苗家坝水电站表面三维形变智能监测探索与实践

吕攀

（大唐甘肃发电有限公司碧口水力发电厂，甘肃 陇南，746412）

0 引言

变形监测是监测工程安全性态最直观的手段。变形测点具有点多、面广等特点，前期多依靠人工或半自动手段定期测量，存在人力资源投入大、安全风险高、信息反馈慢、工作效率低等问题。尤其遇到有感地震、区域性暴雨、特大洪水等情况时，难以及时采集到合格数据以反映工程安全性态，给决策管理带来盲区[1-2]。同时受监测条件（如外界气象、大气折光等）制约，测量精度无法保证，甚至在降雨等极端天气条件下无法采集到合格的数据，可能使管辖工程处于“失控”状态。为全面提升大坝安全管理工作水平和效率，提高大坝应急管理能力，保证大坝运行安全和社会公共安全，国家先后颁布了《水库大坝安全管理条例》（国务院令第77号）、《水电站大坝安全监测工作管理办法》（国能发安全〔2017〕61号）、《水电站大坝运行安全监督管理规定》（发改委令第23号）等制度，这些规定都对大坝安全监测自动化提出了具体的要求[3]。

苗家坝水电站作为白龙江流域下游大型水电站，地质条件复杂，为百米级趾板位于覆盖层上的高面板堆石坝，其运行安全至关重要。尤其是近年来，白龙江流域洪水爆发、极端异常天气频发，亟需一种全新的监测方法，将大坝外部水平位移和垂直位移测点整合，实现大坝外部变形自动化、实时化的连续监测。

基于以上背景，针对苗家坝水电站实际情况，采用以测量机器人为主、GNSS 为辅的方案取代人工测量，配套研发了大坝变形监测智能采集分析系统，从观测方法、测量结果修正、平差处理、仪器保护等方面开展探索实践，形成具有观测时段自寻优、应急场景自识别、精密仪器自防护等典型特点，且具备全天候、全时段自动监测能力的大坝外部变形智能监测系统，将数据采集、结果输出、异常报警等集成为一体，实现了外部变形智能监测、实时处理和预警[4-5]。

1 工程概况

苗家坝水电站位于白龙江下游甘肃省文县境内，距下游已建成的碧口水电站31.5 km，电站尾水与碧口水电站水库回水衔接。工程于2006年4月29日动工，2015年6月25日竣工。水库正常蓄水位库容2.68亿m3，电站正常蓄水位800 m，死水位795 m，汛期临时排沙水位795 m，总装机容量240 MW（3×80 MW）。工程规模属二等大（2）型，枢纽建筑物主要由混凝土面板堆石坝、溢洪洞、泄洪排沙洞、引水发电洞和岸边厂房等组成。面板堆石坝坝顶高程805.00 m，坝顶长359 m，宽10 m，最大坝高111 m。主要建筑物挡水坝级别为1 级，其他主要建筑物级别为2 级，次要建筑物级别为3级。

苗家坝水电站监测的主要范围是主要建筑物及其开挖边坡，包括混凝土面板堆石坝（含防渗墙）、溢洪洞、泄洪排沙洞、引水发电洞和岸边厂房等。同时，苗家坝水电站有多处滑坡体，除对各建筑物及其开挖边坡进行监测外，还需对滑坡体进行监测。原设计表面变形监测主要包括面板堆石坝、机组进水口平台、尾水平台及左岸F12 变形体等部位，共计76 个测点，采用人工观测。

2 监测方案设计

2.1 测量机器人监测系统设计

苗家坝大坝外部变形监测包括表面垂直位移和表面水平位移监测。垂直位移测点与水平位移测点结合为综合位移测点，共设置了42 个综合位移测点（视准线+水准观测）。垂直位移工作基点共设3 点，分别位于左岸帷幕灌浆洞内、左岸下游低线公路处、右岸高线公路和中线公路交汇处；6条视准线工作基点均位于视准线延长线两岸稳定基岩处；进水口平台设置了6个水平、垂直综合位移测点；F12变形体原设置有5个GPS测站，因测量精度低、故障频发等，将其改造成了5个水平、垂直综合位移测点；尾水平台设置有4个垂直位移测点；排沙洞出口设置了3个水平、垂直综合位移测点。

苗家坝水电站新建1号、2号测站点作为测量机器人的工作基点，也是GNSS 测点；将原控制网点TN08作为GNSS基准点，同时也是测量机器人的测点。所有GNSS 基准站点和GNSS 监测点需保证GNSS主机、棱镜、测量机器人（基准站）同心安装，通过坐标转换及投影可获得同一点在不同测量手段下的变形量，实现两套系统的融合互补，完成大坝视准线、进水口、尾水平台及F12变形体等外部变形智能监测。

通过现场校测，坝前所有测点俯仰角均在10°以内，最远测点距离测量机器人390 m；坝后所有测点俯仰角均在10°以内，仅尾水平台最大俯角为12°，最远测点距离测量机器人580 m。所有测点水平角均在30°以内，仅坝后测站测量F12变形体时，水平角为100°左右。测角范围均在测量机器人最优测量工况，测量精度较高。外部变形自动化系统组网见图1。

图1 外部变形自动化系统组网图Fig.1 Automatic system for external deformation monitoring

表1 外部变形自动化接入测点统计表Table 1 Automatic measuring points for external deformation

2.2 观测数据修正

2.2.1 基本原理

光电测距对气象敏感，但由于水电站区域气象复杂、分布不均，气象因素采集代表性误差大，因而采用基线校准方法。假定观测过程中，气象条件稳定，各个测点受到气象因素的影响相似，利用基准点对监测点进行修正。为尽可能满足假设，需要对测点进行分组，每个组包含若干测点及基准点，使这些点在同一方位和高程段，这保证了空间相似性，增加了同一点组的共性。同时，分组可以有效减短观测时间，保证时间相似性。校准基点与监测点分布见图2，基线改正基本思想见图3。

图2 校准基点与测点分布示意图Fig.2 Distribution of calibration points and monitoring points

假设x1、x2、x3、x4为覆盖监测区域的 4 个校准基点，其三维精密坐标已知（高程为二等精密水准高程），测站为A，则测站A 对监测点p的距离观测值可进行如下修正：

对水平角、天顶距等也可按类似原理进行修正。

2.2.2 测点分组的原则

（1）每个组内包含若干监测点和基准点（至少两个基准点）；

（2）每个组内测点数量不宜过多，以免延长观测周期；

（3）每个组内的测点大致处于同一方位及同一高程段。

2.2.3 测点分组观测

苗家坝水电站外部变形智能化监测的区域分为坝顶监测区、坝后坡监测区、引水排沙洞进口监测区、厂房后边坡监测区、排沙洞出口监测区、尾水平台监测区和F12 变形体监测区。可用控制网点10个（TN01～TN10），其中TN04、TN06、TN08、TN09、TN10可作为左岸1号测站（TB01）后视定向及稳定性检测使用，TN02、TN05、TN07、TN10可作为右岸2号测站（TB02）后视定向及稳定性检测使用。本次新建2 个智能测站分别位于大坝左岸上游和右岸下游，校准基点利用4 个原视准线基准点及1 个新建（左坝脚）校准基点，共计5个。

左岸1号智能测站（TB01）对坝顶监测区、引水排沙洞进口监测区测点进行极坐标观测，利用左右坝肩的两条基线（TB01-XZ01、TB01-XY01）替代气象数据对原始数据进行基线校准改正。由于改正方式及校准基线一致，故把上述两个测区的测点分为一个组进行观测。

右岸2号智能测站（TB02）对坝后坡监测区、尾水平台监测区、排沙洞出口监测区、厂房后边坡监测区和F12 变形体监测区测点进行极坐标观测。一部分使用气象数据对原始数据进行改正，一部分利用左右坝肩和坝脚的4 条基线（TB02-XZ01-1、TB02-XY02、TB02-TB6-1、TB02-XZ02）替代气象数据对原始数据进行基线校准改正。由于坝后坡监测区、尾水平台监测区、排沙洞出口监测区和厂房后边坡监测区的改正方式及校准基线一致，故把这4 个测区的测点分为一个组进行观测；F12 变形体监测区由于地质地貌原因，不能设置校准基点，只能做气象改正，故单独分为一个组进行观测。

2.2.4 采集流程及限差设置

采集过程中，对正倒镜差异过大、测回间差异过大的情况进行实时判断，必要时触发重测流程。具体包括正倒镜水平角度检验、正倒镜天顶距检验、斜距检验及各个测回对同名点的观测值一致性检验等。每次观测进行4个测回，按照二等精度设置限差。

2.3 GNSS监测系统设计

GNSS 监测系统共有 3 个测点。1 号测站、2 号测站、TN08通过专用棱镜支架和棱镜GNSS同轴装置设置圆棱镜。选择1号测站、2号测站作为GNSS监测系统的监测点，TN08作为GNSS的基准站。基准站需定期复核，以减小测量误差。通过GNSS 系统实时校准两个测站的稳定性，可根据用户自定义时长，依据长时间数据序列进行稳定性分析，及时了解测站稳定性。

2.4 系统特点及功能

苗家坝水电站大坝外部变形智能监测系统是集机械、电子、传感、通讯、自控、精密测量、基线自校准测量、变形监测数据智能化处理等于一体的大型综合系统。该系统主要由智能测站、控制系统、数据采集、后处理、成果发布与应用等子系统构成。

2.4.1 智能测站系统

智能测站集成了雨量、温度、湿度、气压、风速、红外遥感、行程感知等传感器，以及远程视频监控与自动化控制启闭罩、智能测站一体化控制主机等设备。智能测站中的风速、雨量传感器能够智能识别外界环境是否满足监测时的气象条件要求，识别获取数据质量，智能决策启闭罩的开闭。这种智能决策既保证了监测数据最大可能的连续完整性和质量，又保证了智能测站和测量设备的安全性，真正实现了机器判断取代人为判断。同时，该系统实现了与可控硬件设备的联动，根据气象条件实施任务，同时在任务启动时自动将启闭罩、电动窗打开，进行监测任务。在监测任务中出现下雨或风速超限及非法入侵的情况时，自动结束任务并完成启闭罩、电动窗的关闭，智能判别环境量是否超限，非法入侵警报结束后自动补测中断的测量任务，从而真正实现了无人值守[6-7]。

2.4.2 数据采集分析系统

控制系统和数据采集系统按照事先决定的观测任务和时间表，根据外部气象条件智能启动或延迟观测任务，实施野外数据自动限差判断与重测。当采得合格监测数据后，实时进行本地备份并发往数据库存档。后处理系统读取采集系统数据库合格监测数据，完成原始数据的预处理、修正、平差、生成报表、报告等。监测分析结果形成后，经人工审核后根据设置权限进行结果发布与应用。

在测量机器人自动监测系统数据采集方面实现了以下功能：

（1）观测方式的自由定义。系统将测量机器人观测动作细化到单一动作，用户可根据需求任意组合。

（2）观测任务的任意定义。根据点的分组、采集模式、不同限差等进行观测任务的制定。

（3）按需求制定观测计划。观测计划分为常规计划和特殊计划，可根据具体需求任意制定观测的时间计划。如果当天出现常规和特殊两种计划，则系统自动放弃常规计划，执行特殊计划。

在后处理分析方面实现了以下功能：

（1）提供了手动与自动两种方式的平差分析处理，自动生成平差报告，并同时管理和自动处理分析来自多个观测站的采集数据，通过日志详细记录处理分析过程，并提供查询和手动分析功能。

（2）多种方式的平差改正（极坐标、后方交会、前方交会）、气象改正、基线改正、气象+基线改正方式，满足多种需求。

3 系统运行情况

3.1 系统可靠性及精度分析

该自动化监测系统自2021年1月运行以来，通过现场测试及试运行，系统运行良好，数据质量较高。从数据结果看，一天（24 h）中不同时段采集的数据在通过基线自校准改正处理后，随着气象条件（温、湿、气）的变化，结果数据没有明显差异波动，能够实时准确掌握大坝变形性态，极大改善了人工观测环境，提高了工作效率，达到了建设目的。

图5～6为苗家坝水电站坝后坡典型测点TP2-3和 TP4-3 自2021年1月16日运行以来X向和Y向位移过程线。截至2021年2月18日，共采集获得160 期数据，按照试运行期5 次/d 的监测频次，数据完整率达99%以上。从图5～6 可以看出，数据连续性较好，数据波动基本在2 mm 以内，其中左右岸方向由于两岸山体约束，未表现出明显的变形趋势；上下游方向受库水位及温度等因素影响，表现为缓慢向下游变形趋势，符合土石坝一般变形规律。

图6 苗家坝水电站大坝典型测点Y向（上下游）位移过程线Fig.6 Y directional displacement by typical measuring points

图7为苗家坝水电站坝后坡典型测点TP2-3和TP4-3 自2016年1月5日—2019年10月12日的人工观测数据。前期人工观测采用视准线法，从图7可以看出，大坝整体向下游位移，但整体变形趋缓，变形量约为1～2 mm/年，且2019年后基本趋于稳定，无明显变形趋势。与自动化改造后的观测结果对比，两者变形趋势、变形速率和方向等基本吻合，表明自动化结果可靠。

图7 苗家坝水电站大坝典型测点自动化改造前Y 向（上下游）位移过程线Fig. 7 Y directional displacement by typical measuring points at Miaojiaba dam before automation renovation

图8 为坝后典型测点沉降位移过程线。从图8 可以看出，测点竖直方向测值波动相对水平方向偏大，但总体在±2 mm 范围内波动。苗家坝水电站于2014年投运，目前沉降变形趋缓。从短期过程线看，大坝无明显沉降变形，与前期人工观测结果一致。

图8 苗家坝水电站大坝典型测点H向（沉降）位移过程线Fig.8 H directional displacement by typical measuring points

3.2 测值稳定性分析

取TP2-3、TP4-3、TP5-4和TPPS01四个典型测点2021年1月16日—2021年1月20日的23期测值进行短期稳定分析。根据大坝结构及运行特点，假定在较短时间内库水位、气温、水温等环境量基本不变，则相应的监测值也应基本不变[8]。自动化系统在短期内连续测试n次，读数分别为x1、x2，…，xn，计算n次测值误差，根据中误差评价测量精度及测值稳定性。n次实测数据算数平均值计算如下：

从表2可以看出，该自动化系统短期测值稳定性较好，平面中误差最大值为0.63 mm，高程方向测值稳定性相对较差，中误差最大为4.47 mm。根据现场情况，高程方向部分测点中误差较大的主要原因为大坝坝后坡原设计采用视准线人工观测，观测墩位置偏低。采用自动化观测后，测站位置发生变化，安装固定棱镜及保护罩后，测点与测站间观测视线距防护栏杆、坝后马道地面等遮挡物较近，对观测造成了一定影响。从未被遮挡物影响的TP5-4测点来看，竖直方向精度满足土石坝监测的要求，后期将及时通过加高观测墩的方式解决上述问题。

表2 苗家坝水电站大坝典型测点短期测值中误差Table 2 Mean square error of short-term measured values by typical measuring points at Miaojiaba dam

4 结语

苗家坝水电站大坝外部变形智能监测系统在大型水电站、高边坡等外部变形自动化监测方面进行了智能化监测探索实践。通过智能测站建设，实现了与可控硬件设备的联动，可根据气象条件实施监测任务，同时在任务启动时自动打开启闭罩，进行监测任务。监测任务中出现下雨或风速超限及非法入侵的情况时，自动结束任务并关闭启闭罩。该系统可智能判别环境量是否超限，实现非法入侵报警，自动补测中断的测量任务，真正实现了无人值守、智能监测。同时，通过基线自校准与气象融合模型的应用，大幅度提升监测数据质量，具备自动化监测快速预警和应急处置决策能力，满足水电工程及高边坡监测需要。该系统可为其他水电站、高边坡及地表外部监测工作提供参考和指导，对外部变形监测管理具有十分重要的现实意义。