乌江水上安全预测预警系统研发及应用

2019-05-31马瑞鑫，赵鹏，朱俊，李子龙

人民长江 2019年5期

马瑞鑫，赵鹏，朱俊，李子龙

(1.交通运输部天津水运工程科学研究院，天津 300456； 2.大连海事大学航海动态仿真和控制实验室，辽宁大连 116026； 3.江苏恒澄交科信息科技股份有限公司，江苏苏州 215000)

乌江是长江上游右岸最大的支流，发源于贵州省西北部乌蒙山东麓，至重庆市涪陵区汇入长江，为典型的山区河流，流域天然落差较大。乌江洪水主要由暴雨形成，此外，针对下游地区，上游电站无规律放水也是洪水形成的主要因素之一[1-3]。乌江下游尤其是重庆市涪陵境内水文变化在汛期受上游流域暴雨汇流影响较大，在非汛期受上游银盘电站和彭水电站泄洪影响较大。乌江干流电站发电多采用每日多次调峰运行，各水电站下泄的非恒定流致使坝下航道水位骤涨骤落，瞬时变幅大、变化频繁，甚至会出现水位一天上涨20 m的极端情况[4-6]，当水电站出力较大或满发电时，电站下泄流量增大，坝下河道水位短时暴涨，要求沿线的港口作业船舶和锚地停泊船舶根据水位变化频繁调整，给河段内通航船舶和停泊船舶带来安全隐患；当水电站出力较小甚至不发电时，电站下泄流量减小，河道水位迅速降低、通航条件迅速变差，给运输船舶带来了搁浅、触礁甚至被迫停航等安全隐患[7-8]。电站泄洪下的非恒定流延长了通航船舶的营运周期，增加了船舶营运成本，对船舶运输安全和沿线城市防洪带来了一定挑战[9-11]。通过实地考察及历史资料研究,建立了一套针对银盘电站至长江口79 km航段的乌江水上安全预警水文监测预测系统，实现了水位、流速、流量的监测预测，初步解决了乌江水文条件监测不全面、手段不先进、预警不及时等问题，弥补了地方管理单位在航运安全决策管理工作中的不足。

1 系统总体架构

乌江水上安全预测预警系统的总体架构如图1所示。系统按照数据采集、数据传输、数据处理和数据展示分为前端采集层、通讯链路层、核心支撑层和业务应用层，同时设计了完整的信息安全方案和运行维护保障体系。

(1) 前端采集层。水文信息的科学预测需要现场数据的实时监测作支撑[12-13]。前端采集层为在银盘电站至长江口79 km航段建设的5个监测站点，分别为WL01、WL02、WL03、FL01和FL02，其间距分别为36，7，10，26 km,其具体分布如图2所示。在现场监测站点选址时需满足代表性、数据完备性、易施工等原则。各监测站点主要实现航道现场水位和流速信息的动态采集，如表1所示。由于监测站点都在野外，其供电模块选择使用太阳能电池板和锂离子充电电池组。太阳能电池板在白天可产生12 V、800 mA左右的电能，通过充电控制器调整可给锂离子电池组充电和系统供电。

图1 系统总体架构 Fig.1 System architecture

图2 监测站点分布(单位：km) Fig.2 Distribuion of monitoring sites

(2) 通讯链路层。通讯链路层主要保障前端监测站点的数据传输。该系统在移动网络覆盖较好的监测站点采用GPRS/3G网络通讯手段；在移动网络覆盖较差的区域，例如WL03站点，选择使用北斗短消息作为系统通讯方式，整体上保证了数据传输的时效性和稳定性。

(3) 核心支撑层。核心支撑层包括水文预测数学模型的建立、监测数据中心和地理信息平台的搭建。水文预测数学模型主要以5个监测站点的实时数据为监测输入条件，同时结合历史水文资料和航道地形图数据，预测未来2 h内的水位和流速变化情况；监测数据中心为5个监测站点的数据汇聚中心，为建设乌江水文大数据中心提供数据支撑；地理信息平台为该应用系统的支撑服务平台，为系统基础地理信息显示、操作、分析提供支撑。

(4) 业务应用层。业务应用层是指围绕服务于领导决策和服务于业务管理所开发的应用系统,主要包括实时水位流速动态监测、水文信息预测、水文信息统计分析、洪水发展过程动态展现等功能。

表1 各监测站点详情

Tab.1 Details of each monitoring sites

站点监测内容监测设备通讯方式WL01水位、表面流速雷达水位计、雷达波测速仪GPRS/3G网络WL02水位、剖面流速雷达水位计、声学多普勒剖面流速仪GPRS/3G网络WL03水位压力式水位计北斗短消息FL01水位、剖面流速雷达水位计、声学多普勒剖流速仪GPRS/3G网络FL02水位、表面流速雷达水位计、雷达波测速仪GPRS/3G网络

2 数学预测模型

本文的数学预测模型综合了相邻测站水位预测模型、未来水位预测模型和水位流量关系模型。由于WL02站位于WL01站下游36 km，WL02站水位变化相对WL01站水位变化具有滞后性，同时考虑到下游水位(WL03站)的顶托影响，可使用3个监测站的实测水位资料，建立WL01站、WL03站水位与2 h后WL02站水位的相关关系，从而实现利用WL01站和WL03站过去2 h水位数据对WL02站未来2 h水位的预报。另外结合WL02测站上游约27.5 km的武隆水文站的逐时水位、流量历史资料，可建立WL02测站的水位-流量关系。将WL02测站实时水位对应的流量作为模型的上游边界，可输出河段的实时流量、水位等，将预报水位对应的流量作为模型上游输入边界，同时将FL02站水位监测信息作为模型的下游控制边界，控制预测模型下游的水位和流速信息，系统可将预测结果与实际监测站点WL03、FL01进行校核改进，即可计算得到河段的预报流量、水位等。数学模型技术路线如图3所示。

2.1 预测模型建立

2.1.1 相邻测站水位预测模型

水位预测模型通过对监测历史数据的多元回归分析求得。建模前需先对监测数据进行预处理，剔除虚假监测数据，使数据满足模型计算要求。参照相关研究成果，WL02站2 h后水位与上游WL01站水位、下游WL03站水位相关模型可表示为

y=b0+b1x1+b2x2

(1)

式中，y代表WL02站2 h后水位，x1代表上游WL01站水位，x2代表下游WL03站水位，b0为常数项，b1、b2为相关模式的参数。

本文选取2017年6月2日至2017年8月3日逐时水位资料，按照式(1)进进行多元线性回归，得到2 h后WL02站水位与WL01站、WL03站水位关系如式(2)所示：

y=0.227x1+0.822 7x2-10.09

(2)

经验证，复相关系数为0.96，模型具有较高的回归一致性。

图3 数学模型技术路线Fig.3 Technical route of mathematical model

2.1.2 未来水位预测模型

未来水位预测采用相应水位分析法，该方法是根据河道洪水波运动原理，分析洪水波在运动过程任一位相水位自上站传播到下站时的相应水位及其传播速度的变化规律，即研究河段上下游断面相应水位间和水位与传播速度之间的定量规律，建立相应水位间的相关关系，即用某时刻上游站的水位(流量)预报一定时间(传播时间)后下游站的水位(流量)[14-16]。

从河段WL01测站和WL02测站实测水位资料中摘录相应的洪峰水位值及其出现时间，可点汇相应洪峰水位关系曲线及其传播时间曲线。其相互近似关系如图4～5所示。

经回归分析，WL01测站和WL02测站水位,传播时间的函数关系分别如式(3)～(4)所示：

-70.992ZWL01+4 505.2

(3)

ZWL02=1.040 6ZWL01-22.818

(4)

式中，t为传播时间，ZWL01为WL01测站水位，ZWL02为WL02测站水位。

对于式(3)，本文使用了2018年3次洪峰实测数据对其进行了验证，实测WL01测站水位为178.7,180.2 m及186.7 m，传播时间为2.50,2.25 h及1.25 h。使用式(3)计算得出传播时间为2.44,2.13 h及1.27 h，与实际时间相比误差为2.40%,5.33%,1.60%，表明其具有一定合理性。

图4 WL01站水位与传播时间关系 Fig.4 Relation between spreading time and water level of WL01

图5 WL01和WL02测站水位关系Fig.5 Relation between water levels of WL01 and WL02

2.1.3 水位流量关系分析

综合研究WL02测站水位及武隆水文站流量过程线，使用相应水位法得出的水位-流量关系曲线见图6。

图6 WL02测站水位-流量关系曲线 Fig.6 Water level-flow relation of WL02

WL02测站水位-流量关系曲线经回归分析得到式(5)，将WL02测站实时水位计算得出的流量作为上游边界，可输出河段的实时水情，将预报水位计算得出流量作为上游边界，即可计算得到河段水情的预报。

+74 590.590ZWL02-397 2414.552

(5)

2.2 预测精度分析

通过对WL03和FL01监测站进行连续两个月观测，其预测值和实测值对比曲线如图7所示。由图7可见，两站位预报值与实测过程吻合较好：WL03站水位最大相对误差为1.1%，平均相对误差为0.2%；FL01站水位最大相对误差为0.8%，平均相对误差为0.2%。

图7 WL03站和FL01站水位预报值与实测值对比Fig.7 Comparison between forecasting and monitoring water level of WL03 and WL01

3 系统开发与实现

3.1 系统开发技术路线

系统采用基于B/S结构的面向服务体系架构(SOA)的思想进行设计，系统软件体系结构设计上支持大数据量的扩展，能够适应业务的不断发展和用户规模的扩大，并具有较强的灵活性、可操作性和可扩展性[17-19]。系统开发综合运用了GIS开发技术、ASP.NET技术、SQL Server数据库技术和数字权限控制技术等[20-21]。

3.2 功能实现

该系统以GIS平台为系统框架基础，以高分辨率卫星遥感影像数据为图形基础，叠加显示外场实时动态监测数据和水文预测数据，提供地图导航、功能操作、动态显示等业务操作。系统布局如图8所示。

(1) 地图导航。地图操作面板包括全图、放大、缩小、平移等操作。

(2) 功能操作。该模块包括图层管理、空间量测、终端监测、洪水预报、统计分析、阈值设置等功能，实现图文一体化交互操作。

(3) 实时监测。通过仪表指针和柱状图实时动态显示5个监测站点的水位、流速监测数据，并可与航道联动显示。

由于不同身份的用户其业务处理逻辑不同，系统为控制系统信息的阅读范围和业务权限，将用户划分为不同的角色，不同的用户角色具有不同的系统操作权限和查询权限，通过权限控制为不同身份的用户赋予与之身份对应的各项操作，屏蔽不能执行的操作调用，以此实现分工负责。该系统主要包括基本GIS操作、实时监测信息动态显示、洪水预报分析、监测数据历史统计分析、监测终端状态自检和安全预警管理等功能如图9所示。

图8 系统主界面功能布局Fig.8 Function layout of system main interface

图9 系统相关功能展示Fig.9 Display of system related function

3.3 系统研发关键技术

该系统在开发过程中研究并应用了水文数据的多级分布式存取模型和基于北斗短消息的一体化通讯模式。

3.3.1 水文数据的多级分布式存取模型

在该系统中，水文数据更新频率较快，长期运行后，如果频繁从服务器获取数据将导致系统访问速度缓慢，因此采用了数据库索引技术和创建表分区的方法实现数据库存储，同时在服务器端将数据索引和当前检查的数据存放在缓存中，客户端的数据请求即可直接从缓存中获取。此外，通过对水文时序数据的预计算处理，形成虚拟数据集，包括多维度统计分析、模型预测分析、动态监测分析计算。服务器端采用多级并发分布式模型，将服务器端的计算分成多个并发进程同步执行，采用信号量进行多线程同步控制，并将计算结果统一包装成序列化协议数据集，供客户端调用。客户端在调用时采用HTML5和JQuery方式，对调用参数进行预分析和规则约束，对获取的服务器端返回的序列化协议数据集进行同步计算，包括模型预测计算、动态监测分析、GIS分布匹配、数据统计等，提高了系统的访问性能。

3.3.2 基于北斗短消息的一体化通讯模式

该系统WL03站点所处位置的移动通讯网络信号传输不稳定，采用3G通讯模块偶尔会出现信号中断的现象，同时此监测站点又是模型计算中的关键位置点，因此开发了基于北斗短消息的一体化通信装置(integrated communication device, ICD)，集成了北斗通讯模块、3G通讯模块以及相关GPIO接口，实现水文监测数据的汇集、转换、发送和接收。水文监测传感器通过串口将数据发送至ICD模块，选择北斗通道后通过北斗短消息功能实现数据的传输。受通信频率与通信容量(140个汉字)的限制，需严格控制发送包的电文长度。此外，ICD可基于当前的网络条件自主选择3G通道或北斗短消息通道，保证了数据传输的可靠性。

4 应用效果分析

该系统于2016年10月在乌江银盘电站下游79 km航段进行成功示范应用，运行至今已积累300万条数据。2017年5月乌江汛期来临，港航管理部门依靠该系统成功应对了6月24日、7月1日和7月5日的洪峰过境。尤其在7月5日，银盘电站当天泄洪9 700 m3，根据以往管理经验，上游电站泄洪超过8 000 m3流量时，下游即实行全航段禁航。但在该系统的支撑下，港航管理部门通过水文监测预测信息，提前获得下游水位的涨幅和最大流速，并提前部署应急方案，通知下游船舶做好应急准备，在没有禁航的条件下成功应对了此次洪峰过境。系统监测数据结果表明，此次洪峰期间下游FL01站最大水位落差由161.99 m上涨至169.62 m，最大流速为1.37 m/s，船舶可安全航行。通过数次洪峰检验，该系统可为乌江航运安全提供全天候、实时性和动态化的水上安全监测预测保障，能为航道安全监管提供了科学有效的支撑。