浅析大数据在某水电站中的应用

王志军 胡俊杰

摘 要：随着水利工程采集技术、分析技术的发展，水利数据量急剧膨胀，引入大数据技术快速高效处理水利数据迫在眉睫。简述了大数据系统在四川省某水电站工程选址、工程资金管理中的应用，着重研究了水利大数据在该水电站灌浆工程中的应用，并尝试对数据共享困难、数据安全堪忧等问题提出建议，以使水利大数据更好地服务于水利工程。

关键词：大数据；水利工程；灌浆

中图分类号：TP311.13                                              文献标志码：A

0 引 言

随着收集水利数据的方式越来越多样化，水利数据总量每年都在增加，在管理和利用水利大数据方面，传统水利信息技术已经不能满足水利现代化发展的要求，水利数据的价值得不到充分挖掘和利用，而大数据系统可以在短时间内整合分析收集到的数据，为解决这一问题打开了一扇门。水利大数据是大数据系统技术在水利领域的应用，是存储与共享、分析与处理水利数据的重要技术，是我国实现水利信息现代化发展和建设的中坚力量[1]。冯钧等[2]基于大数据和水利大数据的关系，分析水利大数据资源化的必要性和本质。龙美林[3]利用大数据系统处理水利工程地质大数据，方便水利工作人员绘制出水利工程的二维和三维地质模型。代端明[4]利用大数据技术构建工程造价数据库，对整个施工流程中的每一处造价都进行精确计算分析。本文以四川省某水电站为例，详细介绍水利大数据在实际工程中的应用，并针对其在实际应用中的不足提出了解决办法。

1 某水电站水利大数据实施背景

四川省某水电站坝址区自然地理条件恶劣，河谷干热风大，空气湿度较低，对混凝土的浇筑和施工设备的安全摆放影响较大；地下水文地质条件复杂，必须要确保坝体在浇筑过程中不会出现地基沉降导致坝体和基岩发生变形。得益于大数据系统的出现，这些问题在建设过程中得到了有效解决。

首先，该水电站在正式施工之前需要确定水利工程的工程选址、工程布局、工程规模等，而确定这些信息的基础是得到工程所在地的地形信息、地质信息及工程造价信息等数据，利用大数据系统可以高效获取这些必要的信息[5]。地形信息主要展现在地形图上，传统地形图的绘制主要依靠工作人员现场勘探地形获取数据，再在纸上进行地形图的绘制，不仅效率较低，而且精确度存在一定偏差。利用大数据系统收集地形信息不仅可以揽括国内外丰富的地理信息类大数据，还可以实现地形图的3D可视化，帮助水利工作者全方位了解该水电站下游周边的地形，更好地开展水电站选址工作[6]。

其次，该水电站地基的天然稳定性较差，进行水利工程主体和厂房布置时需要进行工程地质勘察。水利工程地质数据库包含地质信息等数据，利用大数据系统对其进行标准化处理，使其转化为满足工程地质标准的信息，然后利用计算机辅助进行三维建模，生成一个三维地质体，进而实现对地质环境的空间信息管理与分析[7]。

最后，该水电站的投资金额巨大，因此需要对其进行可行性研究。工程造价大数据技术能够收集大量数据，分析修建该水电站对国民经济产生的影响，预估该水电站的经济价值，统筹管理施工过程中每一环节的资金流动，减少施工过程中的不必要支出，从而实现该水电站的成本风险管控。

2 具体应用分析

由于大坝的整体施工被分成很多部分，因此各类相关信息分布在各个部门，这对于信息的开发利用非常不利。该水电站采用了数字大坝系统，实现了大坝施工过程中的信息自动化采集，建立了工程信息集成化系统，将大坝施工质量、施工进度等信息数字化并实时反馈，完成大坝信息在各部门间的共享，有效提高了工程建设水平。

以灌浆工程为例，灌浆工程是该水电站建设过程中的重要工程之一，相比其他工程，灌浆工程出现的问题不易被察觉。影响灌浆质量的因素非常多，传统的数据分析方式难以进行处理。该水电站引入大数据系统对海量数据进行并行计算，建立单位注入量预测模型和实际结果进行对比，通过实时修改灌浆压力等参数使实际结果接近预测模型，提高灌浆效率和灌浆质量[8]。

该水电站灌浆工程施工现场采集的数据非常多，两周时间采集的数据达到1 GB，对于不断产生的大量数据，应立即将采集到的数据进行存储、传输和共享，便于后续数据处理的进行。灌浆工程传感器采集的数据（如压力、流量、密度等）属于原始数据，其中的一些无效数据需要进行剔除。为了提高灌浆工程数据的质量，该水电站工程采用异常数据处理技术（删除、平均值修正等）对收集到的数据进行清洗，确保数据的连续性和完整性。利用处理后的数据，结合灌浆工程的流程和相关原理，选择影响单位注入量较强的特征子集（包括灌浆深度、灌浆时间、灌浆段长度、碎石含量、碎石粒径、灌浆孔间距）建立单位注入量预测模型，训练样本数据集见表1。

将实际值与预测值进行线性相关系数分析（见图1），可知，灌浆工程的預测结果接近实际结果，在灌浆过程中可借助预测模型实时调整灌浆孔间距等参数，确保灌浆工程的稳定进行[9]。

以管理维护阶段大数据应用为例，该水电站智能化建设依托大数据技术建立水电站网络构架，对水电设备进行实时动态监测，从而达到两个作用。①故障监视。建立水电设备正常运行工况时的模型，将实时监测的数据值与正常工况模型进行对比，通过逻辑推理判断水电设备的运行状况，第一时间对发生故障的水电设备进行检修。②状态分析。利用大数据系统收集到的水电设备数据进行设备的状态分析，对水电设备进行健康分级管理[10]。

3 大数据在实际应用中的不足及解决方法

（1）数据共享困难。水利行业的数据不同于其他行业的数据，其包含的数据量更多，数据类型更加复杂，数据传输非常不方便，常常会发生不兼容现象，从而出现工作效率降低、原始数据丢失等问题。尤其是数据的丢失会严重影响水利大数据的运作效率，在日常工作中应时刻保证数据库的完整性。对于已经成型的数据库，应当做好备份工作，建立一个镜像数据库封存。考虑到水利大数据的运作需要不间断的电力供应，应当准备备用电源，以防止电力系统出现故障导致数据丢失。同时，可以建立一个基于分布式目录的新型水利大数据共享模型，利用索引片区多层级合并技术实现数据的全域共享，有效解决大数据共享困难的问题。

（2）數据安全保障待加强。以灌浆数据为例，数据从生成到应用期间经过的时间跨度和空间跨度均较大，难以保证在这期间数据不会出现泄漏。在日常工作中，相关工作人员应该签署保密协议，不将相关数据带出工作地区。同时对大数据进行安全分级，并组建自己的内网传输相关数据，并做好防火墙防止被恶意木马病毒攻击。

4 结束语

水利大数据技术是现在乃至未来我国水利领域信息化的研究重点之一，其高效处理海量数据的能力非常适合用来处理水利工程建设过程中产生的繁多数据。当前，我国水利基础设施建设持续推进。水利大数据作为新兴技术，在管理维护阶段的实际应用较多，在规划设计阶段和施工建设阶段的实际应用相对较少。为了全面建设水利大数据，可以尝试水利大数据在规划设计阶段和施工建设阶段的实际应用，使水利大数据覆盖水利工程建设的整个过程，保证数据的连贯性和完整性，助力推进水利智能业务应用体系建设。

参考文献：

[1] 蒋云钟，冶运涛，赵红莉，等.水利大数据研究现状与展望[J].水力发电学报，2020，39（10）：1-32.

[2] 冯钧，许潇，唐志贤，等.水利大数据及其资源化关键技术研究[J].水利信息化，2013（4）：6-9.

[3] 龙美林.大数据处理方法在水利工程地质中的应用[J].江西水利科技，2017，43（6）：409-411.

[4] 代端明.基于大数据技术的工程造价数据库构建[J].广西城镇建设，2021（8）：79-83.

[5] 饶小康.水利工程灌浆大数据平台设计与实现[J].长江科学院院报，2019，36（6）：139-145，170.

[6] 谈震，舒依娜，刘敏，等.水利工程智能运维“云-网-端”全链路监控系统的研究与设计[J].中国农村水利水电，2022（9）：19-24，29.

[7] 蒋云钟，冶运涛，赵红莉，等.智慧水利解析[J].水利学报，2021，52（11）：1355-1368.

[8] 饶小康.水利工程灌浆大数据平台设计与实现[J].长江科学院院报，2019，36（6）：139-145，170.

[9] 贾宝良，罗熠，张慧，等.灌浆工程自动监测技术进展与展望[J].长江科学院院报，2021，38（10）：186-191.

[10] 杨廷勇，张官祥.白鹤滩电站智能化建设实践[J].水电站机电技术，2020，43（5）：42-44，70.

Application of Big Data to a Hydropower Station

WANG Zhijun，HU Junjie

（Jiangxi Water Group Co.，Ltd.，Nanchang 330029，China）

Abstract：The advancement of data collection and analysis technology gives rise to a surge of data amount in the field of water conservancy. It is imperative to introduce big data technology for quick and efficient management of water conservancy data. This paper presents an overview of the application of big data systems in the site selection and fund management of a hydroelectric power plant project in Sichuan Province. A particular focus is given to the application of big data to the grouting of this project. In addition，suggestions are made to address issues such as challenges in data sharing and data security concerns，aiming to enhance the role of big data in supporting water conservancy projects.

Key words：big data；water conservancy project；grouting