李光華，謝鳳祥，羅濤

（國能大渡河流域水電開發(fā)有限公司，四川成都 610000）

目前，電站的綜合信息鏈涉及范圍廣且結(jié)構(gòu)復(fù)雜，其關(guān)鍵作用在于對應(yīng)急資源、運行狀態(tài)、氣象水情、車輛預(yù)警及人員等實施及時有效的調(diào)配。如何全面整合、精準分析、合理調(diào)配各站的綜合信息是當前的研究重點。運行人員無法實現(xiàn)對電站的全面管控，缺少切合流域梯級電站實際的可視化管控技術(shù)。通過3D 可視化技術(shù)、3D 數(shù)字技術(shù)，再結(jié)合GIS系統(tǒng)，將電力、BIM、氣象、車輛、預(yù)警、3D 數(shù)字廠房等數(shù)據(jù)進行整合，建立一個以地理信息系統(tǒng)為平臺，加載各類圖層和數(shù)據(jù)集合并能進行3D 綜合展示的決策指揮中心[1-2]。該中心能夠從電站安全、運行穩(wěn)定、預(yù)控措施、實時診斷、實地應(yīng)急處置等多維度綜合展示電站信息，全方位實現(xiàn)流域梯級電站可視化。其中，隱患實時管控、提級預(yù)防模塊尤為重要。當流域關(guān)鍵隱患點已確定時，能依靠高精度影像數(shù)據(jù)實時掌控隱患動向。與此同時，對于隱患發(fā)展趨勢的預(yù)測也不容忽視，需借助智能算法及工作流程，建立在線診斷模型，優(yōu)化關(guān)鍵參數(shù)，提高流域梯級電站的隱患預(yù)防及處置能力，最大化地減少因隱患監(jiān)測不到位而造成的固定性損失[3-5]。

為解決流域電站綜合信息分散性強、容錯性小的局限性問題，該文在現(xiàn)有流域電站信息的基礎(chǔ)上，利用在線診斷與離線優(yōu)化為關(guān)鍵數(shù)據(jù)處理架構(gòu)。最大化電網(wǎng)安全、穩(wěn)定運行的決定性因素，整合流域梯級電站綜合信息，實現(xiàn)了梯級流域電站的可視化管控。

1 GIS集成流域綜合信息展示

流域綜合信息展示的關(guān)鍵在于全域信息可視化，其考慮了天氣、光度、地貌結(jié)構(gòu)、地貌層級構(gòu)架等因素，綜合各項關(guān)鍵參數(shù)建立地貌關(guān)鍵結(jié)構(gòu)，在此基礎(chǔ)上實現(xiàn)流域綜合信息可視化展示。

GIS 數(shù)據(jù)包括影像數(shù)據(jù)、高程數(shù)據(jù)以及各類涉及空間位置信息的數(shù)據(jù)，通過符號化、矢量化、影像轉(zhuǎn)換將GIS 數(shù)據(jù)轉(zhuǎn)換為可接入的格式，即可實現(xiàn)GIS 地形與BIM 模型無縫結(jié)合[6-8]。GIS 集成流域綜合信息包括擬建、在建、投運3 種類型的電站大壩BIM 模型、隱患點邊坡影像數(shù)據(jù)加載、流域天氣、車輛信息四種數(shù)據(jù)類型與GIS 地圖進行集成展示。

1.1 地貌結(jié)構(gòu)可視化展示

如何獲取及優(yōu)化地貌結(jié)構(gòu)參數(shù)是全域信息可視化的關(guān)鍵。為分析地貌結(jié)構(gòu)性質(zhì)不同的變化規(guī)律，該文建立了實例地貌仿真計算模型[9]。該模型在x和y方向上每間隔100 m 各選取11 個特征位置點，每個點均為直徑是20 cm 的圓，將100 m 的長度分割為10 部分進行對比修正，直到清晰對比度與準確度均滿足表1 所示的地貌關(guān)鍵結(jié)構(gòu)參數(shù)要求為止。

表1 地貌關(guān)鍵結(jié)構(gòu)參數(shù)

假設(shè)在圖中不同地段選定坐標位置，并標注地貌性質(zhì)，再以此推算出選定區(qū)域相應(yīng)的特征地貌。以地表面特征分量Bx在x=0～55 m，y=55 m 的區(qū)域分布為例，計算發(fā)現(xiàn)，選定區(qū)域的最大準確度約為1.4%，而特征位置點的準確度均大于5%，如圖1 所示。

圖1 不同地貌結(jié)構(gòu)比較

從圖1 中可以看出，當直接從地貌定區(qū)域中選定特征位置點滿足清晰對比度時，可較好地展現(xiàn)實景圖。但由于非特征位置點不滿足準確度的要求，所以圖層差異較大，無法展現(xiàn)較為真實地實景全貌。因此在圖層確定后，需要達到清晰對比度及準確度要求，才能夠?qū)嵉卣故救暗孛玻鐖D2 所示。

圖2 圖層分布

1.2 3D可視化技術(shù)全景實現(xiàn)

3D 可視化影像技術(shù)的深度融合關(guān)鍵在于攝像頭位置點布設(shè)、典型特征快速確立以及無用條件迅速剔除。該文先以現(xiàn)有流域電站攝像頭布設(shè)位置點為基礎(chǔ)，增設(shè)相應(yīng)攝像頭位置點，實現(xiàn)無死角監(jiān)測流域電站地貌。再基于新建攝像頭布置架構(gòu)，并深度融合場景投影紋理算法，采用空間網(wǎng)絡(luò)構(gòu)造新型模型理論，分別對流域電站、攝像頭位置布設(shè)兩類關(guān)鍵數(shù)據(jù)建立拓撲結(jié)構(gòu)聯(lián)系，形成具有流域電站典型特征的空間模型。然后基于構(gòu)建的空間模型，運用拓撲診斷算法及動態(tài)篩選原理，剔除干擾性場景數(shù)據(jù)，保留典型特征性場景數(shù)據(jù)，從而降低3D 可視化存在眩暈?zāi)：綀鼍暗母怕?，最終得到具有流域典型特征的3D 可視化場景[10-11]。

該文基于空間模型，并通過樹狀索引構(gòu)建流域電站三維場景，其主要步驟分為三部分，如圖3 所示。同時，其具有以下特點：

圖3 流域電站3D可視化工作流程

1）原有基礎(chǔ)上合理布設(shè)攝像頭位置，做到完全覆蓋；

2）動態(tài)剔除與拓撲診斷結(jié)合，避免眩暈式構(gòu)圖；

3）優(yōu)化圖像且與視頻結(jié)合，實景展示流域電站，實例效果如圖4 所示。

圖4 3D可視化實景圖實例

2 流域電站隱患預(yù)測關(guān)鍵技術(shù)

大數(shù)據(jù)分析技術(shù)結(jié)合智能算法可以實現(xiàn)關(guān)鍵性趨勢的預(yù)測[12-13]。而這需要采集大量的隱患典型特征數(shù)據(jù)，經(jīng)初期篩選后剔除干擾性數(shù)據(jù)，保留有效性數(shù)據(jù)作為訓(xùn)練樣本。該文基于大數(shù)據(jù)中心對接流域中現(xiàn)有的監(jiān)測設(shè)備，如GNSS、微芯樁、表面位移監(jiān)測、微芯樁-震動、傾角儀、固定測斜儀、錨索測力計、裂縫計等，獲取設(shè)備的基本信息和監(jiān)測信息數(shù)據(jù)。數(shù)據(jù)樣本包括設(shè)備名稱、安裝經(jīng)緯度以及各類型監(jiān)測設(shè)備的實時數(shù)據(jù)等。

離線訓(xùn)練階段主要是利用系統(tǒng)的歷史數(shù)據(jù)或?qū)嶒灁?shù)據(jù)，采用智能算法、統(tǒng)計學(xué)算法等建立應(yīng)用于在線監(jiān)測的診斷模型。在線監(jiān)測階段則獲取被測對象的實時監(jiān)測數(shù)據(jù)，結(jié)合實際的系統(tǒng)診斷精度，經(jīng)過智能比對實現(xiàn)對缺陷信息進行預(yù)警和診斷，同時將結(jié)果偏差反饋給離線學(xué)習(xí)模型。離線算法根據(jù)反饋結(jié)果持續(xù)優(yōu)化模型，將優(yōu)化后的參數(shù)傳遞到在線監(jiān)測模型中。該文將離線學(xué)習(xí)與在線預(yù)警有機結(jié)合，實現(xiàn)了離線訓(xùn)練到在線檢測，再通過檢測結(jié)果的反饋進一步優(yōu)化離線訓(xùn)練模型，從而實現(xiàn)了系統(tǒng)的自適應(yīng)、自演進，突破了預(yù)置訓(xùn)練數(shù)據(jù)的局限性。最終將隱患點監(jiān)測點位數(shù)據(jù)在影像地圖上標注展示，實現(xiàn)流域電站隱患精準預(yù)測，診斷模型如圖5 所示。

圖5 系統(tǒng)診斷模型

在系統(tǒng)參數(shù)設(shè)定方面，該文采用10 折交叉驗證算法進行參數(shù)交叉驗證訓(xùn)練，并最終選定適宜的參數(shù)組合[14]。初始階段先預(yù)設(shè)一組值作為系統(tǒng)初始參數(shù)，并將初始樣本隨機分成10 個子樣本，依次選取一個子樣本作為驗證模型的數(shù)據(jù)，其他9 個樣本用以訓(xùn)練，進行SPRT 計算比對，并記錄下報警概率。如此重復(fù)10 次，獲得該參數(shù)組合下的平均診斷正確率。調(diào)整參數(shù)組合，重復(fù)以上操作，最終確定最優(yōu)模型參數(shù)組合。

實際運行模式下，還需要對接地災(zāi)中心的影像數(shù)據(jù)集成展示流域中隱患點的影像地圖。通過GIS地圖展示隱患點周邊5 km 的地形、村莊等情況。還需實時觀測隱患點，并依靠大數(shù)據(jù)分析實現(xiàn)隱患點預(yù)測，及時預(yù)防隱患點的爆發(fā)式增長[15]。天氣也是誘發(fā)隱患的關(guān)鍵因素，需提早進行預(yù)防[16]?？赏ㄟ^大數(shù)據(jù)平臺獲取流域的天氣數(shù)據(jù)，并根據(jù)天氣數(shù)據(jù)分析流域各個電站的實時天氣情況。在首頁流域地圖上模擬天氣動態(tài)、直觀展示分析結(jié)果，提供流域環(huán)境預(yù)測、預(yù)警數(shù)據(jù)的擬態(tài)化展示。

3 仿真驗證

3.1 3D技術(shù)對比驗證

該文以大渡河流域的梯級電站為樣本，建立不同攝像頭位置的融合對象延時對比分析體系，結(jié)果如圖6 所示。由圖可看出，該文所設(shè)計方案可對5 個攝像頭的監(jiān)測數(shù)據(jù)進行融合式處理。該方法以1、3、5 個攝像頭為例，全過程測試所提方案的數(shù)據(jù)處理情況，其幀率始終保持在20 fps，能夠較為穩(wěn)定地輸出數(shù)據(jù)處理結(jié)果。而現(xiàn)有傳統(tǒng)方法的融合幀率低于20 fps，漫游速率阻力較大，不能直接融合圖像數(shù)據(jù)，極易造成數(shù)據(jù)扭曲、丟失。因此，該方法能最大化處理采集數(shù)據(jù)，剔除干擾性數(shù)據(jù)，獲取清晰的實景圖，適合流域電站圖像處理。

3.2 隱患預(yù)測技術(shù)驗證

以某一電站為例，在設(shè)備的局部區(qū)域進行隱患預(yù)測測試，檢測該方法是否能準確測出地下接地網(wǎng)故障隱患，檢測結(jié)果如表2 所示。結(jié)果表明，該檢測系統(tǒng)的接地網(wǎng)檢測結(jié)果與實際接地網(wǎng)測量數(shù)據(jù)相符。該方法能有效、可靠地獲取變電站接地網(wǎng)的拓撲分布及準確預(yù)測接地網(wǎng)腐蝕狀況。由此說明，該方法中的隱患預(yù)測技術(shù)是可靠且有效的。

表2 檢測結(jié)果

4 結(jié)束語

該文以3D 可視化技術(shù)為核心，以智能算法為支撐，架構(gòu)了離線訓(xùn)練與在線診斷自演進的隱患預(yù)測模型，建立了基于GIS 的全域可視化綜合信息及預(yù)測系統(tǒng)?；诖讼到y(tǒng)，能將現(xiàn)有基礎(chǔ)設(shè)施靜態(tài)數(shù)據(jù)、物聯(lián)網(wǎng)感知數(shù)據(jù)、系統(tǒng)業(yè)務(wù)數(shù)據(jù)等與GIS 地圖進行集成，擴充決策指揮場景化應(yīng)用，并根據(jù)場景的需求，對數(shù)據(jù)進行分析并自動處理，從而實現(xiàn)按需提取。