CN117217058A - 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 - Google Patents
一种抽蓄电站水工结构安全监测方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN117217058A CN117217058A CN202311244399.3A CN202311244399A CN117217058A CN 117217058 A CN117217058 A CN 117217058A CN 202311244399 A CN202311244399 A CN 202311244399A CN 117217058 A CN117217058 A CN 117217058A
- Authority
- CN
- China
- Prior art keywords
- hydraulic structure
- model
- data
- digital twin
- dimensional
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000012544 monitoring process Methods 0.000 title claims abstract description 84
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000005086 pumping Methods 0.000 title claims abstract description 41
- 238000003860 storage Methods 0.000 claims abstract description 103
- 238000004088 simulation Methods 0.000 claims abstract description 62
- 238000005516 engineering process Methods 0.000 claims abstract description 42
- 238000013461 design Methods 0.000 claims abstract description 38
- 238000004458 analytical method Methods 0.000 claims abstract description 24
- 238000004364 calculation method Methods 0.000 claims description 60
- 238000010276 construction Methods 0.000 claims description 60
- 239000000463 material Substances 0.000 claims description 34
- 238000009877 rendering Methods 0.000 claims description 30
- 238000013507 mapping Methods 0.000 claims description 20
- 238000010586 diagram Methods 0.000 claims description 17
- 239000002689 soil Substances 0.000 claims description 17
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 13
- 238000004519 manufacturing process Methods 0.000 claims description 11
- 230000002159 abnormal effect Effects 0.000 claims description 10
- 238000005520 cutting process Methods 0.000 claims description 10
- 230000000704 physical effect Effects 0.000 claims description 10
- 230000008859 change Effects 0.000 claims description 9
- 239000011435 rock Substances 0.000 claims description 9
- 238000012876 topography Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 6
- 230000000007 visual effect Effects 0.000 claims description 6
- 230000006835 compression Effects 0.000 claims description 5
- 238000007906 compression Methods 0.000 claims description 5
- 239000000470 constituent Substances 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 5
- 238000005286 illumination Methods 0.000 claims description 5
- 230000001788 irregular Effects 0.000 claims description 5
- 238000012423 maintenance Methods 0.000 claims description 5
- 238000005259 measurement Methods 0.000 claims description 5
- 239000000178 monomer Substances 0.000 claims description 5
- 238000012805 post-processing Methods 0.000 claims description 5
- 238000003908 quality control method Methods 0.000 claims description 5
- 238000000926 separation method Methods 0.000 claims description 5
- 238000010008 shearing Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 17
- 238000013528 artificial neural network Methods 0.000 description 12
- 230000008569 process Effects 0.000 description 10
- 238000003062 neural network model Methods 0.000 description 9
- 238000012549 training Methods 0.000 description 8
- 238000007726 management method Methods 0.000 description 6
- 230000004927 fusion Effects 0.000 description 5
- 238000005065 mining Methods 0.000 description 5
- 210000002569 neuron Anatomy 0.000 description 5
- 238000012546 transfer Methods 0.000 description 5
- 238000007405 data analysis Methods 0.000 description 4
- 101001095088 Homo sapiens Melanoma antigen preferentially expressed in tumors Proteins 0.000 description 3
- 102100037020 Melanoma antigen preferentially expressed in tumors Human genes 0.000 description 3
- 230000010354 integration Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 229910000831 Steel Inorganic materials 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004062 sedimentation Methods 0.000 description 2
- 239000010959 steel Substances 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000012897 Levenberg–Marquardt algorithm Methods 0.000 description 1
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004146 energy storage Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 238000010191 image analysis Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012856 packing Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 239000003209 petroleum derivative Substances 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 239000002893 slag Substances 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Testing Or Calibration Of Command Recording Devices (AREA)
Abstract
一种抽蓄电站水工结构安全监测方法、系统、设备及介质，包括利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型；利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态；其中，数字孪生体模型是基于水工结构空间位置设计数据和感知手段建立的数字孪生场景，并将预先构建的水工结构三维模型嵌入抽水蓄能电站数字孪生场景中建立的。本发明采用多种感知手段实现全面监控和实时预警，对数据进行深入分析，并结合数字孪生体模型直观的对未来的风险变化趋势进行展示。
Description
技术领域
本发明涉及新能源与储能技术领域，具体涉及一种抽蓄电站水工结构安全监测方法与系统。
背景技术
抽水蓄能电站建设周期长，一般从开工建设到投产要经历5-8年，同时抽水蓄能电站本身建设地点又多在山区，施工过程复杂，涉及工程量巨大的上下水库、大坝、地下洞室的开挖填筑和大量的弃渣堆填和高边坡工程，受复杂多变的地质环境条件影响，安全风险比较高，对水工结构开展安全监测，及时发现安全隐患，是保证建设安全的重要措施。
目前，水工结构安全监测预警系统较多，比较普遍的水工结构自动化安全监测系统是通过在大坝、库盆、地下洞室及边坡等水工结构内部安装各类应力、应变、水位、测斜等传感器，搭建起数据采集层、数据传输层、数据分析层三个层面组合构建整套水工结构安全监测系统，实现对水工结构主体的实时监测。但现有抽蓄电站水工结构抽水蓄能电站工程安全监测主要是通过仪器观测和巡视检查对水工结构主体、地基基础、两岸边坡、相关设施以及周围环境所作的测量及观察，虽然针对大坝结构、库盆以及地下洞室地质岩体的监测方案偏重点有所不同，但监测的数据大致相同，主要有水工结构的位移数据、应力应变数据、渗流、地下水位等，对工程变形、渗流、应力应变等进行监测并及时分析发现问题并进行反馈，主要预警方法是根据结合水工结构的特点，设定一定的安全阈值，根据监测数据的变化进行风险预警，存在监测点分散、感知手段较为单一等问题，无法实现全面监控、实时预警。而且各类监测数据的集成与融合缺乏有效的平台，数据分析的广度和深度不足，水工结构安全监测的数据自动化分析处理能力不足，对数据的挖掘利用水平较低，很难保证及时性和有效性，对未来的风险变化趋势不能做出准确的预测和及时有效的反应。
发明内容
为了解决现有技术存在监测点分散、感知手段较为单一等问题，无法实现全面监控、实时预警，而且各类监测数据的集成与融合缺乏有效的平台，数据分析的广度和深度不足，水工结构安全监测的数据自动化分析处理能力不足，对数据的挖掘利用水平较低，很难保证及时性和有效性，对未来的风险变化趋势不能做出准确的预测和及时有效的反应的问题，本发明提出了一种抽蓄电站水工结构安全监测方法，包括：
利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型；
利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，
将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态；
其中，数字孪生体模型是基于水工结构空间位置设计数据和感知手段建立的数字孪生场景，并将预先构建的水工结构三维模型嵌入抽水蓄能电站数字孪生场景中建立的；
水工结构三维模型是基于三维设计数据、二维图纸信息以及抽水蓄能电站水工结构及周围岩土体的属性信息建立的。
可选的，所述数字孪生模型的构建，包括：
采集目标抽水蓄能电站的卫星遥感数据、无人机遥感数据、DEM地形数据；
基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景；
根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型；
根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型。
可选的，所述基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景，包括：
基于卫星遥感数据和无人机遥测数据获取目标抽水蓄能电站周边的影像信息、经纬度信息及高程信息；
利用三维建模技术对影像信息进行规范化素材剪切及分块映射，获取可应用于虚幻引擎的贴图素材；
根据DEM地形数据，利用地形系统，还原地形高低起伏，比照影像信息，进行对应裁切，利用虚幻引擎将贴图素材与对应地形切块进行贴合；
对照影像信息、经纬度信息和高程信息，制作河流流域多边面模型，使用UV展开制作河水流向信息，建设河道水体；
基于无人机遥感数据，通过像控测量、空三加密、模型生成、模型修复及编辑，输出抽蓄电站三维模型；
对抽蓄电站三维模型进行单体化及精修，构建电站三维模型；
基于统一空间坐标，将电站三维模型与地形、河道水体场景底板进行融合，建设抽水蓄能电站数字孪生场景。
可选的，所述根据BIM三维设计数据、二维图纸信息，建立水工结构的三维模型，包括：
1)选择WGS1984坐标系，确定坝顶高程为水准面高程，根据电站总体布置图、水利工程图、水文地质参数，利用3d MAX构建水工结构几何模型；
2)根据结构设计数据，给予不同构筑物不同的物理属性；
3)对水工结构几何模型进行有序的三角网格划分，得到网格数据；
4)根据水工结构中不同构筑物的物理属性，结合真实材质状态，基于虚幻引擎场景编辑系统，构建不同材质球，对水工结构几何模型不同的材质球进行渲染；
5)由所述网格数据和渲染后的水工结构几何模型构建水工结构的三维模型。
可选的，所述根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型，包括：
运用轻量化工具对BIM模型进行轻量化处置，将BIM模型进行数据分离；
通过对几何数据进行参数化处理及压缩存储进行轻量化存储；
通过降低纹理、减面形式，对BIM模型进行轻量化渲染；
构建通用层级建设规则；
基于所述通用层级建设规则和统一数据空间坐标，将轻量化渲染后的BIM模型完整套合于对应地块上，进行BIM模型与地形整合建立水工结构的三维模型。
可选的，所述根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型，包括：
对物理实体的空间信息、时间信息、属性信息、构成成分和实体关系进行描述建立水工结构统一语义描述模型；
按照设定的映射规则，将不同方式描述的数据源转换为统一信息描述模型，构建水工结构数字孪生体信息模型；
利用以虚幻引擎为支撑的高保真渲染技术，通过物理仿真、光照系统后处理三维可视化接口进行水工结构三维模型高保真呈现；
基于统一数据空间坐标，将高保真呈现的水工结构三维模型与抽水蓄能电站数字孪生场景底板进行套合，构建水工结构安全监测数字孪生体；
基于水工安全物联感知监测数据，利用不规则网格面与体的构建方法，进行安全分析结果数据的栅格化处理和大变形平面与体的动态构建，并采用动态高渲染技术进行安全仿真结果的动态孪生呈现；
基于所述水工结构统一语义描述模型、水工结构数字孪生体信息模型、水工结构安全监测数字孪生体和动态孪生呈现的安全仿真结果建立水工结构的数字孪生模型。
可选的，所述利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型，包括：
采集卫星遥感数据、无人机遥测数据和地面传感器数据；
将卫星遥感数据、无人机遥测数据和地面传感器数据进行融合，构建环境数据集；
对环境数据集中的数据进行质量控制和异常值检测，剔除不准确或异常的数据，得到新数据；
将所述新数据与预先构建的数字孪生模型进行融合，并更新预先构建的数字孪生模型的几何和属性信息；
利用数据关联和校正技术，将观测数据与模型预测结果进行对比和调整；
根据更新后的数据，重新建立或调整预先构建的数字孪生模型的几何结构和属性特征。
可选的，所述利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，包括：
将更新后的数字孪生模型应用于实际场景中执行任务，实时监测信息；
基于水工结构三维模型和实时监测信息对水工结构三维模型进行有限元网格剖分，生成水工结构计算网格剖分模型；
将水工结构周围岩土体的属性信息作为有限元计算的边界条件，将实时监测的水工结构计算网格剖分模型信息作为有限元计算的输入条件，利用有限元方法对水工结构的应力应变进行仿真计算，并对水工结构所有运行工况条件下的安全状态进行计算分析，得到水工结构应力应变计算结果；
将水工结构安全状态与所述水工结构应力应变计算结果进行比较，对水工结构安全状态进行预测。
可选的，还包括：
将水工结构应力应变计算结果和所在的水工结构计算网络剖分模型中的有限元网格编号建立一一对应关系，在数字孪生体三维模型的相应位置上，按数值从小到大以从蓝到红的渐变色加以展示，对超出安全阈值的位置进行预警。
再一方面本发明还提供了一种抽蓄电站水工结构安全监测系统，包括：
更新模块，用于利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型；
仿真模块，用于利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，
状态确定模块，用于将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态；
其中，更新模块中的数字孪生体模型是通过模型构建模块基于水工结构空间位置设计数据和感知手段建立的数字孪生场景，并将预先构建的水工结构三维模型嵌入抽水蓄能电站数字孪生场景中构建的；
水工结构三维模型是基于三维设计数据、二维图纸信息以及抽水蓄能电站水工结构及周围岩土体的属性信息建立的。
可选的，所述模型构建模块包括：
数据采集子模块，用于采集目标抽水蓄能电站的卫星遥感数据、无人机倾斜摄影获取的无人机遥感数据、DEM地形数据；
场景构建子模块，用于基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景；
三维模型构建子模块，用于根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型；
孪生模块构建子模块，用于根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型。
可选的，所述场景构建子模块具体用于：
基于卫星遥感数据和无人机遥测数据获取目标抽水蓄能电站周边的影像信息、经纬度信息及高程信息；
利用三维建模技术对影像信息进行规范化素材剪切及分块映射，获取可应用于虚幻引擎的贴图素材；
根据DEM地形数据，利用地形系统，还原地形高低起伏，比照影像信息，进行对应裁切，利用虚幻引擎将贴图素材与对应地形切块进行贴合；
对照影像信息、经纬度信息和高程信息，制作河流流域多边面模型，使用UV展开制作河水流向信息，建设河道水体；
基于无人机遥感数据，通过像控测量、空三加密、模型生成、模型修复及编辑，输出抽蓄电站三维模型；
对抽蓄电站三维模型进行单体化及精修，构建电站三维模型；
基于统一空间坐标，将电站三维模型与地形、河道水体场景底板进行融合，建设抽水蓄能电站数字孪生场景。
可选的，所述三维模型构建子模块，具体用于：
1)选择WGS1984坐标系，确定坝顶高程为水准面高程，根据电站总体布置图、水利工程图、水文地质参数，利用3d MAX构建水工结构几何模型；
2)根据结构设计数据，给予不同构筑物不同的物理属性；
3)对水工结构几何模型进行有序的三角网格划分，得到网格数据；
4)根据水工结构中不同构筑物的物理属性，结合真实材质状态，基于虚幻引擎场景编辑系统，构建不同材质球，对水工结构几何模型不同的材质球进行渲染；
5)由所述网格数据和渲染后的水工结构几何模型构建水工结构的三维模型。
可选的，所述三维模型构建子模块，具体用于：
运用轻量化工具对BIM模型进行轻量化处置，将BIM模型进行数据分离；
通过对几何数据进行参数化处理及压缩存储进行轻量化存储；
通过降低纹理、减面形式，对BIM模型进行轻量化渲染；
构建通用层级建设规则；
基于所述通用层级建设规则和统一数据空间坐标，将轻量化渲染后的BIM模型完整套合于对应地块上，进行BIM模型与地形整合建立水工结构的三维模型。
优选的，所述孪生模块构建子模块具体用于：
1)对物理实体的空间信息、时间信息、属性信息、构成成分和实体关系进行描述建立水工结构统一语义描述模型；
2)按照设定的映射规则，将不同方式描述的数据源转换为统一信息描述模型，构建水工结构数字孪生体信息模型；
3)利用以虚幻引擎为支撑的高保真渲染技术，通过物理仿真、光照系统后处理三维可视化接口进行水工结构三维模型高保真呈现；
4)基于统一数据空间坐标，将高保真呈现的水工结构三维模型与抽水蓄能电站数字孪生场景底板进行套合，构建水工结构安全监测数字孪生体；
5)基于水工安全物联感知监测数据，利用不规则网格面与体的构建方法，进行安全分析结果数据的栅格化处理和大变形平面与体的动态构建，并采用动态高渲染技术进行安全仿真结果的动态孪生呈现；
6)基于所述水工结构统一语义描述模型、水工结构数字孪生体信息模型、水工结构安全监测数字孪生体和动态孪生呈现的安全仿真结果建立水工结构的数字孪生模型。
可选的，所述更新模块，具体用于：
采集卫星遥感数据、无人机遥测数据和地面传感器数据；
将卫星遥感数据、无人机遥测数据和地面传感器数据进行融合，构建环境数据集；
对环境数据集中的数据进行质量控制和异常值检测，剔除不准确或异常的数据，得到新数据；
将所述新数据与预先构建的数字孪生模型进行融合，并更新预先构建的数字孪生模型的几何和属性信息；
利用数据关联和校正技术，将观测数据与模型预测结果进行对比和调整；
根据更新后的数据，重新建立或调整预先构建的数字孪生模型的几何结构和属性特征。
优选的，所述仿真模块具体用于：
将更新后的数字孪生模型应用于实际场景中执行任务，实时监测信息；
基于水工结构三维模型和实时监测信息对水工结构三维模型进行有限元网格剖分，生成水工结构计算网格剖分模型；
将水工结构周围岩土体的属性信息作为有限元计算的边界条件，将实时监测的水工结构计算网格剖分模型信息作为有限元计算的输入条件，利用有限元方法对水工结构的应力应变进行仿真计算，并对水工结构所有运行工况条件下的安全状态进行计算分析，得到水工结构应力应变计算结果；
将水工结构安全状态与所述水工结构应力应变计算结果进行比较，对水工结构安全状态进行预测。
优选的，所述方法还包括：
将水工结构应力应变计算结果和所在的水工结构计算网络剖分模型中的有限元网格编号建立一一对应关系，在数字孪生体三维模型的相应位置上，按数值从小到大以从蓝到红的渐变色加以展示，对超出安全阈值的位置进行预警。
再一方面，本申请还提供了一种计算设备，包括：一个或多个处理器；
处理器，用于执行一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如上述所述的一种抽蓄电站水工结构安全监测方法。
再一方面，本申请还提供了一种计算机可读存储介质，其上存有计算机程序，所述计算机程序被执行时，实现如上述所述的一种抽蓄电站水工结构安全监测方法。
与现有技术相比，本发明的有益效果为：
本发明提供了一种抽蓄电站水工结构安全监测方法，包括利用卫星遥感与无人机遥测及地面传感器数据，更新预先构建的数字孪生体模型；基于所述卫星遥感、无人机遥测及地面传感器数据、水工结构周围岩土体的属性信息结合预先构建的水工结构三维模型利用有限元方法对水工结构的应力应变和安全状态进行仿真计算；将水工结构实际建设运行信息带入预先训练好的BP神经网络模型中得到水工结构的安全状态预测结果，基于所述安全状态预测结果与安全状态仿真计算结果确定预警信息；将应力应变仿真计算结果和预警信息在更新后的数字孪生体三维模型上展示。本发明采用卫星遥感、无人机遥测和地面传感器数据结合的方式，采用多种感知手段实现全面监控和实时预警，并且本发明采用水工结构三维模型利用有限元方法对水工结构的应力应变和安全状态进行仿真计算，对数据进行了深度的分析，同时还结合数字孪生体模型进行展示，对未来的风险变化趋势做出准确的预测和及时有效的反应。
附图说明
图1为本发明的一种抽蓄电站水工结构安全监测方法流程图；
图2为本发明的抽水蓄能电站水工结构安全预测的BP神经网络结构示意图。
具体实施方式
当前，数字孪生得到了国内外学者及产业界的广泛关注，通过充分利用物理模型、传感器、运行历史等数据，集成多学科、多物理量、多尺度的仿真过程，在虚拟空间中完成真实物体状态的映射，从而反映相对应的实体装备的全生命周期过程。近年来，得益于物联网、大数据、云计算、人工智能等新一代信息技术的发展，数字孪生的实施已逐渐成为可能。现阶段，除了航空航天领域，数字孪生还被应用于电力、船舶、城市管理、农业、建筑、制造、石油天然气、健康医疗、环境保护等行业，各种基于数字化模型进行的各类仿真、分析、数据积累、挖掘，甚至人工智能的应用，都能确保它与现实物理系统的适用性，基于数字孪生的产品质量分析与追溯、故障预测与健康管理等数字孪生技术得到了广泛的应用。
为此本发明提出一种抽蓄电站水工结构安全监测方法，利用抽蓄电站多源监测数据和三维建模技术以及水工结构有限元仿真分析技术，建立大坝、库盆、地下洞室等水工结构的数字孪生模型，基于各类实时监测数据，以多源数据融合技术、IoT物联感知技术、三维可视化技术以及大数据分析技术为基础，动态仿真和预测水工结构安全状态变化，实现数字孪生抽水蓄能电站空间数据管理、空间分析、三维模拟仿真展示，辅助抽水蓄能电站建设施工期管理与决策制定，为及时评估安全隐患的风险等级、对可能出现的突发工况进行预先模拟，为采取有效防范措施提供依据，提升抽蓄电站水工结构安全监测的数字化、智能化水平，增强抽蓄电站安全监测数据的分析挖掘能力，提高抽蓄电站现场建设安全管控水平。
实施例1：
一种抽蓄电站水工结构安全监测方法，如图1所示，包括：
步骤1：利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型；
步骤2：利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，
步骤3：将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态；
其中，数字孪生体模型的构建是基于水工结构空间位置设计数据和感知手段建立的数字孪生场景，并将预先构建的水工结构三维模型嵌入抽水蓄能电站数字孪生场景中建立的；
水工结构三维模型是基于三维设计数据、二维图纸信息以及抽水蓄能电站水工结构及周围岩土体的属性信息建立的。
本发明提出一种抽蓄电站水工结构安全监测方法与系统，利用抽蓄电站多源监测数据和三维建模技术，建立大坝、库盆、地下洞室等水工结构的数字孪生模型，利用卫星遥感与无人机遥测及地面传感器更新数字孪生体的计算模型，利用水工结构有限元仿真技术进行数字孪生体安全状态的实时计算分析和预测，并将计算结果同步到BIM模型上进行展示，提升抽蓄电站水工结构安全监测的数字化、智能化水平，增强抽蓄电站安全监测数据的分析挖掘能力，提高抽蓄电站现场建设安全管控水平。
本发明提出的一种抽蓄电站水工结构安全监测方法中涉及数字孪生模型，下面对数字孪生模型的构建过程具体包括以下步骤：
采集目标抽水蓄能电站的卫星遥感数据、无人机倾斜摄影获取的无人机遥感数据、DEM地形数据；
基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景；
根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型；
根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型。
具体的内容如下：
信息采集。采集目标抽水蓄能电站的卫星遥感、无人机倾斜摄影、DEM地形数据，按下述方法建立抽水蓄能电站数字孪生系统的基础场景。
1)基于卫星遥感数据及无人机遥测数据获取目标抽水蓄能电站周边较大范围影像信息、经纬度信息及高程信息。利用专业建模软件对影像信息进行规范化素材剪切及分块映射，获取可应用于虚幻引擎的贴图素材。
2)根据DEM，利用地形系统，还原地形高低起伏，比照影像，进行对应裁切，利用虚幻引擎将影像与对应地形切块进行贴合。
3)对照影像和高程信息，制作河流流域多边面模型，使用UV展开制作河水流向信息，完成河道水体建设。
4)基于无人机航空飞行，获取倾斜摄影数据，通过像控测量、空三加密、模型生成、模型修复及编辑，输出抽蓄电站三维模型，对倾斜摄影三维模型进行单体化及精修，完成电站三维模型构建。
5)基于统一空间坐标，将三维模型与地形、水体等场景底板进行融合，完成抽水蓄能电站数字孪生场景建设。
构建三维模型。根据BIM三维设计数据、二维图纸等信息，建立大坝、库盆、地下洞室等水工结构的三维模型，采集抽水蓄能电站水工结构及周围岩土体的结构尺寸信息、物理力学特性参数等结构属性信息，确定各水工结构建设支行中各种工况条件，确定不同水工结构安全监测的预警阈值。
其中一种方式是按下述方法完成水工结构的三维模型构建：
1)选择WGS1984坐标系，确定坝顶高程为水准面高程，根据电站总体布置图、水利工程图、水文地质参数等，利用3d MAX构建水工结构几何模型。
2)根据结构设计数据，给予不同构筑物不同的物理属性,如坝体使用土结构,钢结构使用钢材料等。
3)对模型进行有序的三角网格划分，为有限元分析提供数据基础。
4)根据水工结构中不同构筑物的物理属性，结合真实材质状态，基于虚幻引擎场景编辑系统，构建不同材质球，对模型不同的材质效果进行渲染。
另一种方式：利用已有BIM数据按下述方法构建三维模型：
1)运用轻量化工具对BIM模型进行轻量化处置，将BIM模型进行数据分离，通过对几何数据进行参数化处理及压缩存储，实现轻量化存储；通过降低纹理、减面等形式，对BIM模型进行渲染优化，实现轻量化渲染。
2)基于统一数据空间坐标，将对象模型完整套合于对应地块上，实现BIM模型与地形整合。
3)构建电站专业模型HLOD层级建设规则，提出分级分层缓存策略，提升BIM模型在三维场景中快速加载、渲染展示效率。
搭建数字孪生体。根据水工结构空间位置设计数据，按下述方法将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构安全监测数字孪生体。
1)建立水工结构统一语义描述模型，依托统一语义描述模型对物理实体的空间信息、时间信息、属性信息、构成成分和实体关系进行描述，实现数字空间对物理空间的表达。
2)按照一定的映射规则，将不同方式描述的数据源(三维模型语义属性的JSON文件、物联网数据、存量系统数据、业务管理数据等)转换为统一信息描述模型，构建水工结构数字孪生体信息模型。
3)利用以虚幻引擎为支撑的高保真渲染技术，通过物理仿真、光照系统等后处理三维可视化接口，实现水工结构三维模型高保真呈现。
4)基于统一数据空间坐标，将水工三维结构三维模型与抽水蓄能电站数字孪生场景底板进行套合，实现水工结构与周边地形、地貌的融合，完成水工结构安全监测数字孪生提的构建及可视化呈现。
5)引入水工结构计算网络剖分模型，结合水工安全物联感知监测数据，利用不规则网格面与体的构建方法，实现安全分析结果数据的栅格化处理和大变形平面与体的动态构建，基于动态高渲染技术，实现安全仿真结果的动态孪生呈现，支撑水工结构安全预报、预警、预演。
通过以上步骤可构建数字孪生模型。
步骤1中利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型，具体包括：
采集监测信息。采集现场安装的各类传感器的型号、位置信息，获取各传感器实时监测数据。
数字孪生体模型动态更新。利用卫星遥感与无人机遥测及地面传感器数据，按下述方法动态更新数字孪生体模型。
1)数据采集与预处理：
a.卫星遥感数据采集：使用卫星传感器获取地表覆盖、气象数据等。可以利用卫星图像分析技术，如图像分类、目标检测等，提取感兴趣的地物特征。
b.无人机遥测数据采集：使用无人机搭载的传感器获取更高分辨率的地面数据，如高清图像、激光雷达数据等。
c.地面传感器数据采集：部署地面传感器网络，如气象站、土壤湿度传感器等，获取实时的环境参数和对象特征数据。
2)数据融合与配准：
a.将卫星遥感数据、无人机遥测数据和地面传感器数据进行融合，构建一个综合的环境数据集。需要确保数据的时空一致性，进行几何和影像配准，使各种数据在同一坐标系统下对齐。
b.对融合后的数据进行质量控制和异常值检测，剔除不准确或异常的数据。
3)数字孪生体模型更新：
a.模型更新：将采集到的新数据与初始三维模型进行融合，并更新模型的几何和属性信息。利用数据关联和校正技术，将观测数据与模型预测结果进行对比和调整，以提高模型的准确性和真实性。
b.模型重建与优化：根据更新后的数据，重新建立或调整三维模型的几何结构和属性特征。可以使用计算机视觉、图像处理和机器学习等技术，对模型进行重建和优化，使其更好地反映实际环境。
步骤2中的利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，具体步骤如下：
4)模型应用与定期更新：
a.将更新后的数字孪生模型应用于实际场景，进行环境预测和对象行为模拟等任务。
b.定期更新模型：随着新的遥感数据、遥测数据和地面传感器数据的不断积累，可以周期性地重复以上步骤，利用新数据更新数字孪生模型，使其保持与实际环境的一致性，并提高模型的预测能力。
步骤3中将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态，具体实现过程如下：
有限元仿真分析。基于水工结构三维模型和实时监测信息，对所述水工结构三维模型进行有限元网格剖分，完成水工结构计算网格剖分模型，将水工结构周围岩土体的属性信息做为有限元计算的边界条件，将实时监测信息做为有限元计算的输入条件，利用有限元方法对水工结构的应力应变进行仿真计算，并对水工结构所有运行工况条件下的安全状态进行计算分析。
预测预警结果输出。将水工结构应力应变计算结果和所在的水工结构计算网络剖分模型中的有限元网格编号建立一一对应关系，在数字孪生体三维模型的相应位置上，按数值从小到大以从蓝到红的渐变色加以展示，对超出安全阈值的位置进行预警。
安全状态预测。采用BP神经网络算法对大坝、库盆等水工结构安全状态与实际计算结果进行比较，对其安全状态进行预测，水工结构安全状态预测的BP神经网络按以下步骤建立：
确定神经网络的结构。本发明提出的BP神经网络模型包括1个输入层，1个隐含层和1个输出层，如图2所示。
本发明提供的基于BP神经网络的抽水蓄能电站水工结构安全预测方法所用计算参数包括总填筑高度X1、分层填筑高度X2、填筑密实度X3、填筑岩土体材料密度X4、材料弹性模量X5、沉降变形量X6。
确定输入层节点数量。本发明提出的输入层节点数量包括前述6个参数，收集实际工程数据作为BP神经网络训练学习和检验样本。
确定输出层节点数。本发明以沉降变形量为预测指标，输出层节点的数量为1个。
确定隐含层数量。本发明使用内建1-3层隐含层的网络进行水工结构安全预测。
确定隐含层神经元数目。按公式(1)计算初始神经元个数：
式中，n为输入层节点数量，本发明中输入层节点数量为6；m为输出层数量，本发明输出层数量为1；a为计算常数，选取1-10；n1为隐含层神经元数量，取值范围是3-12。
确定各层间的传递函数。本发明提出隐含层传递函数采用公式(2)所示的正切函数tansig，输出层传递函数是公式(3)所示的purelin函数。
式中，f为隐含层神经元参数；x为输入层输入参数；e为欧拉常数。
y＝f (3)
式中，y为输出层输出参数；f为隐含层神经元参数。
4.4.8确定训练函数。训练函数通过计算样本误差不断的去调整全局调整权值和阈值，本发明提出的训练函数采用公式(4)所示的的Levenberg-Marquardt算法：
wk+1＝wk+Δw (4)
Δw＝[JT(ω)J(ω)+μI]-1JT(ω)e(ω) (5)
式中，wk为第k次迭代的权值和阈值组成的向量；wk+1为第k+1次迭代的权值与阈值组成的向量；Δw为权值与阈值组成的向量w的增量；J(ω)，JT(ω)为雅可比矩阵及其转置矩阵；e(ω)为误差项；μ为学习率；I为单位矩阵。
BP神经网络训练。按上述方法利用训练样本集对BP神经网络进行训练学习，利用测试集的测试数据评估BP神经网络模型性能的优劣，通过计算皮尔逊相关系数R2、均方根误差RMSE以及平均绝对百分比误差MAPE来评估障水工结构安全预测模型的拟合程度，调整BP神经网络计算参数的权重与阈值。
确定BP神经网络最优计算参数。按上述训练和检验方法，当皮尔逊相关系数R2大于0.92、均方根误差RMSE小于5.0、平均绝对百分比误差MAPE小于5％则达到目标，认为BP神经网络模型达到最优。
水工结构安全预测预警。根据现场水工结构实际建设运行信息，采用按上述过程优选出的BP神经网络模型及其参数，将实际工程相关初始信息代入至模型中进行计算，得到水工结构安全状态预测结果，并与实际采集的水工结构安全状态参量进行比较，当实际数据与预测结果的误差大于等于20％时发出预警，要对水工结构建设运行情况采取合理措施。
本发明提出一种基于数字孪生技术的抽蓄电站水工结构安全监测方法与系统，具体包括采集基础信息、构建三维模型、搭建数字孪生体、采集监测信息、有限元仿真分析、预测预警结果输出、安全状态预测等流程。利用抽蓄电站多源监测数据和三维建模技术，对水工结构数字孪生体安全状态进行实时计算分析，并基于集群式抽水蓄能电站数据开展水工结构安全状态的BP神经网络预测，可以提升抽蓄电站水工结构安全监测的数字化、智能化水平，增强抽蓄电站安全监测数据的分析挖掘能力，提高抽蓄电站现场建设安全管控水平。
本发明提出的信息采集方法包括卫星遥感、无人机倾斜摄影、DEM地形数据。
本发明提出的基于BP神经网络的抽水蓄能电站水工结构安全预测方法所用计算参数包括总填筑高度X1、分层填筑高度X2、填筑密实度X3、填筑岩土体材料密度X4、材料弹性模量X5、沉降变形量X6。
本发明提出的水工结构安全状态预测BP神经网络模型包括1个输入层，1个隐含层和1个输出层，隐含层传递函数采用正切函数tansig，输出层传递函数是purelin函数。
本发明提出的水工结构安全状态预测BP神经网络模型评价方法是当皮尔逊相关系数R2大于0.92、均方根误差RMSE小于5.0、平均绝对百分比误差MAPE小于5％则达到目标，认为BP神经网络模型达到最优。
本发明提出的水工结构安全预测预警方法是根据现场水工结构实际建设运行信息，采用优选出的BP神经网络模型及其参数，将实际工程相关初始信息代入至模型中进行计算，得到水工结构安全状态预测结果，并与实际采集的水工结构安全状态参量进行比较，当实际数据与预测结果的误差大于等于20％时发出预警。
实施例2：
基于同一发明构思的本发明还提供了一种基于数字孪生技术的抽蓄电站水工结构安全监测系统，包括：
更新模块，用于利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型；
仿真模块，用于利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，
状态确定模块，用于将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态；
其中，更新模块中的数字孪生体模型是通过模型构建模块基于水工结构空间位置设计数据和感知手段建立的数字孪生场景，并将预先构建的水工结构三维模型嵌入抽水蓄能电站数字孪生场景中构建的；
水工结构三维模型是基于三维设计数据、二维图纸信息以及抽水蓄能电站水工结构及周围岩土体的属性信息建立的。
可选的，所述模型构建模块包括：
数据采集子模块，用于采集目标抽水蓄能电站的卫星遥感数据、无人机倾斜摄影获取的无人机遥感数据、DEM地形数据；
场景构建子模块，用于基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景；
三维模型构建子模块，用于根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型；
孪生模块构建子模块，用于根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型。
可选的，所述场景构建子模块具体用于：
基于卫星遥感数据和无人机遥测数据获取目标抽水蓄能电站周边的影像信息、经纬度信息及高程信息；
利用三维建模技术对影像信息进行规范化素材剪切及分块映射，获取可应用于虚幻引擎的贴图素材；
根据DEM地形数据，利用地形系统，还原地形高低起伏，比照影像信息，进行对应裁切，利用虚幻引擎将贴图素材与对应地形切块进行贴合；
对照影像信息、经纬度信息和高程信息，制作河流流域多边面模型，使用UV展开制作河水流向信息，建设河道水体；
基于无人机遥感数据，通过像控测量、空三加密、模型生成、模型修复及编辑，输出抽蓄电站三维模型；
对抽蓄电站三维模型进行单体化及精修，构建电站三维模型；
基于统一空间坐标，将电站三维模型与地形、河道水体场景底板进行融合，建设抽水蓄能电站数字孪生场景。
可选的，所述三维模型构建子模块，具体用于：
1)选择WGS1984坐标系，确定坝顶高程为水准面高程，根据电站总体布置图、水利工程图、水文地质参数，利用3d MAX构建水工结构几何模型；
2)根据结构设计数据，给予不同构筑物不同的物理属性；
3)对水工结构几何模型进行有序的三角网格划分，得到网格数据；
4)根据水工结构中不同构筑物的物理属性，结合真实材质状态，基于虚幻引擎场景编辑系统，构建不同材质球，对水工结构几何模型不同的材质球进行渲染；
5)由所述网格数据和渲染后的水工结构几何模型构建水工结构的三维模型。
可选的，所述三维模型构建子模块，具体用于：
运用轻量化工具对BIM模型进行轻量化处置，将BIM模型进行数据分离；
通过对几何数据进行参数化处理及压缩存储进行轻量化存储；
通过降低纹理、减面形式，对BIM模型进行轻量化渲染；
构建通用层级建设规则；
基于所述通用层级建设规则和统一数据空间坐标，将轻量化渲染后的BIM模型完整套合于对应地块上，进行BIM模型与地形整合建立水工结构的三维模型。
优选的，所述孪生模块构建子模块具体用于：
1)对物理实体的空间信息、时间信息、属性信息、构成成分和实体关系进行描述建立水工结构统一语义描述模型；
2)按照设定的映射规则，将不同方式描述的数据源转换为统一信息描述模型，构建水工结构数字孪生体信息模型；
3)利用以虚幻引擎为支撑的高保真渲染技术，通过物理仿真、光照系统后处理三维可视化接口进行水工结构三维模型高保真呈现；
4)基于统一数据空间坐标，将高保真呈现的水工结构三维模型与抽水蓄能电站数字孪生场景底板进行套合，构建水工结构安全监测数字孪生体；
5)基于水工安全物联感知监测数据，利用不规则网格面与体的构建方法，进行安全分析结果数据的栅格化处理和大变形平面与体的动态构建，并采用动态高渲染技术进行安全仿真结果的动态孪生呈现；
6)基于所述水工结构统一语义描述模型、水工结构数字孪生体信息模型、水工结构安全监测数字孪生体和动态孪生呈现的安全仿真结果建立水工结构的数字孪生模型。
可选的，所述更新模块，具体用于：
采集卫星遥感数据、无人机遥测数据和地面传感器数据；
将卫星遥感数据、无人机遥测数据和地面传感器数据进行融合，构建环境数据集；
对环境数据集中的数据进行质量控制和异常值检测，剔除不准确或异常的数据，得到新数据；
将所述新数据与预先构建的数字孪生模型进行融合，并更新预先构建的数字孪生模型的几何和属性信息；
利用数据关联和校正技术，将观测数据与模型预测结果进行对比和调整；
根据更新后的数据，重新建立或调整预先构建的数字孪生模型的几何结构和属性特征。
优选的，所述仿真模块具体用于：
将更新后的数字孪生模型应用于实际场景中执行任务，实时监测信息；
基于水工结构三维模型和实时监测信息对水工结构三维模型进行有限元网格剖分，生成水工结构计算网格剖分模型；
将水工结构周围岩土体的属性信息作为有限元计算的边界条件，将实时监测的水工结构计算网格剖分模型信息作为有限元计算的输入条件，利用有限元方法对水工结构的应力应变进行仿真计算，并对水工结构所有运行工况条件下的安全状态进行计算分析，得到水工结构应力应变计算结果；
将水工结构安全状态与所述水工结构应力应变计算结果进行比较，对水工结构安全状态进行预测。
优选的，所述系统还包括预计模块，用于：
将水工结构应力应变计算结果和所在的水工结构计算网络剖分模型中的有限元网格编号建立一一对应关系，在数字孪生体三维模型的相应位置上，按数值从小到大以从蓝到红的渐变色加以展示，对超出安全阈值的位置进行预警。
实施例3：
基于同一种发明构思，本发明还提供了一种计算机设备，该计算机设备包括处理器以及存储器，所述存储器用于存储计算机程序，所述计算机程序包括程序指令，所述处理器用于执行所述计算机存储介质存储的程序指令。处理器可能是中央处理单元(CentralProcessing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital SignalProcessor、DSP)、专用集成电路(Application SpecificIntegrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable GateArray，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等，其是终端的计算核心以及控制核心，其适于实现一条或一条以上指令，具体适于加载并执行计算机存储介质内一条或一条以上指令从而实现相应方法流程或相应功能，以实现上述实施例中一种抽蓄电站水工结构安全监测方法的步骤。
实施例4：
基于同一种发明构思，本发明还提供了一种存储介质，具体为计算机可读存储介质(Memory)，所述计算机可读存储介质是计算机设备中的记忆设备，用于存放程序和数据。可以理解的是，此处的计算机可读存储介质既可以包括计算机设备中的内置存储介质，当然也可以包括计算机设备所支持的扩展存储介质。计算机可读存储介质提供存储空间，该存储空间存储了终端的操作系统。并且，在该存储空间中还存放了适于被处理器加载并执行的一条或一条以上的指令，这些指令可以是一个或一个以上的计算机程序(包括程序代码)。需要说明的是，此处的计算机可读存储介质可以是高速RAM存储器，也可以是非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。可由处理器加载并执行计算机可读存储介质中存放的一条或一条以上指令，以实现上述实施例中一种抽蓄电站水工结构安全监测方法的步骤。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上仅为本发明的实施例而已，并不用于限制本发明，凡在本发明的精神和原则之内，所做的任何修改、等同替换、改进等，均包含在发明待批的本发明的权利要求范围之内。
Claims (13)
1.一种抽蓄电站水工结构安全监测方法，其特征在于，包括：
利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型；
利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，
将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态；
其中，数字孪生体模型是基于水工结构空间位置设计数据和感知手段建立的数字孪生场景，并将预先构建的水工结构三维模型嵌入抽水蓄能电站数字孪生场景中建立的；
水工结构三维模型是基于三维设计数据、二维图纸信息以及抽水蓄能电站水工结构及周围岩土体的属性信息建立的。
2.如权利要求1所述的方法，其特征在于，所述数字孪生模型的构建，包括：
采集目标抽水蓄能电站的卫星遥感数据、无人机遥感数据、DEM地形数据；
基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景；
根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型；
根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型。
3.如权利要求2所述的方法，其特征在于，所述基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景，包括：
基于卫星遥感数据和无人机遥测数据获取目标抽水蓄能电站周边的影像信息、经纬度信息及高程信息；
利用三维建模技术对影像信息进行规范化素材剪切及分块映射，获取可应用于虚幻引擎的贴图素材；
根据DEM地形数据，利用地形系统，还原地形高低起伏，比照影像信息，进行对应裁切，利用虚幻引擎将贴图素材与对应地形切块进行贴合；
对照影像信息、经纬度信息和高程信息，制作河流流域多边面模型，使用UV展开制作河水流向信息，建设河道水体；
基于无人机遥感数据，通过像控测量、空三加密、模型生成、模型修复及编辑，输出抽蓄电站三维模型；
对抽蓄电站三维模型进行单体化及精修，构建电站三维模型；
基于统一空间坐标，将电站三维模型与地形、河道水体场景底板进行融合，建设抽水蓄能电站数字孪生场景。
4.如权利要求2所述的方法，其特征在于，所述根据BIM三维设计数据、二维图纸信息，建立水工结构的三维模型，包括：
1)选择WGS1984坐标系，确定坝顶高程为水准面高程，根据电站总体布置图、水利工程图、水文地质参数，利用3d MAX构建水工结构几何模型；
2)根据结构设计数据，给予不同构筑物不同的物理属性；
3)对水工结构几何模型进行有序的三角网格划分，得到网格数据；
4)根据水工结构中不同构筑物的物理属性，结合真实材质状态，基于虚幻引擎场景编辑系统，构建不同材质球，对水工结构几何模型不同的材质球进行渲染；
5)由所述网格数据和渲染后的水工结构几何模型构建水工结构的三维模型。
5.如权利要求2所述的方法，其特征在于，所述根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型，包括：
运用轻量化工具对BIM模型进行轻量化处置，将BIM模型进行数据分离；
通过对几何数据进行参数化处理及压缩存储进行轻量化存储；
通过降低纹理、减面形式，对BIM模型进行轻量化渲染；
构建通用层级建设规则；
基于所述通用层级建设规则和统一数据空间坐标，将轻量化渲染后的BIM模型完整套合于对应地块上，进行BIM模型与地形整合建立水工结构的三维模型。
6.如权利要求2所述的方法，其特征在于，所述根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型，包括：
对物理实体的空间信息、时间信息、属性信息、构成成分和实体关系进行描述建立水工结构统一语义描述模型；
按照设定的映射规则，将不同方式描述的数据源转换为统一信息描述模型，构建水工结构数字孪生体信息模型；
利用以虚幻引擎为支撑的高保真渲染技术，通过物理仿真、光照系统后处理三维可视化接口进行水工结构三维模型高保真呈现；
基于统一数据空间坐标，将高保真呈现的水工结构三维模型与抽水蓄能电站数字孪生场景底板进行套合，构建水工结构安全监测数字孪生体；
基于水工安全物联感知监测数据，利用不规则网格面与体的构建方法，进行安全分析结果数据的栅格化处理和大变形平面与体的动态构建，并采用动态高渲染技术进行安全仿真结果的动态孪生呈现；
基于所述水工结构统一语义描述模型、水工结构数字孪生体信息模型、水工结构安全监测数字孪生体和动态孪生呈现的安全仿真结果建立水工结构的数字孪生模型。
7.如权利要求1所述的方法，其特征在于，所述利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型，包括：
采集卫星遥感数据、无人机遥测数据和地面传感器数据；
将卫星遥感数据、无人机遥测数据和地面传感器数据进行融合，构建环境数据集；
对环境数据集中的数据进行质量控制和异常值检测，剔除不准确或异常的数据，得到新数据；
将所述新数据与预先构建的数字孪生模型进行融合，并更新预先构建的数字孪生模型的几何和属性信息；
利用数据关联和校正技术，将观测数据与模型预测结果进行对比和调整；
根据更新后的数据，重新建立或调整预先构建的数字孪生模型的几何结构和属性特征。
8.如权利要求1所述的方法，其特征在于，所述利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，包括：
将更新后的数字孪生模型应用于实际场景中执行任务，实时监测信息；
基于水工结构三维模型和实时监测信息对水工结构三维模型进行有限元网格剖分，生成水工结构计算网格剖分模型；
将水工结构周围岩土体的属性信息作为有限元计算的边界条件，将实时监测的水工结构计算网格剖分模型信息作为有限元计算的输入条件，利用有限元方法对水工结构的应力应变进行仿真计算，并对水工结构所有运行工况条件下的安全状态进行计算分析，得到水工结构应力应变计算结果；
将水工结构安全状态与所述水工结构应力应变计算结果进行比较，对水工结构安全状态进行预测。
9.如权利要求8所述的方法，其特征在于，还包括：
将水工结构应力应变计算结果和所在的水工结构计算网络剖分模型中的有限元网格编号建立一一对应关系，在数字孪生体三维模型的相应位置上，按数值从小到大以从蓝到红的渐变色加以展示，对超出安全阈值的位置进行预警。
10.一种抽蓄电站水工结构安全监测系统，其特征在于，包括：
更新模块，用于利用实时的多源监测数据更新预先构建的数字孪生模型，得到更新后的数字孪生模型；
仿真模块，用于利用水工结构有限元仿真技术将更新后的数字孪生模型应用于实际场景进行仿真，得到数字孪生体安全状态和应力应变仿真结果，
状态确定模块，用于将应力应变仿真结果与所述数字孪生体安全状态进行比较，得到水工结构安全状态；
其中，更新模块中的数字孪生体模型是通过模型构建模块基于水工结构空间位置设计数据和感知手段建立的数字孪生场景，并将预先构建的水工结构三维模型嵌入抽水蓄能电站数字孪生场景中构建的；
水工结构三维模型是基于三维设计数据、二维图纸信息以及抽水蓄能电站水工结构及周围岩土体的属性信息建立的。
11.如权利要求10所述的系统，其特征在于，所述模型构建模块具体用于：
采集目标抽水蓄能电站的卫星遥感数据、无人机倾斜摄影获取的无人机遥感数据、DEM地形数据；
基于所述卫星遥感数据、无人机遥感数据和DEM地形数据构建抽水蓄能电站数字孪生场景；
根据BIM三维设计数据和二维图纸信息建立水工结构的三维模型；
根据水工结构空间位置设计数据将水工结构三维模型嵌入抽水蓄能电站数字孪生场景中，建立水工结构的数字孪生模型。
12.一种计算机设备，其特征在于，包括：一个或多个处理器；
所述处理器，用于存储一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行时，实现如权利要求1至9中任一项所述的一种抽蓄电站水工结构安全监测方法。
13.一种计算机可读存储介质，其特征在于，其上存有计算机程序，所述计算机程序被执行时，实现如权利要求1至9中任一项所述的一种抽蓄电站水工结构安全监测方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311244399.3A CN117217058A (zh) | 2023-09-25 | 2023-09-25 | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311244399.3A CN117217058A (zh) | 2023-09-25 | 2023-09-25 | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN117217058A true CN117217058A (zh) | 2023-12-12 |
Family
ID=89050837
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311244399.3A Pending CN117217058A (zh) | 2023-09-25 | 2023-09-25 | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117217058A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117387559A (zh) * | 2023-12-12 | 2024-01-12 | 华东交通大学 | 基于数字孪生的混凝土桥监测系统及方法 |
| CN117422205A (zh) * | 2023-12-18 | 2024-01-19 | 天津电力工程监理有限公司 | 基于数字孪生的装配式钢结构变电站建造管理系统和方法 |
| CN117725657A (zh) * | 2024-01-12 | 2024-03-19 | 中建文化旅游发展有限公司 | 河道装配式构件的配置方法、系统及实体预制挡墙 |
-
2023
- 2023-09-25 CN CN202311244399.3A patent/CN117217058A/zh active Pending
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117387559A (zh) * | 2023-12-12 | 2024-01-12 | 华东交通大学 | 基于数字孪生的混凝土桥监测系统及方法 |
| CN117387559B (zh) * | 2023-12-12 | 2024-03-12 | 华东交通大学 | 基于数字孪生的混凝土桥监测系统及方法 |
| CN117422205A (zh) * | 2023-12-18 | 2024-01-19 | 天津电力工程监理有限公司 | 基于数字孪生的装配式钢结构变电站建造管理系统和方法 |
| CN117422205B (zh) * | 2023-12-18 | 2024-04-19 | 天津电力工程监理有限公司 | 基于数字孪生的装配式钢结构变电站建造管理系统和方法 |
| CN117725657A (zh) * | 2024-01-12 | 2024-03-19 | 中建文化旅游发展有限公司 | 河道装配式构件的配置方法、系统及实体预制挡墙 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111191880B (zh) | 一种基于数字化映射的边坡全生命周期安全管理方法 | |
| CN117217058A (zh) | 一种抽蓄电站水工结构安全监测方法、系统、设备及介质 | |
| Hou et al. | Assessing quality of urban underground spaces by coupling 3D geological models: The case study of Foshan city, South China | |
| CN115688227B (zh) | 数字孪生水利工程运行安全监测系统及运行方法 | |
| CN113283802A (zh) | 一种复杂艰险山区滑坡危险性评估方法 | |
| Dodanwala et al. | A Levels of Service (LOS) Digital Twin for Potable Water Infrastructure Systems | |
| Wang et al. | Evaluation of compaction quality based on SVR with CFA: case study on compaction quality of earth-rock dam | |
| CN113610301B (zh) | 一种表征地面沉降时序演变的预测算法 | |
| CN114201798A (zh) | 基于bim+gis技术的长大隧道数字孪生系统及方法 | |
| CN106952000A (zh) | 一种喀斯特区域滑坡灾害风险动态评估方法 | |
| CN116776444A (zh) | 一种基于数字孪生的沉管隧道建造方法及系统 | |
| CN113742827B (zh) | 一种基于有限差分分析的公路边坡监测网络体系构建方法 | |
| CN116882211B (zh) | 一种基于数字孪生的水库水情预报仿真方法和系统 | |
| CN117332494A (zh) | 沉井施工状态实时数字孪生的方法、设备及存储介质 | |
| Gao et al. | 3D visualization monitoring and early warning of surface deformation in subsidence area based on GIS | |
| Wang et al. | Key technologies and future development trends of intelligent earth–rock dam construction | |
| Dandrawy et al. | Integrated watershed management of Grand Ethiopian Renaissance Dam via watershed modeling system and remote sensing | |
| CN115099111B (zh) | 一种基于机器学习和有限元的盾构施工地表沉降预测方法 | |
| CN116402951A (zh) | 基于数字孪生的边坡安全管理方法及系统 | |
| Mason et al. | Comparison of three models for predicting the spatial distribution of soil organic carbon in Boalemo Regency, Sulawesi | |
| CN206627073U (zh) | 基于3d激光扫描的地下工程施工快速监测预测装置 | |
| CN103530526A (zh) | 一种基于神经网络预测吹填土标高的方法 | |
| Morcioni et al. | Landslide susceptibility evaluation in Alpine environment: 1. 3D Finite Element modeling of the Ruinon (IT) case study | |
| Mulligan et al. | Modelling catchment and fluvial processes and their interactions | |
| Terzi | Scenario-based land use estimation: The case of sakarya |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication |