针对水电站运行管理中大量多源异构的结构化和非结构化文本资料难以有效管理和复用难题，将基于本体的知识建模引入到水电站运维知识管理和知识服务中，定义了基于本体的知识表示模型并详细构建了水电站设备运维、故障预警、应急预案三大典型业务领域本体知识表示实例和本体知识库，提出本体综合相似度计算方法，并以该算法为基础实现了本体驱动的水电站知识检索、预测预警和应急演练可视化应用。通过实际工程案例展示验证了基于本体的水电站运维知识库构建方法及关键技术的可行和有效性，提升水电站知识管理和应用水平。

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。

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。

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。

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。

侧式进出水口出流工况水流呈现扩散态，拦污栅断面脉动流速很大，可能危及拦污栅安全，其脉动流速变化规律及产生原因有待进一步探讨。本文建立了典型进出水口试验装置，利用激光多普勒流速仪与声学多普勒流速仪开展试验研究。结果表明：在靠近扩散水流末端的拦污栅断面脉动流速很大，流速脉动值可达时均值的1.8倍，平均紊动强度为0.724，该断面流速脉动呈现出明显的正态性，其概率密度分布基本服从正态分布；水流自输水隧洞段经扩散段、调整段、防涡段、向库区流动的过程中，紊动强度沿程呈现先增大后减小的变化规律，水流在输水隧洞段脉动流速小，在扩散段及调整段内脉动流速沿程均较大，脉动流速值接近时均值，甚至大于时均值，进一步解释了拦污栅断面脉动流速很大的原因。拦污栅断面及进出水口沿程的脉动流速规律有别于对脉动流速的一般认知规律。研究成果将为进出水口体型参数优化及分析引起拦污栅振动破坏提供理论依据。

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。

混凝土大坝变形预测对其安全运行具有重要意义，针对传统分析方法难以捕捉长期序列时序特征从而导致预测精度较低的问题，本文采用麻雀优化算法（SSA）和K调和均值算法（KHM）相结合对监测值进行聚类以捕捉序列时序特征，然后采用自适应噪声完备集合经验模态分解（CEEMDAN）等方法对聚类结果进行降噪处理，最后采用长短期记忆（LSTM）模型对序列进行预测。分析结果表明，本文所提出的聚类方法具有较好的长序列特征识别能力，结合基于CEEMDAN分解方法去除序列中存在的冗余信息，从而使LSTM模型能够更好地捕捉变形值的时序特性，进而提高预测精度。所提模型具有较好的精度和适应性，可为大坝变形预测提供一种有效方法。

气候变化与能源电力供需关系密切。2022年夏季长江上游出现历史同期最高气温、历史同期持续最长高温天数、历史同期最少降水的“三最”叠加局面，导致水电大省——四川日缺电力1700万kW、日缺电量3.7亿kW?h，对社会经济发展和人民生活造成了重大影响。研究建立极端天气下的电力保供规划机制，对于保障能源电力安全具有重要意义。本文分析了2022年夏季四川极端天气对四川电力的影响，辨析了四川电力发展存在的短板，提出了电力转型过程中先立后破、水风光火储多能互补、电源和电网协调发展的有关对策措施建议。

暴雨洪水管理模型（SWMM）是研究城市洪涝问题的有效手段之一，其敏感参数取值不仅影响模型参数率定效率，还影响模型预测的精确性。为了准确辨识敏感参数，本文从局部和全局的角度，分别采用修正Morris筛选法和互信息法对参数进行敏感性分析。研究结果表明：洪峰流量和径流系数的敏感参数均为透水区曼宁系数和最小入渗率。本文选用的修正Morris筛选法和互信息法都可以识别出主要敏感参数，但前者对于敏感参数的识别能力有限，后者识别效率较低，建议在需要快速辨识模型主要敏感参数时采用修正Morris筛选法，进一步识别模型其他敏感等级参数时结合互信息法。

为探究深度学习结合多源数据融合算法在流域径流预测中的效果，采用双向长短期记忆神经网络模型，选取汉江上游区域长序列水文气象资料及大气环流因子数据集，结合集合卡尔曼滤波数据融合算法，构建研究区域内5个流域径流预测模型并进行验证。结果表明，在相同预见期内该模型相比于传统长短期记忆神经网络模型，各项预测指标均有提高且能较好捕捉径流序列极值。采用数据融合算法加入大气环流因子数据集后，不同流域模型评价指标可进一步提升且随着预见期延长模型评价指标变化更为平稳。此预测模型可有效提升流域径流预报效果，为基于深度学习的径流预测提供参考。

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。

开展大坝安全监控模型的研究可以对监测异常值进行预警，有助于监测大坝的运行状态，保障其安全运行。本文基于混凝土坝的监测数据，结合有限元（FEM）分析和传统的混凝土坝位移统计分析（HST），建立混凝土坝长期运行位移FEM-HST混合预测模型，其中水压分量通过有限元计算获得，有限元模型的材料参数根据实际测点监测数据反演得到；温度分量采用简谐温度模型；时效分量采用时间的线性函数和对数函数的线性组合统计模型。所建立的FEM-HST混合模型显著改进了HST模型的预测精度和稳定性，可反映大坝和地基的结构和材料特性，能够更好预测极端荷载工况下大坝的位移，这有助于监控大坝在极端工况下的工作性态。

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。

研究干旱风险传递规律及驱动因素，对干旱预警和水资源管理具有重要意义。选用标准化降水指数分析不同时间尺度下的西南地区干旱特征，采用脆弱性、暴露度和恢复力3种风险因子评估区域综合干旱风险，基于马尔科夫链和随机森林算法探究干旱风险传递特征及驱动因素。结果表明：不同时间尺度下，干旱历时与干旱烈度的空间格局基本一致；西南地区干旱风险从高到低依次为四川、重庆、云南、广西和贵州；一个区域若与风险低的区域为邻，干旱风险等级大概率下降，反之亦然；东亚夏季风指数和北大西洋多年代际涛动是影响重庆、四川、云南和广西干旱的主导因素，北大西洋多年代际涛动和太平洋年代际振荡是影响贵州干旱的主要因子。

风光接入流域梯级水电系统联合打捆外送是解决新能源消纳难题的有效途径，但也使得传统面向单一水电系统的调度方式面临极大挑战。为此，本文系统研究大规模风光接入背景下梯级水电站在长期、日前和实时尺度上的调度方式，并以雅砻江流域锦官梯级多能互补调度为实例，系统评估互补调度效益和风险。结果表明：大规模风光接入背景下，大型水电站水库的中长期水位应提前并加深消落，以增加枯期发电量并减少汛期弃水；互补运行能提升系统调峰能力，且调节水电日出力过程可缓解外送通道竞争；充分发挥梯级水电站的联合调度作用，能分别在日前和实时尺度上对风光功率进行电力补偿调节，弥补风光预测不确定性导致的发电偏差，提高供电可靠性。

为提高生态流量预警预报精度及水利工程生态调度效率，本文以浙江省椒江流域为研究对象，采用水文学法计算断面生态流量及预警阈值，利用主成分分析法筛选模型预报因子，并提出了基于深度学习和概念水文模型的河湖生态流量预报预警新方法。结果表明：柏枝岙和沙段断面最适宜的生态流量核算值分别为2.89 m3/s和1.92 m3/s；选取降雨和蒸发作为输入因子，采用网格搜索法寻找最优参数，极值梯度提升算法（XGBoost）在所有年份的生态流量预警等级信息预报合格率都达到100%；基于XGBoost和新安江水文模型的耦合预报模型能够很好地完成生态流量预警预报和水库生态流量调度工作。研究成果可为河湖水资源保护和监管提供决策依据。

基于长龙山抽水蓄能电站输水发电系统，采用两套不同比转速的水泵水轮机全特性曲线，模拟了电站同时甩负荷工况，结合机组工况点的迁移轨迹，总结了水泵水轮机过渡过程的规律性特征。给出了S特性角的定义，可用于评价水泵水轮机特性曲线反S区域对过渡过程的影响，比较了不同反S形特性曲线对过渡过程参数的影响，验证了给出的S特性角，同时也分析了导致过渡过程参数差异的原因。结果表明，甩负荷过渡过程参数极值均发生在机组飞逸点和零流量点附近的区间，该区域特性曲线的S特性角越小，其压强极值工况点越远离反水泵区，对应时刻的流量更大，流量变化率更小，过渡过程中压强极值得到较大改善。

针对风功率存在间歇性、随机性和波动性的特征及组合预测模型耗时长的问题，提出一种并行解决方案，建立集合经验模态分解（EEMD）与双向长短期记忆（BiLSTM）神经网络相结合的风功率并行组合预测模型。首先，利用EEMD将原始风功率序列分解为一系列本征模态函数；其次，借助多进程信息传递接口为本征模态函数构建并行BiLSTM神经网络子模型阵列，并采用贝叶斯优化算法率定各子模型超参数；最后，将并行子模型预测序列合成后便得到风功率预测结果。实例验证表明，所建模型在单步预测、多步预测和执行效率方面较五组对照模型均具备一定的优势。研究成果可为电网发电计划的制定及电力系统经济运行提供数据支撑和参考价值。

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。