针对通用分割模型作用在坝面混凝土表观裂缝时出现网络深度不断增加，导致模型参数过大，有效裂缝特征丢失，提出一种基于卷积神经网络的轻量型裂缝分割方法，以减小网络内存占用和特征丢失问题。网络采用编码-解码结构，利用深度可分离卷积和轻量特征提取模块构建级联编码器，解码器则融合编码器第二阶段的跨尺度信息，重构特征提取中丢失的像素级几何信息，以提高网络分割精度。试验结果表明：网络在自制坝面混凝土裂缝数据集上训练得到的模型大小为10.8 MB，相较于U-Net减小了90.8%，验证集测试下交并比为73.30%，像素精准率为85.36%，数据结果验证了网络在坝面裂缝分割方面的可行性，为提高坝面检测效率及坝面结构后期维护提供有力支撑。

在双碳目标驱动下，风能与太阳能等新能源发电迅猛发展，解决其随机性、间歇性和波动性问题，亟需配套建设储能设施。本文将“以水为介质”的重力储能定义为“水储能”，并从技术原理、经济性、环境影响和设施安全等方面，对当前主要储能形式进行综合比较，研究表明“水储能”是当前和未来支撑新能源发展和新型电力系统构建的最佳储能方式。同时，本文还对抽水蓄能、水电扩机和梯级水电储能的规划思路、调节计算、评价方法和发展模式等关键技术及相关政策进行探索，展望其发展前景，可为新能源开发和新型电力系统规划设计提供参考。

本文基于欧洲中期天气预报中心（ECMWF）第五代大气再分析数据集ERA5，定义了两类复合高温干旱事件（即气象干旱或农业干旱与高温同时发生的事件），对长江流域2022年春夏复合高温干旱事件演变过程进行了分析，评估了其持续时间及覆盖面积等特征及变化规律。研究结果表明，长江流域2022年复合高温干旱事件时间上自6月开始，8月最严重，9月有所缓解，空间上由中下游开始，然后扩大到全流域，9月又缩小至中下游地区；与流域历史典型事件相比，2022年夏季复合高温干旱事件的各特征值均为最大；1979—2022年期间，两类复合高温干旱事件7—8月份的特征值呈现显著增加趋势。本文结果可加深对流域复合高温干旱事件的认识，对于应对气候变暖背景下的极端事件具有重要意义。

构建高精度的变形预测模型对于大坝风险评估及防治措施制定具有极其重要的意义。传统的大坝变形预测模型鲜有针对大坝的变形滞后性特点以及变形特征因子的影响性分析与评估，这会对模型的预测精度造成较大的影响，并导致模型缺乏可解释性。针对上述问题，本文提出一种结合时间注意力机制的门控循环单元神经网络（GRU）架构。首先通过卡尔曼滤波（Kalman Filter）对原始大坝变形数据中由于监测器异常导致的随机噪声与异常值进行处理。其次，利用随机森林（RF）对各变形特征因子的重要性进行分析和评估，筛选模型输入的特征因子。最后，针对大坝变形的滞后性，利用时间注意力机制进一步提高GRU模型对时间维度上的动态特征关注度，增强模型对时间维度信息的自适应学习能力，且对时间注意力进行可视化进一步提高了大坝变形预测模型在隐藏状态阶段上的可解释性。通过工程实例研究结果表明，卡尔曼滤波在大坝变形监测中确实存在一定适用性，同时本文所提出的耦合时间注意力机制的变形预测模型有着较高的预测精度，对于预测过程中的隐藏状态层级有较强的解释性，并揭示了温度与水位因素对大坝变形的长期影响，为大坝变形安全监测提供了一种新的有效方法。

针对我国高混凝土坝建设“安全、高质、高效、经济、绿色”的目标，本文首先将数据驱动和机理驱动相结合，提出了融合信息与机理的数字混凝土技术，探讨了国内外已有数字混凝土理论的区别，建立了混凝土材料的数字孪生体；其次，根据数字混凝土架构从智能分析数据库、骨料生成与投放和水化动力特性赋能角度展开论述，诠释了数字混凝土构建与赋能过程，并回顾各种赋能技术的研究进展；随后，依托金沙江下游溪洛渡、向家坝和乌东德高混凝土坝，从数据抢救、高掺粉煤灰联合筑坝技术、低热水泥筑坝技术阐述数字混凝土的应用探索；最后对技术难点和应用前景进行总结。本文所提出的数字混凝土是混凝土材料另一个维度上的再现，能够联系纳-微-细-宏观角度结构性能演化机理进行跨尺度联动分析，从材料层次为大坝智能建设提供可靠的数据支撑和决策依据。

为降低光伏出力波动性、提高水光互补综合系统的电量效益，本文以西藏装机容量最大的藏木水电站与其拟规划的光伏电站为例，选择晴天、阴天和雨天三种典型日，以系统总出力波动平均值表征水光互补综合系统协调性，以水光综合出力电量效益、水电旋转备用补偿效益之和表征系统经济性，建立考虑水光协调性与经济性的水电站机组尺度优化调度模型，在枯水期典型日下，揭示系统协调性与经济性转换关系，分析水电、光伏发电日内运行规律。结果表明：水光互补综合系统协调性与经济性呈现明显的竞争关系，晴天、阴天和雨天三种典型日系统总出力波动平均值由3.5 MW降低至2.5 MW，相应经济效益分别减少0.62%、0.38%、0.22%。研究结果对提升水光互补系统协调性与经济性具有实际指导意义。

水库对局地气候的影响是水电建设项目中环境影响评价的重要方面。本文基于天气研究与预报（WRF）模型开展了区域陆面-大气耦合模拟，分析了雅鲁藏布江首座大型水电站藏木水库对周边区域地表与大气之间的水热交换及天气过程的影响。根据模拟结果，藏木水库蓄水后坝址附近降水量在冬、春、秋三季变化并不显著，夏季在低海拔河谷区域降水量有所增加。库区空气比湿增加，其中春季增幅最大；水库对东北侧下风区和上游河谷区的比湿有较为显著的影响。库区上方气温升高，冬季增温幅度最大，增幅在2 ~ 3℃；夏季增幅最小，在0.4℃左右；库周边秋冬季气温升高，夏季略有降低。研究结果可为高原水库建设的环境影响评价提供参考。

践行双碳战略，能源是主战场，电力是主力军，构建以新能源为主体的新型电力系统是实现碳中和的必由之路。在分析碳中和背景下电力行业减排目标、电力结构及其占比的基础上，针对构建新型电力系统面临的问题与挑战，提出加快常规水电和抽水蓄能电站建设是新型电力系统可靠性和长周期调节能力的重要基础。结合我国能源资源禀赋和开发利用现状，提出强化水电与新能源协同发展战略思路，依托流域梯级水电建设更大规模清洁能源基地，并加快抽水蓄能电站和储能工厂建设的发展路径，重新定义了水电在新型电力系统中既提供基础电量又发挥容量功能的新定位，进而提出促进清洁能源大基地和储能工厂建设的政策建议。研究成果可为清洁能源基地规划设计和相关政策文件的编制与修订提供一定参考。

雅鲁藏布江流域蕴藏着丰富的水资源，在气候变化背景下，近年来其上游（奴下水文站以上流域）的径流发生了显著变化。本文基于耦合冰冻圈过程的生态水文模型GBEHM，构建了雅鲁藏布江上游的分布式水文模型，对其水文过程进行模拟，计算得到上游水文要素的变化过程，并定量分析了气候变化对径流的影响。结果显示，1981—2010年雅江上游的年径流量和蒸散发量均呈显著增加趋势，降水增加是径流增加的主要因素；冰川和冻土发生显著退化，多年冻土面积占上游面积的比例减少约7%，多年冻土活动层厚度增加速率约30.6 cm/10a，季节性冻土的年最大冻结深度减少速率约7.3 cm/10a；流域冰储量以10亿m3/a的速率显著下降，而冰川融化径流以2.7 mm/a的速率增加。

与反击式水轮机相比，冲击式水轮机有着应用水头高和高效率工况范围宽的优点，是开发高水头水电能源的核心装备。然而，冲击式水轮机内部为开放式、多相非稳态流场，存在多种流动状态转换以及多部件相互匹配的复杂流动特性，影响着水轮机性能的好坏，进而决定着高水头水电能源的开发利用率。可视化试验技术、计算流体力学、有限元法和人工智能优化设计算法的快速发展加速了冲击式水轮机的技术发展。我国的冲击式水轮机技术起步较晚但发展迅速，经历了从无到有、自主设计和提升改进3个阶段，特别是近20年我国冲击式水轮机技术取得了突破性进展。本文在全面综合国内外冲击式水轮机领域研究成果的基础上，以近20年来冲击式水轮机技术的主要研究进展为重点，从水轮机内部流动特性、泥沙磨蚀研究、失效分析研究及优化设计理论等4个部分对冲击式水轮机技术进展进行了综述，探讨了冲击式水轮机性能分析和优化设计中存在的一些问题，并对冲击式水轮机技术的发展趋势进行了总结和展望。

针对无/缺水文资料地区水文建模的难题，提出了基于迁移学习的长短时记忆神经网络（LSTM）水文模型。以嘉陵江、乌江和岷江流域为例，基于实测水文气象数据，采用K-最近邻算法与土壤和水评价模型（SWAT）模拟生成气象和径流数据，并构建实测和模拟样本集；然后构建不同的网络迁移微调策略和网络学习情景，分析迁移网络的可能性和性能。结果表明，固定网络的细胞层并微调网络其他层时，迁移学习的效果较好；同流域和跨流域进行网络迁移时，迁移后的网络更稳定且精度更高；跨流域迁移时，源流域和目标流域的相似度越高，迁移网络的难度更小，精度更高。该模型为无/缺水文资料地区构建水文模型提供了新的思路。

混凝土坝施工管理知识多以文本的形式记录存储，具有数据量大、碎片化严重、层次性差等特点。本文从非结构化文本数据中智能挖掘施工知识，理清知识间的逻辑关系，提升知识的应用效率是混凝土坝施工管理面临的重要问题。本文提出一种混凝土坝施工管理知识图谱智能生成方法，将海量文本数据转化为可直接利用的知识。融合字词向量、BiLSTM-CRF（Bi-directional Long Short-Term Memory-Conditional Random Field）网络、Attention机制，建立混凝土坝施工管理实体智能识别模型，强化施工实体特征，获取混凝土坝施工管理文本中的实体词语。结合已识别的施工实体，定义实体间关系类型，利用互信息提取实体关系，组合形成施工知识链，构建混凝土坝施工管理知识图谱。该方法应用于实际混凝土坝施工管理文本分析中，经过计算得到混凝土坝施工管理实体智能识别模型的F1值为92.48%，优于其他实体识别模型；利用已识别实体间的关联关系，建立了混凝土坝施工管理知识图谱，形成基于知识图谱的施工知识检索机制，实现施工知识的快速提取，提高了施工知识的应用效率。

在南水北调东线工程主要水源中长期来水预报精度不高且预见期有限的情况下，对调水系统进行科学调度和滚动决策是江苏段综合效益能否充分发挥的关键。本文提出了基于余留期调度成本函数的两阶段随机优化调度方法，在考虑预报不确定性条件下实现工程的中长期滚动调度决策。首先分析各工程单元调度运行规则，基于水量平衡原理提出系统调水成本计算方法；然后分析主要水源历史来水规律，建立余留期成本函数定量表示余留期调水成本；最后针对不同来水条件分别建立两阶段决策模型，滚动生成中长期水量调度方案。结果表明，两阶段决策模型能够克服中长期预报不确定性对调度决策的不利影响，通过多水源互济互调、水源和线路选择有效降低调水成本。

覆盖率和成本是衡量高心墙堆石坝视频监控网络部署优劣的重要指标。然而，现有研究缺乏对建设成本的综合考虑，且常用的视频监控网络覆盖优化求解方法存在收敛速度慢、易陷入局部最优等不足。针对上述问题，本文提出一种高心墙堆石坝大场景视频监控网络覆盖改进哈里斯鹰优化模型——非线性混沌哈里斯鹰优化（nonlinear chaotic Harris hawks optimization, NCHHO）模型。首先，提出表征视频网络部署成本的单位摄像头重复采样率指标，并基于集合覆盖理论构建以覆盖率和单位摄像头重复采样率最大为目标的视频监控网络覆盖优化模型。其次，利用混沌序列和非线性能量更新策略改进哈里斯鹰算法的种群初始化和搜索过程，提高算法的收敛速度、避免陷入早熟，并利用其求解视频监控网络覆盖优化模型。实例验证了改进哈里斯鹰算法在视频监控网络部署优化中的有效性和优越性，本研究得到的优化方案覆盖率和重复采样点比例分别为99.98%和60.3%，相比经验方案提高了13.8%和23.2%，显著优化了视频监控效果。

为了从海量数据提炼人工调度经验来指导日常工作，机器学习等技术正逐渐应用于水库调控实践中。然而，仅依赖机器学习技术形成的水库调度方案，往往无法真实反映水库调度过程，使得调度经验刻画不到位。因此，本研究构建了物理机制引导的水库调度深度学习模型，以损失函数惩罚项的形式考虑水库出库流量的水量平衡约束、单调性约束、边界约束，以数据增强的方式在模型训练集与验证集中纳入稀遇洪水调度过程。研究结果表明，该模型在常规运行条件与稀遇水文条件均能有效模拟水库调度决策，与基准模型相比，该模型的模拟结果更符合水量平衡原理，有效减少负值流量，能准确模拟高值流量。该模型可为水库智慧调度的实现提供技术支撑。

径流变化的特征及归因分析对区域水资源规划和合理开发利用具有重要意义。本文以沮河流域为研究区域，利用线性回归法、五年滑动平均法及重标极差（R/S）分析法阐述水文要素的变化规律，通过Mann-Kendall突变检验和有序聚类法确定沮河黄陵站径流序列突变年份，利用基于Budyko假设的互补关系法及累积量斜率变化率比较法（SCRAQ法）对径流变化进行归因分析。结果表明，1967—2019年期间沮河流域年降水量呈上升趋势，年潜在蒸发量和年径流深呈下降趋势，且径流序列在1985年发生突变；两种方法计算得到的气候变化对径流减小贡献率分别为24.04%和11.71%，人类活动的贡献率分别为75.96%和88.29%，水利水保措施及煤矿开采等剧烈的人类活动是沮河流域径流减小的主要驱动因子。

流场模拟是计算机仿真模拟的热点和难点，是展现水流动态变化过程、辅助寻求水流运动变化规律的重要手段。流场可视化技术的应用可以有效提高水流信息表达的直观性与综合性。本文以北江航道水流可视化为例，开发了浏览器/服务器结构的航道水流可视化平台，重点研究了平台中基于图像的流场可视化技术，采用渲染到纹理技术和通用图形处理器计算中的乒乓技术实现了流场可视化的融合，采用基于视点动态渲染的方式有效解决了水流细节层次的表现问题。在北江航道水流可视化应用中流场动态显示效果流畅，运行帧率达60帧左右。该流场可视化实现方法可以为网页端流场可视化实现与应用提供参考。

将长短时记忆（LSTM）神经网络嵌套至编码-解码（ED）结构，构建了LSTM-ED深度学习模型，采用贝叶斯概率预报处理器量化洪水预报不确定性，提出了一种三峡入库洪水概率预报业务方法，并讨论了降雨预报对洪水概率预报性能的影响。选用向家坝—三峡坝址区间流域2010—2021年汛期6 h降水径流资料序列训练和检验模型，开展了1 ~ 7 d预见期入库洪水预报。结果表明：LSTM-ED模型的模拟预报精度优于LSTM模型，验证期1 ~ 7 d预见期纳什效率系数高于0.92；概率预报连续排位概率分数相对平均绝对误差降低26.82% ~ 32.74%，考虑预报降雨可进一步提高概率预报性能，为调度决策者提供可靠的风险信息。

针对传统深度学习的裂缝检测方法在复杂环境下鲁棒性低、边缘区域识别精度差、损伤量化结果误差大的问题，本文提出一种复杂环境下基于级联神经网络的混凝土裂缝检测方法。该方法分为三步：第一步利用改进的语义分割模型对复杂环度参数获取算法计算裂缝宽度。试验结果表明，相较于传统裂缝识别方法，本文方法在精确率、召回率、准确率、F1分数和交并比五项评价指标上均有提升，且总体检测准确率在95%以上，能实现复杂环境下境下的裂缝进行初步识别，判断图像中裂缝的大致感兴趣区域；第二步采用本文所提基于金字塔池化的掩膜优化方法对粗分割图像进行优化，精确捕获裂缝边缘上下文信息；第三步采用二维码靶标的图像像素解析度和裂缝宽混凝土裂缝的检测与定量分析。

部署在开阔水域的潮流能水平轴水轮机经常不可避免处于偏流中并造成一定的负面影响，为了研究其在偏流条件下的熵产及水力特点，通过求解雷诺平均（RANS）方程并结合熵产理论对一水平轴潮流能水轮机进行了三维数值模拟研究。结果表明，随着偏流角的增大，涡轮机的输出功率及推力逐渐减小，最高点所对应的尖速比（TSR）逐渐向低位移动，同时输出功率及推力的波动幅度变大。在相同的偏流角下，熵产随TSR的增大而增大。在不同的偏流角下，熵产在较低的TSR下随偏流角的增大而减小，而在较高的TSR下随偏流角的增大而增大。增加偏流角同样也会导致熵产波动幅度的变大。此外，流场分析表明偏流角决定了下游尾迹的偏转方向并显著改变了尾迹形状。大部分的熵产出现在水轮机的叶尖和轮毂后方，这是因为此处形成了较大范围的流动分离和涡流，这也是导致水轮机出现高熵产的主要诱因。研究结果揭示了水平轴水轮机在偏流条件下的熵产和水力特点并准确定位了熵产集中区域，为水平轴水轮机的优化设计提供了一定的参考依据。