本项目聚焦国家“十四五”规划与“双碳”战略目标下的抽水蓄能电站快速发展阶段中的亟需完善的安全化与智能化热点问题，旨在借助大坝服役性态解译方法和数字孪生技术，展开对抽水蓄能电站大坝的场景样貌还原、监测数据解译、运行状态诊断、预报预警实施的研究；建立抽水蓄能电站大坝的数字孪生安全智慧监控平台，为抽水蓄能电站的安全化与智慧化发展扎实理论基础，为抽水蓄能电站大坝的长效健康服役提供技术支持。

本项目研究目标清晰明确，符合形势，主要有以下实际意义：

1.1 抽水蓄能电站是我国电源长期发展、优化调整的必然选择

2020年9月，我国明确提出“碳达峰”、“碳中和”目标，即“双碳目标”。自此，深入挖掘清洁能源的巨大潜力成为我国绿色发展的必由之路。其中，水力、风力、太阳能发电是三种主要新型发电方式。然而，由于清洁能源具有间歇性、不稳定性，对电网的冲击较大，造成电网对清洁能源消纳受阻的情况。此外，由于弃风、弃光现象严重^[1]，限制了对风能和太阳能等清洁能源的利用，抽水蓄能电站是提高风光等新能源消纳率的有效手段，可在局部地区缓解弃风、弃光现象。

表1 我国各类发电装机容量情况

中国水力发电工程学会理事长张野在2023国际水电发展大会致辞时指出，抽水蓄能目前作为技术最成熟、经济性最优、最具大规模开发条件、生命周期最长的绿色低碳灵活调节电源，与风电、太阳能发电、核电等联合运行效果最好。目前，建设抽水蓄能电站的主要途径包括：将常规式水电站改建为混合式抽水蓄能电站、利用露天矿坑、废弃矿井^[2]、采矿巷道^[3]建设抽水蓄能电站。然而，尽管我国抽蓄电站已建和在建装机容量均居世界第一，但是在电力装机中占比仅有2%~3%^[4]。新能源大规模开发对电网的调节能力提出了更高的要求，急需相应的抽水蓄能电站发挥调峰、调频、调相的重要作用 ^[4]。因此,我国逐步建设更安全、更智能的抽水蓄能电站，主动适应数字革命进程^[5]。

  图1 浙江建德抽水蓄能电站              图2 江苏溧阳抽水蓄能电站          图3浙江天荒坪抽水蓄能电站

1.2 抽蓄电站大坝安全长效服役是工程运行管理、技术完善的重要依据

大坝服役性态受到多种随机性因素的影响，其在服役中受到环境（气温、降水等）、荷载（水压、自重等）及突发性灾害（如洪水、地震等）等外部因素的共同作用。因此，大坝在役期间应具有良好的工作性能，能够承受各种可能出现的各种荷载作用、洪水、强震、寒潮等非常规偶然事件带来的影响，保持长久的整体稳定性^[7]。在大坝长效服役过程中，往往借助工程经验、监控模型、数值模拟和模型实验等，对现场检查、仪器数据、图像信息进行综合分析，从而综合评价大坝服役性态^[6]。

通过对大坝服役性态的准确判断，一是可以为大坝维护规划提供依据，例如设计便捷的诊断系统、建立合理的预警机制、制定科学有效的应急预案^[8]。二是可以通过大坝服役性态变化信息，对大坝进行智能诊断，了解大坝在使用过程中的安全状况，从而有效避免大坝运行风险事故的发生，满足现代工程管理的需要。三是可以对监测数据深入分析后诊断大坝服役的健康状态^[9]，并反馈到设计和施工中，为今后工程设计水平的提高与施工技术的改进提供宝贵的信息。四是可以优化运营管理，降低维护成本，延长设施寿命，提高大坝的经济效益。

1.3 数字孪生技术是我国水安全保障的有力支撑

多数研究者为数字孪生（Digital Twin）给出的定义为“充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程”^[12]。数字孪生技术与智慧水利系统的融合是近年来的研究热点^[11]，也是智慧水利建设的关键技术^[10]，二者的融合可以实现高精度的模拟、预测、报警。通过建设数字孪生安全智慧监控平台可以对大坝全生命周期内服役性态进行动态捕捉、动态反馈，实现可视化监测、智能化管理的效果。

1.3.1 国家政策文件要求：

2021年11月水利部发布《关于大力推进智慧水利建设的指导意见》、2022年2月水利部推出《数字孪生流域建设技术大纲》为构建数字孪生流域、发展数字孪生技术提供技术指导；2022年3月水利部李国英部长发表《推动新阶段水利高质量发展全面提升国家水安全保障能力》，提出按照“需求牵引、应用至上、数字赋能、提升能力”的要求，以数字化、网络化、智能化为主线，推进算据、算法、算力建设，助力实现治水为民、兴水惠民愿景^[12]；加快建设数字孪生流域^[13]，构建具有预报、预警、预演、预案功能的智慧水利体系^[14]。

表2 2022年全国水利建设投资分布

1.3.2 科学研究发展重点：

目前水利工程智能化已经在水文监测、防洪调度、水资源管理多方面取得广泛应用^[15]，大坝安全实时监测可视、安全性态预测、基于有限元安全风险预演功能的研发达到初见成效目标^[16]。正在逐渐利用更多先进技术手段实现水利工程智能化升级进而建立安全智慧监控平台，实现数据集成、共享和互联互通等功能，增强大坝工程场景数字孪生的真实感、沉浸感，交互性、直观性。

1.3.3 两会热议话题，河海时代答卷：

2024年两会期间，全国人大代表、中国工程院院士、河海大学党委书记唐洪武在与新华网连线时表示，水安全保障能力的提升，对国家战略的加速推进和区域高质量发展具有基础性、支撑性作用。唐洪武院士建议，提高水安全保障要加强水安全科技创新，融合新一代信息技术，围绕水安全的重大科学问题开展有组织科研，加强水灾害防御、国家水网建设、数字孪生水利、河湖生态复苏等关键技术研究。

1.4 安全智慧监控平台是抽水蓄能电站安全保障的内在核心

建设安全监控平台是大坝安全监督管理的必然要求，是有效管控大坝安全风险的必要保障。有效的大坝安全监测工作需要保证监测系统的完备性、可靠性和监测结果的及时性、专业性^[21]，并做好数据可视化^[18]和动态管理，实现数字化场景展示、提高信息化水平成为目前研究的热点^[20]。因此，数字孪生安全智慧监控平台研发需要围绕监测工作的“坚持监测系统运行维护与建设并重、巡视检查与仪器观测并重、分析评价与获取成果并重、风险预警与分析反馈并重”(即“四个并重”标准^[19])，对抽水蓄能电站的实时工作性态进行捕捉，实时感知大坝运行性态，实现大坝安全性态动态监控。

     2.1 抽蓄电站工程场景综合建模技术及监测数据有效信息处理方法

2.1.1 构建抽蓄电站大坝数字孪生三维场景

为满足抽水蓄能电站大坝安全智慧监控平台不同的的建模需求，实现大坝工程模型的三维可视化数字孪生，在初步构建抽蓄电站大坝数字孪生三维场景时，采用综合建模技术进行三维模型的构建，并运用实时渲染技术，增强场景的真实感与沉浸感。

1）基于MAYA及3dsMax的大坝人工通用模型构建

通过采集工程勘测资料，构建低精度的工程基本模型，运用MAYA及3ds Max建模软件构建精度较高的大坝可视化三维模型，展示具备较强的真实感与沉浸感的工程枢纽布置、地形地貌、道路交通等全景面貌，模型最终导出为obj格式文件，以供系统调用。

2）基于倾斜摄影技术的大坝三维模型构建

通过同一飞行平台搭载多传感器相机对地面进行摄影测量，获取高清实景影像数据，包含大坝、地表、地形等各方面的影像数据信息和经纬度与高程信息等测量位置信息，运用三维数据建模软件，将获得的影像数据进行处理以构建大坝三维实景模型，进行空中三角测量计算。最后，通过切块操作实现高效、快速、精确、真实的构建工程实景三维模型，模型导出为osjb格式文件。

3）基于Revit软件的大坝三维BIM模型构建

基于大坝设计图纸，利用Revit软件建立大坝工程实体BIM模型。通过将处理过的点云数据导入模型，以更加精准地细化实体三维模型构造，直观、真实展示大坝位置、组成及附 属设备。通过将工程实体与地形场景进行对接整合，实现三维工程场景BIM模型的构建，模型可导出为ifc格式文件。

2.1.2 获取高精度、高密度的监测数据

为全面分析大坝的服役性态问题，在现有的监测技术的基础上，拓展监测数据获取的手段，研发基于仿生理念的效应量监测设备，并通过访问SAR卫星数据库获取大坝范围内SAR影像数据，对现场测量结果进行补充，以进一步获取高精度、高密度的变形数据，健全精细化监测体系，建立抽水蓄能电站大坝变形、渗流等相关因素监测信息的获取方法。针对数量庞大、类型复杂的监测数据建立有效信息的自动化提取方法，实现测点数据的展示、监测数据的自动化采集以及有效信息的自动化提取。

2.1.3 筛选辨识异常的监测数据

受监测仪器量测精度等客观因素制约，所获取的监测数据不可避免会存在不同程度的测值误差，这些测值误差会对准确掌握抽蓄工程安全运行性态，有效开展工程长期运行性态安全监控与诊断方法研究产生不利影响。当数据量庞大，数据结构复杂时，仅靠单一方法难以保证异常值完全被识别出来，需根据数据整体和局部特性统筹考虑。本项目基于机器视觉理论、图像处理技术及人工智能算法，提出监测数据异常值识别方法，分析大数据量、长周期监测数据的时空关联特性，构建监测数据缺失信息自动化插补方法。融合传统高精度、低密度数据和现代高密度、低精度监测数据，提出高精度监测数据增殖方法，提高数据异常监测的准确率，降低单一方法对异常数据的误判率。

 2.2 抽蓄电站大坝监测数据场信息解译方法

由于坝体材料、边界条件等因素存在空间差异性，同时受测量误差影响，坝体实测变形数据包含一定的空间随机性。为进一步对大量监测数据进行筛选处理，考虑到实测数据的场信息能够全面、真实地表征坝体变形细节，提出运用实测数据建立坝体变形的场信息，通过对比实现数值模拟结果的精细化分析，在结合相关实测数据优化模型的计算参数后，引进机器学习算法，通过对场信息的精细化分析方法，识别各因素影响效应的空间信息特征。针对抽蓄电站监测数据的有效信息和分析结果构建不同监测效应量的监测信息场，集成于数字孪生安全智慧监控平台中的监测场信息模块，直观显示大坝各监测效应量的整体变化，实现抽水蓄能电站大坝服役性态的数据场信息解译。

 2.3 基于场信息的抽蓄电站大坝服役性态综合诊断与预报预警

2.3.1基于场信息的抽蓄电站大坝服役性态诊断技术

从表征抽蓄电站大坝状态监测效应量时空变化维度出发，构建大坝性态变化分析模型，用于确定大坝性态恶化的最不利工况，并基于灰色关联理论和最大熵理论，建立大坝性态变化影响因素与不利工况间的对应关系，提出识别疑似存在性态恶化的阈值确定方法，据此实现对大坝性态变化态势的诊断。基于表征大坝服役性态的监测量变化特征聚类研究成果和监测量诊断指标，探究反映各类监测量对大坝服役性态影响程度的赋权方法，综合运用D-S证据理论，构建大坝服役性态多类监测量综合诊断方法，由此实现抽蓄电站大坝服役性态的综合诊断。

2.3.2 基于场信息的预报预警

针对抽蓄电站大坝性态时空分区变化特征，提出性态相似性度量指标、判据和动态分区方法，创建大坝工作性态分区域、自适应跟踪预报模式，以实现抽蓄电站大坝时空四维工作性态快速预报。深入剖析大坝安全性态转异特征基础上，提出大坝灾变破坏预警分级拟定准则，发展适于抽蓄电站大坝的灾变破坏警戒值拟定方法，以实现大坝安全多点联合预警。

     2.4.抽蓄电站数字孪生安全智慧监控平台研究

2.4.1研发自动化数据管理和有限元模块

采用My SQL数据库构建平台原始数据库与有效数据库，以采集、录入与存储测点信息、监测数据、数值模拟结果、预警值等每种数据，通过在系统操作界面设置数据采集的起止日期、数据采集频率及数据采集时间，可自动采集数据并更新数据库。允许用户自行选择测点并导出数据进行查询、处理与分析。基于机器学习算法与智能优化算法，运用Python程序语言编写轻量级监测数据预处理功能模块，通过在平台中植入该模块，即可实现监测数据有效信息的智能化提取。

  图4 有限元分析模型                                                               图5 有限元求解器功能结构

图6 结构性态结果云图

2.4.3研究安全监控与预警模块

通过后端调用数据库数据，集成大坝时空监测信息，结合有限元数值分析方法，编写多种大坝工作性态安全监控模型的构建功能模块，集成上述模型与方法，实现对大坝服役性态的实时性、连续性、自动化、高精度动态监控。依据特征工况下效应量数据的异常值等动态波动监控大坝异常运行现象，运用大坝安全诊断与预警指标方法对大坝异常性态进行识别与预警。在超出安全监控指标范围之外时，通过所显示的云图，在遭遇不利工况或安全隐患时，及时对大坝进行预报预警。

3.1 抽水蓄能电站的快速发展缺乏安全诊断理论、手段的辅助

与欧美、日本等发达地区和国家相比，我国抽水蓄能电站建设起步较晚，从建国、改革开放到“十四五”时期^[23]，经历探索与试验、总结与提高、快速发展、谨慎发展四个阶段,积累了丰富的工程经验。随后通过引进先进的国外技术，掌握了自主的制造技术。作为目前技术最成熟、经济性最优、最具大规模开发条件、生命周期最长的绿色低碳灵活调节电源，抽水蓄能将在构建新发展格局中彰显重要战略意义^[22]。

然而，尽管我国抽水蓄能电站在建与已建总装机容量已经达到世界第一，但是我国抽水蓄能电站在发电机组装机比例上仍落后于国外抽水蓄能电站的装机比例（见表3、表4），在配套调峰、调频、调相上仍然面临巨大的挑战，故当前亟需继续大力发展、快速建设抽水蓄能电站，满足我国的发电需求，进行水电开发和生态保护，充分发挥其调峰、调频、调相的重要作用。

                                                                                                      表3 2010年国外抽蓄装机容量及发电情况    表4 2023年国我国主要抽蓄电站发电情况

在以火电为主的电网中，配置8%~15%的抽水蓄能电站容量比较合适^[24]，结合我国当前实际情况和未来规划计划，估计装机占比在5%左右较为合适。为满足抽水蓄能电站在电网中的合理比重，我国十分注重对于抽水蓄能水电站的快速建设发展，优化布局、调整政策、创新技术。但是在建设过程中，对于抽水蓄能电站大坝的坝病灾害、服役性态方面的诊断、评估方法有所欠缺，应用场信息对于大坝结构性态分析的准确性和可靠性方面有所降低。

3.2 大坝的服役性态场解译方法缺乏对异常数据的辨识处理

3.2.1大坝服役性态监测数据的获取与处理

目前获取大坝服役性态监测数据的方法，主要有大地测量法、垂线测量法^[25]。国内外也在应用更多先进的技术手段^[26]，如程刚^[27][28]等介绍了岩土体变形监测中常用的分布式光纤感测技术；李志鹏^[29]等以某滑坡为依托，将GNSS技术运用于滑坡变形监测工作中；Xi和Huang等^[30][31]探讨了GPS技术在滑坡变形监测中的应用；还有学者将合成孔径雷达干涉测量技术用于水利工程安全监测中^[32]。但以上方法可能存在监测密度和精度不足的问题。因此在本项目中将研发水-空一体化智能监测平台，通过融合传统高精度、低密度数据和现代高密度、低精度监测数据，通过数据匹配和精度修正，获取更丰富的高精度监测数据。

对监测数据中有效信息的提取则主要通过多种数据预处理手段，如数据模型法、统计理论法以及综合分析法^[33]，以上方法虽然提升了数据处理速度，但是对数据特征要求普遍较高，缺乏普适性，容易出现粗差漏判、误判问题，缺乏普适性。因此在本项目中将采取监测数据异常值智能化辨识方法^[34]对监测数据进行处理。

3.2.2大坝服役性态空间分布特征的识别与刻画

目前国外对大坝变形分析会使用到单侧点模型进行分析^[35][36]，国内则常通过建立单测点或多测点模型揭示大坝变形中各分量的组成^[37][38]，而单侧点模型缺乏对测点变形间空间关联性的考虑^[39][40]，模型中各变形分量多从单一测点角度对变形性态进行解释，缺乏特殊变形分量判别的科学性。多测点分析模型虽然考虑了测点变形间的时空关联性，但其测点的选取具有较强的主观性，也容易对大坝常规因素影响下的变形进行错误判别^[41][42][43]。因此当前对于大坝服役性态空间分布特征的识别与刻画可以通过引入“场”的概念，将对离散测点监测数据的分析拓展到连续空间场维度，基于离散的变形实测值与仿真结果间的差异信息，构建空间差异场，实现对坝体全结构空间分布特征与变化规律的表征，从而判别出常规因素影响下的变形情况。

目前，国内外基于离散测点数据构建空间场的方法主要包括确定性插值方法^[44]、神经网络类插值方法^[45][46]和地统计插值方法^[47][48]。其中，地统计插值方能更好地刻画空间场的空间规律性特征。因此，本项目将引入地统计插值方法，全面表征大坝服役性态的空间分布特征。

3.3 安全监控平台研究进展

纵观国内外对于大坝安全监控研究的发展，其特点主要表现为：高精度、高稳定性和高自动化的观测仪器让监测手段更加先进；数据处理逐步由离线集中处理发展为实时监控和处理^[49]。同时，借助数字孪生技术建立智慧安全监控平台也可以为抽水蓄能电站大坝服役性态、管理决策提供准确数据。各种监控分析的模型也呈现出多样化形式，如基于贝叶斯框架^[50]、概率分布模型^[51]、POT模型^[52]下的大坝服役性态监控预警指标。

目前的大坝安全监控平台的研发多依托于现有的三维可视化建造平台，缺乏一定的可移植性和可扩展性，难以实现工程实体的高精度数字化映射，削弱了真实感与沉浸感，难以满足对大坝全结构实时工作性态动态捕捉的要求，使用户无法实时感知大坝实际运行性态。因此，亟需构建具备沉浸感与真实感的工程场景模型，建立数字孪生安全智慧监控平台，进行大坝工程场景及工作性态的实时虚拟空间映射，动态反馈大坝全结构工作性态演变过程，方便用户快速进行大坝工程大范围、大尺度、多时相、多维度的可视化管理，为大坝的安全、持久、高效服役提供定量化的决策基础。

3.4 发展动态、需求、趋势阐述

随着国家的不断发展，电力系统对于抽水蓄能机组的反应能力、能量调控、操作模式的多元性以及安全性需求也越来越高，对抽水蓄能机组的事故预警能力和智能化改进提出了更严格的标准^[53]。新时代，从三维协同设计、BIM施工建设管理，再到数字孪生的运行，国家对于抽水蓄能电站的快速发展始终走的是安全化与智能化的道路^[55]。因此，抽水蓄能电站全生命周期内自我检查、自我诊断，预警、预报功能的技术创新与实际应用亟需要不断发展，本项目中对于大坝服役性态场的解译方法和数字孪生安全智慧监控平台的研究十分契合目前国家对于抽水蓄能电站全生命周期风险识别、预报^[54]和抽蓄工程智能化监测^[56]的发展需求，也符合抽水蓄能电站从数字化向智慧化的转变趋势^[57]。

参考文献

[1].    肖广磊,王振明,“双碳”目标下抽水蓄能电站建设分析[J].水科学与工程技术,2023, (02):93-96..

[2].    赵国斌,郭德存,王汉斌.新时代抽水蓄能电站工程地质勘察重点[J].水力发电,2023,49(03):33-39.

[3].    华丕龙.抽水蓄能电站建设发展历程及前景展望[J].内蒙古电力技术,2019,37(06):5-9.

[4].    靳亚东,唐修波,赵杰君等 我国抽水蓄能电站的现状及发展前景分析[C]//中国水力发电工程学会电网调峰与抽水蓄能专业委员会.抽水蓄能电站工程建设文集2019.中国电建集团北京勘测设计研究院有限公司;,2019:5.

[5].    王楠.我国抽水蓄能电站发展现状与前景分析[J].电力技术经济,2008,(02):18-20+72.

[6].    赵二峰,顾冲时.混凝土坝长效服役性态健康诊断研究述评[J].水力发电学报,2021,40(05):22-34.

[7].      朱伯芳.论混凝土坝的使用寿命及实现混凝土坝超长期服役的可能性[J].水利学报,2012,43(01):1-9.

[8].    顾冲时,苏怀智,赵二峰.大坝安全监控及反馈分析系统[J].中国水利,2008,(20):37-40.

[9].    Sortis D A ,Paoliani P .Statistical analysis and structural identification in concrete dam monitoring[J].Engineering Structures,2006,29(1):110-120.

[10].   侯毅,虞鸿,关于数字孪生水利建设中BIM深化应用的思考[J].建筑经济,2023,44 (S2): 301-304.

[11].  燕永建.数字孪生技术与智慧水利系统的融合及应用[J].水电站机电技术,2023,46(11): 120-123.

[12].  张以晓. 论数字孪生技术与智慧水利建设[J]. 黑龙江水利科技, 2022, 50 (07):180-183.

[13].  李国英.深入贯彻落实党的二十大精神 扎实推动新阶段水利高质量发展——在2023年全国水利工作会议上的讲话[J]. 水利发展研究, 2023, 23 (01): 1-11.

[14].  李国英. 建设数字孪生流域 推动新阶段水利高质量发展 [J]. 水资源开发与管理, 2022, 8 (08): 3-5. DOI:10.16616/j.cnki.10-1326/TV.2022.08.02.

[15].   王良泽南.水利工程数字化与智能化发展趋势研究[J].长江工程职业技术学院学报,2023,40(03): 75-78.

[16].  杨敏, 蒲双. 孪生“大国重器” 赋能智慧水利[N]. 人民长江报, 2023-01-07 (006).

[17].  胡蕾,马琨,李端有等.某混凝土拱坝异常变形规律原因初探[J].水力发电,2018,44(09):106-109.

[18].  王睿佳. 水利水电工程应走好数字化智能化道路[N]. 中国电力报, 2023-06-16 (003).

[19].  杨光,张帅,赵志勇.全生命周期视角下的混凝土坝安全监测[J].大坝与安全,2022,(06): 31-33.

[20].  孙少楠, 宋宜昌. 基于BIM+GIS的水利工程全生命周期建设管理研究[J]. 中国农村水利水电, 2022, (10): 131-137+142.

[21].  张秀丽. 国家水安全战略目标下水电站大坝安全管理的启示[J]. 大坝与安全, 2021, (06): 1-5.

[22].  国家电网企业管理协会.深入推进可持续性管理，助力 碳达峰碳中和行动[J].可持续发展经济导刊，2021（8）： 26⁃28

[23].  任海波,余波,王奎等.双碳背景下抽水蓄能电站的发展与展望[J].内蒙古电力技术,2022

[24].  晏志勇,翟国寿. 我国抽水蓄能电站发展历程及前景展望[J].水力发电,2004,(12):73-76.

[25].  邵晨飞. 拱坝变形监测有效信息挖掘与场表征模型构建方法[D].河海大 学,2021.

[26].  中华人民共和国水利部. 混凝土拱坝设计规范:SL282-2018[S]. 北京:中国水 利水电出版社,2018.

[27].  Sivasuriyan A, Vijayan D S, Munusami R, Devarajan P. Health assessment of dams under various environmental conditions using structural health monitoring techniques: a state-of-art review[J]. Environmental Science and Pollution Research, 2021: 1-12.

[28].  程刚,王振雪,朱鸿鹄等.基于分布式光纤感测的岩土体变形监测研究综述[J/OL].激光与光电子学进展:1-35[2022-03-04].http://kns.cnki.net/kcms/ detail/31.1690.TN.20211116.1717.012.html.

[29].  李志鹏,李侑军,巫雪潇.GNSS 地表变形监测与内部倾斜监测在滑坡变形监测中的应用[J].西部交通科技,2021(08):32-35.

[30].  Xi R, Zhou X, Jiang W, Chen Q. Simultaneous estimation of dam displacements and reservoir level variation from GPS measurements[J]. Measurement, 2018, 122: 247-256.

[31].  Huang S, Chen J, Wang H. Contribution of the BDS to availability and reliability improvement: A case study of dam surface displacement monitoring in China[J]. Geodesy and Geodynamics, 2019, 10(3): 256-264.

[32].  Ruiz-Armenteros A M, Lazecky M, Hlaváčová I, Bakoň M, Manuel Delgadoc J, Sousah J J, Lamas-Fernández F, Marchamalo M, Caro-Cuenca M, Papco J, Perissin D. Deformation monitoring of dam infrastructures via spaceborne MT-InSAR. The case of La Viñuela (Málaga, southern Spain)[J]. Procedia Computer Science, 2018, 138: 346-353.

[33].  郭延辉,杨溢,杨志全等.国产 GB-InSAR 在特大型水库滑 坡变形监测中的应用[J].中国地质灾害与防治学报,2021,32(02):66-72.

[34].  Li B, Yang J, Hu D. Dam monitoring data analysis methods: A literature review[J]. Structural Control and Health Monitoring, 2020, 27(3): e2501.

[35].  姜丽君. 国外某大型水库土坝表面变形分析[J]. 陕西水利, 2022, (11): 20-22+35.

[36].  耿庆柱, 许艇. 国外某面板堆石坝应力及变形分析[J]. 海河水利, 2022, (03): 119-122.

[37].  Shao C, Zheng S, Gu C, Hu Y. A novel outlier detection method for monitoring data in dam engineering[J]. Expert Systems with Applications, 2022, 193: 116476.

[38].  吴中如.混凝土坝安全监控的确定性模型及混合模型[J].水利学报,1989(05):64-70.

[39].  顾冲时,苏怀智,王少伟.高混凝土坝长期变形特性计算模型及监控方法研究 进展[J].水力发电学报,2016,35(05):1-14.

[40].  赵二峰,顾冲时.混凝土坝长效服役性态健康诊断研究述评[J].水力发电学 报,2021,40(05):22-34.

[41].  Wei B, Liu B, Yuan D, et al. Spatiotemporal hybrid model for concrete arch dam deformation monitoring considering chaotic effect of residual series[J]. Engineering Structures, 2021, 228: 111488.

[42].  Gu C, Fu X, Shao C, Shi Z, Su H. Application of spatiotemporal hybrid model of deformation in safety monitoring of high arch dams: A case study[J]. International journal of environmental research and public health, 2020, 17(1): 319.

[43].  Hu Y, Shao C, Gu C, Meng Z. Concrete dam displacement prediction based on an ISODATA-GMM clustering and random coefficient model[J]. Water, 2019, 11(4): 714.

[44].  Shao C, Gu C, Yang M, Xu Y, Su H. A novel model of dam displacement based on panel data[J]. Structural Control and Health Monitoring, 2018, 25(1): e2037.

[45].  Shao C, Gu C, Meng Z, Hu Y. Integrating the finite element method with a data-driven approach for dam displacement prediction[J]. Advances in Civil Engineering, 2020, 2020.

[46].  胡添翼.基于空间分布的混凝土坝变形缺失信息估计方法[J].长江科学院院报,2019,36(04):39-42.

[47].  Soares S A F, Neto G S, Roisenberg M. Improving the Incremental Gaussian Mixture Neural Network model for spatial interpolation and geostatistical simulation[C]//2016 International Joint Conference on Neural Networks (IJCNN). IEEE, 2016: 2507-2514.

[48].  Zhu D, Cheng X, Zhang F, Yao X, Gao Y, Liu Y. Spatial interpolation using conditional generative adversarial neural networks[J]. International Journal of Geographical Information Science, 2020, 34(4): 735-758.

[49].  杨杰,吴中如.大坝安全监控的国内外研究现状与发展[J]. 西安理工大学学报, 2002, (01): 26-30.

[50].  张涛,苏怀智.基于贝叶斯框架下大坝服役性态综合评估方法[J].长江科学院院报,2021,38(02):32-38+45.

[51].  王子敬. 基于概率分布的大坝服役性态预警指标估计[J]. 水电能源科学, 2015, 33 (10): 65-67.

[52].  苏怀智, 王锋, 刘红萍. 基于POT模型建立大坝服役性态预警指标[J]. 水利学报, 2012, 43 (08): 974-978+986.

[53].  荣奎胤. 论抽水蓄能式水电站在未来水电站发展中的趋势[J]. 水上安全, 2023, (16): 85-87.

[54].  张予燮, 翟海燕, 邢达等. 抽水蓄能电站全寿命周期风险因素管控研究[J]. 建筑经济, 2023

[55].  周兴波,周建平,杜效鹄.新时期抽水蓄能电站高质量发展的思考[J].水电与抽水蓄能,2023

[56].  曹新龙. 抽水蓄能工程智慧化监测预警系统[J].水利技术监督, 2021,(12): 36-37+148.

[57].  次鹏, 高燕. 抽水蓄能电站从数字化向智慧化转变进程中的档案工作新思路[A] 抽水蓄能电站工程建设文集2019[C]. 中国水力发电工程学会电网调峰与抽水蓄能专业委员会, 中国水力发电工程学会电网调峰与抽水蓄能专业委员会, 2019:4.

本项目围绕抽水蓄能电站大坝在运行中面临的安全问题，研发基于仿生理念的变形监测设备，将变形的场信息作为反映大坝运行结构性态的基本载体，将获取的监测数据与数字孪生技术融合建立功能全面、决策迅速的安全智慧监控平台，保障抽水蓄能电站大坝的长效稳定服役。预期创新点包含以下几点：

4.1.提出监测数据智能化清洗方法，构建抽蓄电站大坝变形场信息空间特征分析方法

传统数据清洗方法，易出现粗差漏判、误判问题。针对此问题，本项目将采取监测数据类人类视觉异常值智能辨识方法对监测数据进行处理，融合传统高精度、低密度数据和现代高密度、低精度监测数据，提出高精度监测数据增殖方法，提高数据异常监测的准确率，降低单一方法对异常数据的误判率。目前常采用的离散测点数据分析方法难以全面反映抽水蓄能电站大坝的运行性态，易掩盖大坝存在的变形问题。为此，本项目引入地统计插值法，将对离散测点监测数据的分析拓展到连续空间场维度，在原有大坝安全监测数据的基础上，融合通过异常值智能化辨识方法处理后的监测数据，构建抽蓄电站大坝变形的场信息，以变形的场信息作为反映抽水蓄能电站大坝结构性态的基本载体，基于离散的变形实测值与仿真结果间的差异信息，构建空间差异场，刻画变形的空间分布特征，实现对坝体空间分布特征与变化规律的表征，并通过对空间差异场的趋势性特征进行分析，从而判别出常规因素影响下的变形情况，这是本项目的创新之处之一。

     4.2 研发基于仿生理念的水上监测设备

在利用监测设备以获取相应的监测数据时，考虑到对抽水蓄能电站附近生态平衡的影响，受到自然界中莲叶表面微观结构的启发，融合仿生理念，采用莲叶形设计对水上效应量监测设备进行了改进，提高了监测设备的稳定性和可靠性，有效减少了对水体的化学污染，为附近水域的生态系统创造了更加友好的生态景观，减少了对生态系统的干扰，促进了生态平衡的保持和生物多样性的保护。使用柔性太阳能发电材料进行，为其提供绿色能源，提高设备续航能力，减少了对传统能源的依赖，从而降低能耗与维护成本，使用降噪材料，减少对水生生物的机械干扰。。这是本项目的另一创新之处。

     4.3 构建抽蓄电站大坝数字孪生智慧监控平台

运用工程场景综合建模技术，以数字孪生场景信息平台为核心，有机融合自动化数据管理模块、监测场信息模块以及安全监控与预警模块，直接在场景信息平台之中显示测点有效信息、监测信息场构建结果，由此实现对大坝测点信息的查询、有效信息的提取、监测场的构建及结构性态实时监控，对大坝场景及其全结构的工作状态进行高精度实时虚拟空间映射，动态反馈抽蓄电站大坝全结构的工作状态演变过程，增强平台的真实感与沉浸感，提供更加直观、更加全面的数据展示，为快速分析大坝运行性态提供技术基础，使得对抽水蓄能电站大坝进行大范围、大尺度、多时相、多维度的管理更加便捷，而且为大坝的安全、持久、高效服役提供了定量化的决策基础。以上是本项目的另一创新之处。

5.1 拟解决的问题：

      1.研发基于仿生理念的监测设备；2.提出抽水蓄能电站大坝服役性态场解译方法；3.构建数字孪生安全智慧监控平台。

5.2.技术路线：

      本项目以抽蓄电站安全智慧监控平台中场景平台的模型构建、监测数据的获取处理、空间分布特征的刻画、大坝安全预报预警等主要环节为研究主线，综合运用坝工学、现代监测技术、数值仿真技术和数字孪生技术，研发数字孪生安全智慧监控平台，实现在时空四维度下对抽水蓄能电站运行状态进行智能诊断与实时预警。总体研究思路及技术路线如图所示

5.3 关键技术

1）监测数据补充方法

通过访问SAR卫星数据库获取特工程范围内SAR影像数据，对变形的现场测量结果进行补充，以进一步获取高精度、高密度的监测数据。通过融合两套监测数据，实现以高精度的传统监测数据对高密度的监测数据进行修正，提高项目监测数据的整体精度。

2）数值模拟技术

在应用有限元数值分析方法，求解主要影响因素作用下抽水蓄能电站大坝变形本征规律场时，其实测值与数值模拟结果存在显著差异。为解释该现象，实现大坝变形性态的准确解译，需要建立各因素对抽水蓄能电站大坝作用机制的三维数值模拟方法。首先通过理论分析明确影响抽蓄电站大坝变形的常规影响因素的形成机制，建立相应的有限元模型，精细化模拟常规影响因素的形成机制或作用效应，然后结合相关效应量的原型监测或模型试验结果，对各因素相关的物理力学参数进行优化反演。在此基础上，求解其对抽水蓄能电站大坝变形的影响效应。

3）三维可视化数字孪生方法

在搭建抽水蓄能电站数字孪生安全智慧监控平台时，首先要构建其数字孪生模型，再通过动态关联抽水蓄能电站大坝建设、运行、维护时的工程信息，实现场景与结构的双重孪生，从而提升大坝大范围、大尺度、多时相、多维度的工作性态的实时管理、监控与评估水平。本项目抽蓄电站采用综合建模技术进行三维模型的构建，并运用实时渲染技术，增强场景的真实感与沉浸感，主要包括以下方法：

①基于MAYA及3DS Max的大坝工程人工通用模型构建

通过采集工程勘测资料，首先构建低精度的工程基本模型，运用MAYA及3DS Max建模软件即可构建精度较高的大坝工程可视化三维模型，并对模型进行实时渲染，输出具有色彩感和层次感的高质量画面，以细节展示工程枢纽布置、地形地貌、道路交通等工程全景面貌，模拟不同天气、不同季节、不同时间、不同工况下的工程场景，实时显示抽水蓄能电站大坝的情况，以反映实际的工程场景。具备较强的真实感与沉浸感，并且模型可最终导出为obj格式文件以供系统调用。

图8 通用模型构建                                               图9 通用模型构建

②基于倾斜摄影技术的大坝工程三维模型构建

通过同一无人机搭载多传感器相机对地面进行摄影测量，获得大坝工程、地表、地形等各 个面的影像数据信息，运用三维数据建模软件，将获得的影像数据进行处理以构建大坝工程 三维实景模型，实现高效、快速、精确、真实地构建工程实景三维模型，模型可导出为osjb格式文件。

无人机倾斜摄影测量系统主要由无人机飞行平台（见图12-14）、任务设备系统、导航定位系统、地面控制及保障系统组成（系统结构见图11）。任务设备系统包括航摄相机，作为无人机平台上搭载的数据采集设备，采集和存储航拍区域 内的影像数据。如今，常用的为单镜头、五镜头航摄相机。导航定位系统由GNSS导航系统与INS导航系统组成，GNSS导航系统能全天侯的提供精确的定位信息，惯性导航系统从一已知点位置根据连续测定的运载体航向角与速度推算出下一个点的精准位置，从而连续获取运动体的具体位置。地面控制系统由无人机遥控装置、监控软件、平板电脑组成，具有飞行监控功能、导航地图功能、航线制定功能以及航摄监控功能，主要负责控制无人机及航摄相机，监控无人机的飞行姿态和轨迹，制定飞行任务和飞行计划，控制航摄相机拍摄任务。

图10倾斜摄影图像

图11 无人机倾斜摄影测量系统结构图

通过运用倾斜摄影技术的优势主要有：

Ø  在获得精准的地理位置信息的同时，也可以获取海量的影像数据。

Ø  更加生动的展现测区内地物真实情况，直观地表现出测区内地形特征与地物细节。

Ø  可以有效克服传统参数化人工建模周期长、成本高、纹理失真、模型精度低、缺乏地理信息等缺点，从而构建高效、快速、精确、真实的工程实景三维模型。

Ø  影像数据经过处理能够生成osjb等不同的数据格式，让数据得到充分利用。

图12 固定翼无人机         图13 多旋翼无人机       图14 垂直起降固定翼无人机

      对于倾斜影像数据处理软件模型，当前主要使用Context Capture实景三维建模软件，具有高性能、品质稳健、兼容性好、可扩展、可移植性强等特点，其过程如图15所示

图15 三维建模方法的应用流程图

③基于Revit软件的大坝工程三维BIM模型构建

基于大坝设计图纸，利用Revit软件建立大坝工程实体BIM模型。通过将处理过的点云数据导入模型，以更加精准地细化实体三维模型构造，直观、真实展 示大坝工程位置、组成及附属设备。通过将工程实体与地形场景进行对接整合，实现三维工程场景BIM模型的构建，模型可导出为ifc格式文件。

④模型渲染技术

在建立次模型后，为输出具有色彩感和层次感的高质量画面，需对模型进行实时渲染。实时渲染依靠OpenGL的可编程渲染管线和帧缓冲技术实现，能够最大程度地简化渲染管线的逻辑，以提高渲染效率。在多种渲染效果外，还可模拟不同天气、不同季节、不同时间下的工程场景，实时显示拱坝工程水库泄洪情况，以反映实际的工程场景。

图16 OpenGL可编程渲染管线流程图                        图17 帧缓冲技术流程图

5.4 预期成果

     5.4.1理论成果

解译抽水蓄能电站大坝服役性态场信息，构建数字孪生安全智慧监控平台。

在多种研究方法的帮助下，本项目将逐步完善目前传统的安全监控平台所存在的缺乏一定的可移植性、可扩展性和难以实现工程实体的高精度数字化映射的缺陷，并在过程中不断发现新的创新成果，主要成果将以抽水蓄能电站数字孪生场景平台为基础，建立抽水蓄能电站大坝安全智慧监控平台，应用于智慧水利领域，充分发挥多个功能模块协同作用，对抽水蓄能电站的安全智能诊断预警、库区智能数据监测、数字化场景模拟等作用，按照“需求牵引、应用至上、数字赋能、提升能力”的要求，紧密围绕数字化、网络化、智能化主线，坚持走好数字化场景、智慧化模拟、精准化诊断路径，构建数字孪生流域为核心，全面推进算据、算法、算力建设，加快构建具有预报、预警、预演、预案功能的智慧水利体系，为新阶段水利高质量发展提供有力支撑和强力驱动。

5.4.2学术成果

Ø  授权两项发明（实用新型）专利；

Ø  发表3篇高水平期刊论文；

Ø  提供一套完整的研究过程报告和技术相关资料。

6.1 项目周期第一季度（2024年1月-2024年7月）

①快速学习、初步掌握建模、渲染软件的使用，并能利用其完成简单的建模任务；

②逐步掌握倾斜摄影技术中无人机飞行的操控，能够获取工程实地的影像数据；

③基于仿生理念，完成对于监测设备的优化，撰写实用新型专利申请书；

6.2 项目周期第二季度（2024年8月-2024年10月）

①小组成员利用不同建模手段，进行数字孪生场景信息平台的建模；

②运用实时渲染技术对于数字孪生场景信息平台进行渲染，增强真实感、沉浸感；

③利用python等编程语言编写安全智慧监控平台的各功能模块；

6.3 项目周期第三季度（2024年11月-2025年1月）

①收集抽蓄电站实测数据，并运用异常值智能辨识方法和SAR卫星数据库影像数据，对监测数据进行修正、补充；

②提出监测数据异常值识别方法，构建监测数据缺失信息自动化插补方法；

③将各部分信息导入安全智慧平台各功能模块，测试各功能模块性能；

6.4 项目周期第四季度（2025年2月-2025年4月）

①根据项目过程，撰写完整的研究过程报告和技术相关资料；

②根据相关研究成果，撰写多篇高水平期刊论文。