1. 引言
在当今信息化、智能化迅速发展的背景下,水资源的监测与管理显得尤为重要[1]。特别是在大型水电站的运营中,上游水情的精确监测直接影响到水电站的安全运行和调度决策的有效实施。天生桥一级水电站位于南盘江干流下游,该地区拥有众多中小水库,其中上游的凤凰谷水电站对天生桥一级水电站的日常来水预报、洪水预报及常规生产调度和汛期防洪调度产生了显著的影响[2]。凤凰谷水电站的发电和泄洪出水直接流入天生桥一级水电站水库,增加了天生桥一级水电站水文监测的复杂性。
由于天生桥一级水电站上游回水顶托效应的影响,原有稳定的水流流态受到破坏,不稳定的流态使得原有的稳定水位与流量关系丧失,使得传统测流方法难以满足对实时性和准确性的高需求[3],从而对天生桥一级水电站的水文测验、资料整编及水文预报带来了巨大的挑战。在这种情况下,急需引入一种新的水情监测技术,以应对复杂多变的水文环境,并提供更为精准的数据支持,确保水电站的安全高效运行。
近年来,随着视觉测流技术的快速进步,利用摄像头捕获的视频图像分析来实时监测水位和流量已成为一种重要的技术手段。与传统方法相比,它不仅提高了数据采集的效率和精度,还在成本和环境适应性方面展现出优势[4]。2008年,Fujita等人首次将视觉测流技术应用于河流测量,采用梯度张量法(Gradient Tensor Method, GTM)来检测时空图像中的纹理角度大小,进而得到河流的一维时均表面流速,这种方法被命名为时空图像测速法(Spatio-Temporal Image Velocimetry, STIV) [5]。为克服河宽测量的局限性,通过不同拍摄角度及利用地面与水面控制点的整合,使得STIV法测量的河宽从100多米提升至300多米[6]。国内研究者如王慧斌、张振等通过关注时空图像纹理与主谱线方向的关系,进一步发展了基于时空图像频谱的角度识别方法(FFT) [7]。此外,赵浩源等人在国内首次进行了STIV法与转子流速仪的现场比测试验,并对STIV法的敏感性和不确定度进行了系统评估[8]。在此基础上,该研究团队还引入了基于频域的滤波技术,有效消除视频图像中的噪声和干扰纹理,从而进一步提升了时空图像数据的采集质量[9]。虽然视觉测流技术在实验阶段及部分实际工程中已证明了其有效性,但要在天生桥一级水电站这样的大型水电站以及其他复杂水文环境中广泛应用,仍需依赖更多的典型工程试验数据来进一步验证其稳定性和环境适应性。
针对上述问题,本文提出了一种基于视觉测流技术的水情监测系统,并在天生桥一级水电站上游进行实际应用。首先,本研究在视觉测流原理的基础上,设计了一套完善的图像采集与处理流程,以提高系统的准确性和稳定性;其次,实地测试和调整系统,通过算法优化图像数据的解析过程,增强系统对于复杂环境的适应能力,验证其在实际应用中的有效性和可靠性;最后,探索该技术在水电站水情监测中的广泛应用前景。通过这些研究,本文旨在为水电站水情监测提供一种创新的技术方案,构建更为动态和全面的水情分析系统,从而为水电站水库管理提供更科学的决策支持。
2. 测流系统
2.1. 设计原理及思路
该系统水位识别方法的原理是通过分割图像中的水面部分和非水面部分,结合诸如水尺或已知高程标记物的高程信息,寻找对应像素和高程之间的关系,进而反演出水位数据。视觉测流技术的测速方法采用时空图像测速法(STIV),它利用与水流方向平行的检测线集中的亮度变化随着时间变化产生的时空图像(STI),根据时空图像上解析条纹图像的梯度即距离与时间的比值算出表面流速。然后采用流速–面积法进行断面流量计算。
其主要设计思路是通过在天生桥一级水电站缺乏水情信息监测的干流、支流等关键河段部署安装视频水位和视频流量监测装置,并通过有线或无线网络实时传输至中心系统,中心系统运用先进的模型算法对水位和水面流速进行识别,从而精确的计算流量,系统整体架构如图1所示。
图1. 基于武大AiFlow视觉测流技术的水情监测系统架构图
2.2. 系统硬件及软件
系统硬件组成包括遥测站、中心处理站以及远程运维平台。遥测站将自动采集到的水位和流量视频通过通讯信道实时传送至中心站。中心站对接收到的数据进行分析处理,并将其储存于实时数据库中,为水资源管理、电力生产、洪水防控以及数据查询提供支持。此外,中心站还能对遥测站的运行状态进行远程监控和管理。遥测站点包括前端视频图像采集与边缘计算设备、数据存储设备、网络通信系统以及供电和防雷设施。它不仅能够进行岸线和水面视频的采集,而且能在边缘进行水位、流速和流量的计算与存储。数据经由网络系统传送至后端展示服务系统,实现了测量结果的远程实时展示和数据分析服务,极大地提升了水文监测的效率和准确性。
视觉测流软件系统是一款集水位、流速、流量监测数据展示与分析为一体的综合平台。该系统能够接入多个监测剖面,实时在线呈现前端监测站采集和解析的动态水文数据及视频数据,不仅可以观看到即时的水情变化,还能对历史测流数据进行深入的分析处理,从而实现远程自动流量监测的功能。该系统主要包括测站管理、实时测流数据展示、历史数据分析、断面视频监控等核心功能。该系统可同时展示单个或多个断面当前视频及测流结果,并进行断面视频分屏设置及视频切换查看,使我们能够全面掌控水文情况,优化水资源管理和决策。
3. 数据监测
3.1. 视觉测流建站
天生桥一级水电站上游视觉测流站点首先通过卫星地图初步选点,选取较为顺直河段,参考水文站建站标准顺直河段大于三倍河宽。该站点位于云南省曲靖市师宗县033乡道旁,距天生桥一级水电站约100 km,支流汇流口众多,汛期时河道流速大,流态正常。前往现场踏勘,现场两岸开阔无遮挡,波纹明显。对岸岸坡倾斜度较大,便于稍作规整用以图像识别水位。所选点位附近有农户,便于取电取网和设备安装。摄像头视野画面内河道占整个视野的1/2,两岸易摆放标定牌。结合以上因素,此点位较为适合视觉测流建站,如图2所示。
图2. 站点建设现场效果
3.2. 水位监测数据
视频水位于2023年3月6日至2023年10月12日测算水位期间,测得最高水位771.08 m,最低水位765.32 m。该站点通过识别水面与水尺的交界点来计算水位(如图3所示),每5分钟测一次,除去因水位变幅超出监测画面需重新标定时间段,截至目前监测水位220天,测得水位变幅5.76 m。
观察水位视频,选择不同场景下的图片,将水域进行人工分割,通过深度学习训练,构建出该站点专用图像识别模型,水位计算测得的水位变化如图4所示,水位变化趋势自然平滑。其中,水位有规律性的起伏是电站周期性放水发电影响造成的,为合理现象。
图3. 视觉测流站点视频画面
图4. 视觉测流站点水位监测效果
图5. 视觉测流站点起点距–水深流速分布图
3.3. 表面流速监测数据
2023年3月6日至10月12日期间,视觉测流系统全天进行测报,特殊时期可进行加密测报。截至10月12日共进行流量监测2499测次,测得水位范围为765.32~771.07 m,水位变幅为5.75 m。
为验证表面流速的数据效果,取该站点全水位段水位级别数据进行分析。对2023年3月6日至10月12日的视觉测流数据进行观测,为直观体现表面流速数据变化规律,按水位变幅765.6~771.0 m,以0.5或1 m为步长取得一个水位,同水位存在多个测流时刻的数据,按测速线序号计算均值,最终取得7个水位下的表面流速数据。将数据可视化,生成水深及表面流速随起点距变化的分布图,如图5所示,流速与水深分上下两侧镜像绘制,上侧为流速值随起点距变化趋势,下侧为对应水深值,以序列颜色由浅到深代表其水位变化由低到高。可以看出,视觉测流表面流速值的大小与水深具有一定的相关性,基本符合水深越深流速越大的自然规律,大部分水位下的横向流速分布与水深形状变化一致。
4. 数据分析
4.1. 相关关系分析
测流站点在2022年8月16日由走航式ADCP测得5组水位流量数据,详细数据见表1。由表中水位数据可知,水位变幅处于766.99~768.74 m之间,仅占2023年视频测流所测水位范围的30.4%。由于视觉测流系统于2022年8月23日开启监测计算,无法对比同时刻的走航式ADCP数据,故改用同水位下相似流态的测流数据来验证视觉测流的数据效果。
表1. 走航式ADCP监测数据汇总表
开始时间 |
结束时间 |
水位(m) |
流量(m3/s) |
断面面积(m2) |
平均流速(m/s) |
最大流速(m/s) |
2022/8/16 9:34 |
2022/8/16 9:40 |
766.5 |
77.4 |
45.5 |
1.7 |
3.31 |
2022/8/16 9:44 |
2022/8/16 9:51 |
766.84 |
110 |
55.9 |
1.97 |
3.55 |
2022/8/16 9:55 |
2022/8/16 10:02 |
767.42 |
186 |
81 |
2.3 |
3.84 |
2022/8/16 10:07 |
2022/8/16 10:14 |
767.98 |
225 |
98.6 |
2.28 |
3.72 |
2022/8/16 10:17 |
2022/8/16 10:22 |
768.25 |
241 |
107 |
2.25 |
3.42 |
由水位变化过程可知ADCP监测数据是在涨水过程中测得,因此同样选取涨水过程的视觉测流数据进行率定分析。由于测流站点每次涨落水十分迅速,5分钟内的水位变化可达1 m左右的水位变幅,难以保证同一涨水过程中所含测次对应的水位值与比测数据完全相同,故同流态涨水过程中使用视觉测流的水位流量曲线查线值,得到对应测次的比测数据如表2。分析相关换算关系,绘制相关关系图6如下。
表2. 相关关系数据表
开始时间 |
结束时间 |
水位(m) |
比测流量(m3/s) |
虚流量查线值(m3/s) |
2022/8/16 9:34 |
2022/8/16 9:40 |
766.99 |
77.4 |
97.1 |
2022/8/16 9:44 |
2022/8/16 9:51 |
767.33 |
110 |
154.4 |
2022/8/16 9:55 |
2022/8/16 10:02 |
767.91 |
186 |
237.0 |
2022/8/16 10:07 |
2022/8/16 10:14 |
768.47 |
225 |
298.5 |
2022/8/16 10:17 |
2022/8/16 10:22 |
768.74 |
241 |
321.8 |
图6. 视觉测流虚流量与比测流量相关关系图
由此得到该测站点视觉测流虚流量的换算关系y = 0.7544x (y为断面平均流量,x为视频测流虚流量),相关关系拟合曲线的可决系数R2达到0.9922,说明相关关系拟合良好。
4.2. 误差分析
为进一步验证该测站点综合流量系数的适用性,本次分析选取另一段时间的涨水数据,在该率定成果下将视觉测流虚流量转换为断面平均流量,与比测数据进行误差检验,以2023年7月24日11时至14时的涨水过程为例,视觉测流原始数据以及率定误差情况如表3。
表3. 测流站点相对误差表
开始时间 |
结束时间 |
水位(m) |
比测流量(m3/s) |
虚流量查线值(m3/s) |
相对误差(%) |
2022/8/16 9:34 |
2022/8/16 9:40 |
766.99 |
77.4 |
73.81 |
−4.64% |
2022/8/16 9:44 |
2022/8/16 9:51 |
767.33 |
110 |
114.79 |
4.35% |
2022/8/16 9:55 |
2022/8/16 10:02 |
767.91 |
186 |
176.55 |
−5.08% |
2022/8/16 10:07 |
2022/8/16 10:14 |
768.47 |
225 |
226.44 |
0.64% |
2022/8/16 10:17 |
2022/8/16 10:22 |
768.74 |
241 |
247.08 |
2.52% |
由表3可知,率定结果与比测数据相对误差情况基本良好,总体数据的系统误差为−0.44%,随机不确定度9.87%,符合一类精度站的流量测验允许误差要求。具体分析误差原因,2022年8月16日水位处于766.5~767.91 m间的测次对应的相对误差对比水位处于768.91~768.74 m时略大,考虑天生桥一级水电站测流站点的实际情况,河道水流受上下游电站的放水以及蓄水影响控制,不同时间的放水功率不尽相同,导致来水速率不同,故每次来水的水位流量关系不完全一致,因此会出现较低水位的相对误差略大于较高水位的相对误差。
4.3. 水位流量关系建立
按0.7544的断面综合流量系数对总体视觉测流虚流量进行换算,得到断面平均流量,其水位流量关系以及与比测数据的相对分布情况如下图7所示。
图7. 测流站点水位流量散点分布图
综上所述,本站流量测算趋势明显,散点图特征符合站点流速变化规律,以2023年10月8日至10月11日期间的水位流量时间序列变化展示测流成果,如图8所示。可以观察到视觉测流流量随水位变化趋势一致。
图8. 视觉测流站点水位流量时间序列
4.4. 水情分析与水库调度的关系
为确保水库的安全运行并最大化其效益,通过对测流站点实时数据的观测,在不影响防洪功能的前提下,优化发电调度,充分利用高水位期的水量进行电力生产,制定如下调度方案。
第一步,分析实时水情。以表3中所示2023年7月24日11点至14点的涨水过程为例,水位逐渐上升,从766.99 m升至768.74 m。相应的换算流量也从73.81 m3/s增加至247.08 m3/s,表明水库上游的流量呈现持续增长的趋势,尤其是在13:00到14:30期间,流量增加尤为明显。
第二步,短期措施,随着水位和流量的持续增长,水库应密切关注上游水位和流量的变化,根据实时数据调整泄洪方案,适度开启闸门进行泄洪,保持水库水位在合理范围内。
第三步,长期措施。对接下来的几天进行上游水量的预报,综合分析雨量和上游水库的泄洪情况,合理安排发电和泄洪时段。加强实时水情监测,确保水库在高水位期的安全。
第四步,效益评估。依据实时测流数据,科学制定发电调度计划,以应对水位变化带来的影响。
第五步,制定长远调度方案。持续利用武大AiFlow视觉测流技术进行实时监测,获取更加精确的水文数据,为日后调度决策提供数据支持。并定期更新调度方案,根据实时水情灵活调整,以应对不断变化的上游流量。
该方案旨在综合利用测流数据,制定科学、有效的水库调度策略,确保水库的安全和经济效益最大化。
5. 结论与建议
5.1. 结论
1) 武大AiFlow视觉测流系统能够自动执行设定的测验方案,监测各预设垂线的水面流速,并借助后端处理软件迅速计算流量。这不仅为水库流量的自动测定提供了一种优秀解决方案,还为天生桥一级水库的水文自动化和现代化贡献了重要的技术支持。
2) 经过细致分析,该测流系统与走航式ADCP测流法之间展现出良好的相关性。系统的流量率定和定线精度均符合行业规范要求,确保了对测流站点流量测定的准确性。测得的流速分布与自然规律相符,水位与流量的散点分布集中且趋势明显,从而为水电站管理和研究提供了可靠的数据支持。
5.2. 建议
1) 在运用本系统实施无人值守测量时,需通过软件控制平台对系统设备的稳定性进行监控,确保数据的采集、传输、处理与存储等关键功能的正常运行。此外,定期更新水位和断面数据,分析水位与流量的关系及流量误差,并对设备执行常规维护和检查,是保障系统准确性与可靠性的必要措施。
2) 同时,应重视自然环境因素,如风和雨,对测量精度的潜在影响。定期检查并加固数据采集设备,以提高系统的抗风能力和稳定性。在测量过程中,应密切监控气象状况,特别是在大风和暴雨条件下,对测量数据的合理性进行重点分析,以确保数据的可靠性。
3) 鉴于同步率定资料收集可能存在的局限性,建议每年补充相应数量的比测数据,以持续进行规律分析和流量推导方案的优化,进一步揭示该河段流态的季节性变化规律。
4) 对于天生桥一级水电站,考虑到该测点流量可能受上游水利工程(如水电站)放水和下游多汇流口联合调控的影响,有必要收集更多不同情景下的视觉测流数据,进行综合规律分析,以准确反映流量变化并优化测量策略。
基金项目
感谢国家重点研发计划项目2023YFC3209101和水利部重大科技项目SKS-2022020对本研究的支持。
NOTES
作者简介:刘建华(1989-09),湖北省咸宁人,硕士研究生,工程师,主要从事水情预测、水电站优化调度等方面工作,Email: ljhinsd081012@163.com