成风险指标和度量标准。同时，构建数据异常在线识别及修复模型，形成安全风险分层递进式预警管控体系，综合分析、预判库坝群安全状态，自动将预警信息推送至公司各层级管理人员，及时采取措施，提升数据综合分析能力。

2 大渡河流域库坝群智能监测实践

2.1 技术架构

以大渡河公司智能企业建设为基础，构建大坝安全管控及地质灾害预测预警2个核心平台，构建业务量化、集成集中、智能协同的管控体系，形成具备自感知、自学习、自分析、自决策能力的大坝智能化管控模式，为水库大坝长期健康稳定运行提供保障。

库坝安全管理方面，依托大渡河公司云平台，建成了大坝安全管控平台，实现了库坝安全信息集成集中、远程采集、数字巡检、实时评判分析、模型统计分析、信息预订与推送等功能，满足了流域各个单位的大坝安全管理需求。同时，构建了库坝安全风险管控系统，对监测数据进行深度挖掘，通过稳定、变形、渗流综合分析对电站整体运行状况进行评价，实现了库坝安全风险实时预判和智能决策，保障了流域库坝群由传统管理向风险智能管控的跨越（见图2）。

图2 库坝群安全风险智能管控平台总体架构Figure 2 Overall architecture of intelligent management and control platform for reservoir and dam group safety risk

地质灾害预测预警方面，在已有地质资料成果基础上，综合运用大数据、“天-空-地-水-内”监测技术、三维可视化、云计算等，构建地质灾害预测预警平台，建立地质灾害大数据资源池，研发地质灾害早期识别、风险排序、监测预警、应急指挥等全覆盖的技术支撑平台和方法体系，实现从感知、管理、评价、预警、防治等全流程智慧化管理（见图3）。

图3 地质灾害预测预警平台总体架构Figure 3 Overall framework of geological disaster prediction and early warning platform

2.2 核心内容

（1）多源信息智能感知。

构建了“天-空-地-水-内”一体化监测体系，利用INSAR、GIS、卫星遥感对全流域进行监控，及时发现隐患点，从大面积、大尺度角度进行管控[15，16]。同时，对于重点部位以及枢纽区建筑物，构建了基于北斗卫星、遥感影像、航空测量、光电测量、水下声呐探测等天-空-地-水-内一体化立体监测感知体系[17-19]（见图4）。

图4 “天-空-地-水-内”一体化网络体系Figure 4 Integrated network system of “air space，water，underwater，internal and external”

（2）多网联动实时传输。

以2.5G电力光纤网络为骨干，以8M专线和卫星通信网络为辅助，综合应用LoRa、4G COMWAY、5G等技术，提高数据“大传输”效率。

（3）异常数据在线辨识。

融合远程智能感知、时空关联分析、环境-力学耦联分离等，提出了数据异常自识别、异变诱因自辨识、关键数据自修复的进阶式数据异常在线辨识与修复方法，破解了数据异常在线识别误判漏判率高、数据异变诱因智能辨识度低、数据缺漏和异变导致结构特性响应错位等致使监测信息无法真实反映大坝安全实时性态的难题，为大坝运行安全可靠性监控提供了信息保障（见图5）。

图5 异常数据在线识别技术体系Figure 5 On line intelligent identification technology system of abnormal data

（4）安全风险实时管控。

安全风险实时监控系统基于人工智能体系进行研发，通过推理机驱动数据库、知识库、方法库实现智能管控工作，其推理模型见式（1）。

式中： C——智能识别；

C1、C2、C3、C4——设备状态、数据识别、大坝安全监测数据特征、风险应急的结论；

g——数据向量；

g1——源端采集数据向量，包括大坝及边坡安全监测向量，外接工情巡视等监测向量；

g2——时空约束向量；

g3——环境向量；

g4——触发条件向量；

RB——推理规则、评判规则、方法调用规则或解释规则；

∧ ——与；

∨——或；

DamSafe——推理系统，按照大坝安全外在约束和环境条件，根据外界或内定触发机制，运用规则对实测数据进行推导，得出相应结论。

大坝安全实时监控主要针对影响大坝安全的关键指标，首先结合工程特点，根据设计规范、标准及设计研究成果等设置关键指标体系，再根据各类规范、力学分析与反分析计算成果、设计控制值、运行单位经验等设置各类监测量的监控值，若实测值在监控指标以内则评判为正常，否则为疑点。当大坝变形、扬压力等关键监控指标出现异常时，系统自动驱动模型对大坝安全风险时变概率进行估计。

（5）风险预警响应决策。

构建了“最宜监测环境适应驱动+异常识别预警反馈校验驱动+极端环境（大洪水、强降雨、大地震等）应急驱动”的库坝安全、防洪安全、优化调度及应急联动等多目标集成化智能管控体系，其流程如图6（a）所示。提出了大坝安全风险动态响应决策机制，研发了“多源信息智能感知→多网互联实时传输→流式数据在线辨识→运行状态实时监控→安全风险动态评估→预警响应联动调控”的全过程智能管控系统，如图6（b）所示。

图6 安全风险预警响应决策系统流程Figure 6 Security risk early warning response decision system process

同时，根据安全风险信息及预警等级，系统可按预警响应策略自动与现场声光报警、道闸系统、视频监控等进行匹配，执行现场响应措施，实现现场快速联动响应及对不同安全风险等级进行现场告警和联动管控，并将预警信息推送至决策指挥中心等相关决策机构，开展会商和决策。

2.3 应用成效

（1）专业管理发挥作用。

依托该套技术，做好了大渡河流域7厂9站大坝及边坡日常监测、巡视检查、监测数据分析、监测设备设施检修维护等工作，严格落实日常监测信息报送和定期报告要求，有序推进新投产水电站的库坝监测生产准备，积极应对了2015年金口河5.0级地震、2017年大渡河上游百年一遇大洪水等突发事件，成功监测了瀑布沟电站库首右岸拉裂变形体上部异常变形、深溪沟电站坝基扬压力超标等异常事件，及时采取工程治理等措施保障了库坝运行安全，管理的大坝安全注册均达到“甲级”标准、定检均被评定为“正常坝”，保持了连续安全生产无事故，为流域电站水库大坝安全稳定运行提供了坚强保障。

（2）技术水平持续提升。

运用新一代信息技术，不断推进现场监测设备设施自动化系统建设，接管电站监测自动化覆盖率达到95%以上，改变了传统人工监测管理模式，提高了现场设备智能感知水平及监测数据实时采集能力；建成了大坝安全管控平台，汇聚了流域地震监测台网信息，推进了流域地质灾害预测预警中心建设，实现了管辖流域大坝及边坡监测信息的集成集中管控；建立了基于水情、监测、检测等多源信息融合的异常数据识别方法，提高了海量数据自动甄别能力，监测数据质量显著提高；开展了大坝安全风险动态评估理论研究，着力解决大坝及边坡安全风险多依靠人工定期评判的技术难题，完成了混凝土坝安全风险在线监控技术攻关，达到了智能化管控基本要求。在职工人数基本不变的条件下实现了管控电站数量翻番，劳动生产率明显提高，专业管理能力持续提升。

（3）先进装备广泛应用。

重点实施了表面变形监测自动化、监测设备设施智能巡检、内观传感器数据智能采集装备研发，着力提升信息自动化感知能力。建成了大视场角与多类型仪器同轴装配的三维变形远程智能测站，形成了定型化产品并在流域多个电站推广应用，实现了表面变形监测自动化覆盖率连年提升；开展了基于PLC＋的新型工程安全智能测控装置研发，解决内观传感器自动化采集效率低、设备状态难掌握等问题，已取得阶段性成果。引进多波束、水下机器人、声呐扫描等先进设备，提高了水工建筑物水下检测效率和精准度，形成了三维数字化成果库。探索了无人机、北斗卫星、遥感InSAR等新型监测方法，增强了监测数据感知能力。

（4）效益发挥日益显著。

通过该套技术的应用，有效管控了大渡河流域沿河1062km范围的大坝及地灾监控点，目前已对10座大坝、15处边坡2万多监测点实行了集中管控，并将其安全风险分四级进行预警，成功发布预警30余次。在管理方面，通过智能感知技术的研发与应用，大幅降低了劳动量和作业风险，实现了“少人值守，队伍精干”的目标。

3 结束语

本文依托大渡河流域库坝群智能监测实践，总结了智能监测内涵、核心能力及实施路径，提出了围绕“提高专业管理水平、打造人机协同模态”两项重点，提升“信息感知、风险识别、自主决策”三项能力，构建“大感知、大传输、大存储、大计算、大分析”为手段，以达到库坝群风险识别自动化、管理决策智能化目标。

下一步，大渡河公司将积极响应国家新型基础性建设，探索“新基建+智能监测”领域的技术研究，不断丰富大数据来源，深化智能感知技术，健全“空天地”、水上水下、内外一体化长期动态立体观测体系，提升大感知能力；进一步丰富大坝安全管控平台及地质灾害预测预警平台功能，强化风险预测预警、会商决策、知识积累以及虚拟现实等方面功能，着重开展上下游梯级间联防联控技术研究，形成科学、合理、务实的联防联控体系，实现水库调度和工程安全运行的目标最大化。