水库大坝病险成因与除险加固效果案例分析

第1章 绪论 　　1.1 背景及意义 　　水库是调控水资源时空分布、优化水资源配置、保障江河防洪安全的重要工程措施，是经济社会发展、生态环境改善不可替代的重要基础设施。中华人民共和国成立以来，逐步建成了较完善的防洪保安、水资源调配和水生态保护工程体系，为经济社会高质量发展提供了有力支撑和保障。截至2019年底，全国共建有各类水库98112座(不含港、澳、台地区)，总库容8983亿 m3，其中大型水库744座、中型水库3978座，小型水库93390座。已建和在建百米以上大坝220座，其中200～300m级的超高坝32座[1]。水库大坝全寿命周期管理涉及规划、设计、建设、运行和退役等不同阶段，任何一个阶段存在薄弱环节，都会给水库大坝安全造成影响。 　　我国历来十分重视水库大坝安全与病险水库除险加固工作。早在“75 8”大洪水后，就对65座大型水库进行了以提高防洪能力为目的的除险加固。1986年和1992年又分别确定了**批43座、第二批38座需要除险加固的全国重点病险水库，其中大型水库69座、中型水库12座。1998年特大洪水后，更是加快了病险水库除险加固工作的实施步伐，按轻重缓急的原则分期分批实施病险水库除险加固。2000年以来先后实施了多批次专项规划，开展了大规模的病险水库除险加固，累计投入2400多亿元。这些专项规划(表1.1-1)包括全国病险水库除险加固专项规划、东部地区重点小型病险水库除险加固规划、全国重点小型病险水库除险加固规划、全国中小河流治理和病险水库除险加固、山洪地质灾害防御和综合治理总体规划等。同时，各地也在中央投资基础上，积极开展病险水库除险加固工作，以自筹资金为主完成近万座病险水库除险加固，广东、浙江、安徽、山东和湖北等省自筹资金除险加固数量均在1000座以上，山西省2013年以来投资2.84亿元对72座水库实施应急专项除险加固工程。截至2019年6月，全国共完成6.98万座病险水库除险加固任务，其中，大中型2690座、小型6.70万余座，当时正在组织实施的剩余1.3万余座灾后薄弱环节小型病险水库除险加固，于2020年全部完成。截至2021年6月，尚有8699座存量病险水库未实施除险加固，已实施除险加固的小型水库中有16472座存在遗留问题，31779座水库到规定期限未开展安全鉴定，且每年还会新增一定数量的病险水库[2-6]。 　　表1.1-1 病险水库除险加固规划汇总表 　　“十三五”时期，我国水库大坝安全状况得到明显改善，综合效益进一步发挥。主要表现为一是全面落实了安全和防汛责任制；二是高度重视病险水库除险加固，有效消除了水库大坝安全隐患，提高了水库防洪调控能力，保障了大坝和下游生命财产安全；三是健全了运行管理制度和标准体系，建立了涵盖水库大坝运行管理全过程的制度体系；四是不断增强科技支撑能力，监测预警、隐患探测、安全诊断、缺陷修补和除险加固等技术明显提升，应对突发事件能力显著提高。“十三五”时期我国平均溃坝率0.03‰，远低于低溃坝率国家水平的0.1‰，标志着我国进入了低溃坝率国家行列。 　　然而，我国水库大坝运行状况和管理能力区域不平衡问题仍然突出，与高质量发展要求存在一定差距。国家提出“十四五”时期要完善流域防洪减灾体系，全面提升水安全保障能力。 　　《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确提出要加快病险水库除险加固，2022年底前完成已实施小型病险水库除险加固项目遗留问题处理，2025年底前完成现有病险水库除险加固和新增病险水库除险加固。病险水库安全诊断和病险成因分析是科学合理除险加固的前提。大坝安全监测资料分析与性态评价、隐患探测与病害诊断是水库大坝安全鉴定、除险加固设计依据的重要手段。因此，通过水库大坝病险诊断、成因判断及效果分析案例的研究，以提高病险水库除险加固方案的针对性，以及除险加固项目的设计和综合管理水平，为“十四五”时期及今后水库大坝安全鉴定和除险加固提供参考。 　　1.2 水库大坝病险成因分析研究现状 　　1.2.1 水库大坝安全监测资料分析和性态评价模型 　　安全监测资料分析方法有比较法、作图法、特征值统计法和数学模型法等[7-12]。 　　比较法包括监测值与技术警戒值相比较、监测物理量之间的对比、监测成果与理论的或试验的成果相对照等三种。作图法包括各环境量(如库水位和气温等)下的效应量(如变形量、渗流量等)过程线图，各效应量的平面或剖面图，以及各效应量与环境量的相关图等。特征值统计法对各监测量的历年极值、变幅、均值等特征值及年变化趋势等进行统计分析。数学模型法建立效应量与环境量之间的定量关系，可分为统计模型、确定性模型及混合模型。使用数学模型法做定量分析时，应同时用其他方法进行定性分析，加以验证。 　　安全监测资料分析主要关注各阶段中坝体、坝基在变形(如裂缝、沉降或隆起、滑坡等)和渗流(如渗漏、涌水翻砂、水质浑浊和浸润线异常等)两大方面的表现；效应量随时间的变化规律，尤其是相同环境和荷载条件(如特定库水位)下的变化趋势和稳定性，以判断工程有无异常和向不利安全方向发展的时效作用；效应量在空间分布上的情况和特点，以判断工程有无异常区和不安全部位；效应量的主要影响因素及其定量关系和变化规律，以寻求效应量异常的主要原因，考察效应量与环境量相关关系的稳定性，预报效应量的发展趋势，并判断其是否影响工程的安全运行；各效应监测量的特征值和异常值，并与相同条件下的设计值、试验值、模型预报值，以及历年变化范围相比较。当监测效应量超出技术警戒值时，应及时对工程进行相应的安全复核或专题论证。通过上述分析成果，对大坝当前的工作状态(包括整体安全性和局部存在问题)做出评估。当大坝出现异常或险情状况时，根据巡视和监测资料的分析，判断大坝出现异常或险情的可能原因和发展趋势，提出处理大坝异常或险情意见和建议。 　　1.2.1.1 安全监测数据异常的成因分析方法 　　水库大坝是一个复杂的系统，渗流、变形等效应量受气候条件、库水位、结构性态变化及设备性能与状况、测读误差等多种内外因素影响。大坝正常运行时，受库水位、温度等因素影响，效应量常具有相对稳定的变化规律。然而，当大坝受到热浪、寒潮和地震等随机不确定因素影响时，或坝基、岸坡及周边环境突变对坝体作用时，或坝体结构受损时，坝体都有可能出现异常渗流和变形。这种异常有可能是瞬时的，也有可能持续一段时间或是长期的。总体看，异常通常表明大坝结构性态受到了某种非常规荷载作用，可能存在安全隐患或风险，必须加以重视。因此，大坝效应量的异常数据检测及分析尤为重要。目前，对异常数据检测主要分为对异常值和异常过程的检测。 　　1.异常值检测 　　异常值是指监测数据中少数与整体变化趋势或附近测值相差较大的数据，通常由热浪、寒潮和地震这类短期荷载作用、仪器故障或坝体结构受损引起。异常值检测方法主要有过程线法、统计概率法、小波分析和离群点检测等[13-16]。 　　过程线法是通过监测数据与历史或相邻测值的比较分析，寻找过程线中的异常点。变形和渗流等效应量数据在时空上有内在的关联性，在相同环境和工作条件下，测点会表现出相似变化规律。过程线法简易直观，但是在实际工作中效率较低，且过多依赖于经验水平，适用于监测数据较少的情况。 　　统计概率法主要有拉依达(PauTa)准则(又称3σ准则)、肖维勒(Chauvenet)准则、格拉布斯(Grubbs)准则和狄克松(Dixon)准则。拉依达准则以实测值与统计值的差值是否大于3σ(σ为标准差)来判断实测值是否为异常值，适用于数据样本个数大于185的情况。肖维勒准则与拉依达准则类似，但其判别标准为 wnσ，wn是与样本个数 n相关的变量，可根据样本数量确定，但该准则仅在样本个数为25～185有较高准确度。格拉布斯准则通过平均值 u和标准差σ计算昀大值和昀小值的统计量 Gn和 G'n。狄克松准则通过昀大值与次大值(或第3大值)、昀小值与次小值(或第3小值)计算极差统计量 rij，再通过检验水平α(一般取0.05或0.01)和样本数量 n查询相关概率统计表确定各自临界值 G(α， n)和 r(α， n)，以此检验异常值。格拉布斯准则适用于样本数量为3～185的数据，对于数据序列中仅有一个异常值的检测效率较高，当存在2个或2个以上异常值时，有效性显著降低。狄克松准则适用于样本数量为3～25的样本数据，当数据量增大时检测效率逐渐降低。 　　小波分析可以对原始监测数据序列进行多尺度分析。具有异常值的监测数据序列分解后的系数具有模极大值特征，通过检测模极大值点确定异常点。小波分析可直接对实测数据序列进行检验，适合检测单个和多个异常值。由于小波分析可进行数据的多尺度分解，在大坝变形、渗流异常值检测方面具有一定优势。但该方法根据数据本身内在联系进行检验，未联系水位和温度等影响因素，不能很好地解释异常成因。 　　离群点检测是数据挖掘中的一个重要研究方向，目的是从大量的、有噪声的数据中检测出与正常数据特征差异较大的异常数据。大坝安全监测数据种类多、数据量大、内在关系密切且规律性明显，离群点检测算法对于获取安全监测数据中隐含的信息具有一定优势。例如，局部异常因子(local outlier factor，LOF)是一种基于密度的算法，它通过比较一定范围内的数据密度来检验异常值，若某个数据密度较小，则说明它远离大部分数据，反之亦然。考虑库水位、温度等与效应量的相关性，采用空间距离度量效应量和影响因素数据序列间的相似性，利用 LOF对效应量数据进行挖掘和异常检测，可在不同时间尺度下识别异常值。 　　除上述方法外，其他算法也被提出，如将贝叶斯动力学线性模型与卡尔曼滤波理论相结合的异常检测方法，能可靠地对异常值进行检测且不受误报影响。 　　2.异常过程检测 　　异常过程是指大坝监测效应量的变化过程不符合一般规律。例如，太平湾重力坝河床坝段冬季向下游变形、夏季向上游变形，且总体向下游变形，岸坡坝段相反[17]。江垭水库蓄水后，出现混凝土坝和山体抬升的异常现象，多认为是蓄水造成的孔隙水压力增高引起的，且变幅将逐渐减小[18]。上尖坡重力坝和大化重力坝溢流坝段与非溢流坝段水平位移变化规律相反[19]。铜街子水库24#坝段水平位移与其他坝段呈现反相过程，且不符合一般变化规律[20]。异常过程产生的原因一般较复杂，需根据工程实际综合分析。 　　新安江大坝运行30多年来基本正常，但个别坝段帷幕后局部观测孔扬压力偏高，如3#坝段3E1-1孔扬压力超设计值且呈上升趋势，1990年8月帷幕补强灌浆后，扬压力不降反升。考虑库水位、地下水等因素和防渗排水措施，结合工程地质和水文地质条件，综合采用多元回归法、流量衰减动态曲线和数值模拟分析方法，分析了3E1-1孔扬压力偏高的原因，结果表明，3E1-1孔地下水与库水有直接的水力联系，存在非常细小裂隙通道，且与该孔下游靠近页岩层的排水孔排水不畅有关[21]。水东大坝扬压力孔 UP07位于河床部位 F1断层与 JM13裂隙密集带之间，距上游坝踵约5m，扬压力有增大趋势，综合采用统计模型定量分析、现场涌水试验、封孔试验和水质分析等，揭示异常成因， UP07孔存在一个相对孤立的“高水头柱”，与之相关的渗流路径较通畅，但影响范围很小[22]。李家峡大坝6#坝段 Y6-1孔处坝基扬压力偏高，综合采用数值模拟、钻孔取样、水质分析等手段，分析其物理成因，扬压力升高原因在于帷幕前浅部岩层破碎存在强透水带，且此处防渗帷幕存在缺陷，渗漏通道未完全切断[23]。 　　1.2.1.2 大坝安全监控模型 　　大坝安全监控模型是以安全监测数据为基础，应用数学、力学和智能算法等，建立描述监测效应量变化规律和变化成因的数学模型。安全监控模型通过拟合分析、预测和评价大坝的安全性态，达到监控大坝安全的目的，按其发展历程可分为常规模型、新兴模型和智能计算模型[24-34]。