长江中下游行蓄洪空间数字孪生建设方案构想

王权森

摘要：数字孪生与水利行业的融合是新一代信息技术、通信技术在水利行业的综合集成应用，是推动新阶段水利高质量发展的重要实施路径。目前水利行业智慧化水平仍然较低，对于数字孪生的研究与应用相对较少。为此，深入探讨了数字孪生的基本内涵与发展理念，并重点围绕行蓄洪空间数字孪生建设过程可能面临的问题开展了研究。研究给出了以数据底座建设、数字化场景建设、智慧化模拟与精准化决策支撑建设为主轴的行蓄洪空间建设总体方案。相关成果可为今后智慧流域建设提供有建设性的规划思路。

关键词：数字孪生流域; 行蓄洪空间; 数据底座; 智慧化模拟; 精准化决策; 长江中下游

中图法分类号： U231.4

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2022.02.031

0引 言

数字孪生是流域数字化转型的重要支撑技术，其主要通过历史资料以及传感器获取的实时监测资料，在算法模型基础上，利用分布式存储、数字映射、云计算等多种信息领域与通信领域技术，使真实世界中多时空尺度、多变量、多物理场、多概率过程在虚拟世界中进行数字化映射，并对相应物理实体的全生命周期过程进行历史复演、现实呈现与未来预测，实现物理世界与虚拟数字世界的孪生交互与融合，全面提升物理世界信息数据应用能力，降本增效[1-2]。随着各种传感通信、信息测量与控制决策技术的发展，以及计算机软硬件水平的大力提升，数字孪生技术也为各行各业发展提供了无限创新的机遇。自2016年起，数字孪生技术连续被Gartner Group公司评为当年的十大战略趋势之一，在工业、汽车、交通、航空航天等领域获得了广泛应用与高速发展，尤其是在智慧城市建设、能源系统规划以及智能制造方面取得了一系列的成果，极大加快了技术创新，促进了产业升级转型[3-5]。

近年来，水利部积极推进水利行业信息化、智慧化建设，随着信息资源和业务应用不断深入，数字孪生技术也已被推广应用至流域水资源规划管理中。2018年11月IBM公司首次提出了智慧地球的理念，并基于此为哥伦比亚水务局开发了一套智能水务系统，使得水务局能够前瞻性地管理水务基础架构[6]。蒋云钟[7]等借鉴“智慧地球”的理念，分析了“智慧流域”的战略需求与技术推动因素，并对其中使用的关键技术和支撑平台，如物联网技术、射频识别标签、无线传感器网络、云计算与云存储、流域虚拟现实系统平台、基于多源耦合的气象水文信息保障平台、二元水循环数值模拟平台、水资源数值调控平台和流域数据同化系统平台等进行了探讨。蒋亚东等[8]剖析了当前水利工程运行管理中存在的不足，重点分析了数字孪生技术应用在水利工程运行管理中的运行机制，提出了可通过数字孪生技术对水利工程运行过程进行实时的监测、诊断、分析、决策和预测，进而实现水利工程的智能运行、精准管控和可靠运维。同时，数字与水利融合的“数字孪生流域”“数字孪生水网”已经成为水利行业高质量发展的标志，多种水利智慧化系统平台不断涌现，包括“智慧长江”“数字黄河”“水利一张图”“智慧大坝”数字水利物联网等。

然而水利行业总体还处于智慧水利的起步阶段，与城市交通、电力、气象等智慧行业相比还存在较大差距。现有水资源信息化系统多面向特定水资源业务需求构建，各子系统各模块之间缺少协调和共享，数据壁垒、信息孤岛等问题突出，整体智慧化水平较低，缺少实时与外部交互的途径[9]。尤其是流域防洪体系数字化、智慧化建设仍面临诸多问题，如监测站网体系建设不足、无法实时感知流域动态发生的多种变化过程。同时，由于数据基础薄弱、模型基础与实际应用间差距较大等因素，导致现有模型算力难以支撑實际调度应用需求，且模拟精度较低，无法反映真实世界变化与虚拟世界响应之间的互馈关系。因此，如何立足于新时期智慧流域提出的新要求，以数字孪生为基础，建立流域水资源管理智能服务平台，已成为新时代水利事业高质量发展的必然选择。

在此背景下，本文将重点阐述对流域数字孪生基本内涵及其发展理念的认识与思考，并以流域行蓄洪空间数字孪生建设为目标，系统地论述行蓄洪空间数字孪生建设总体技术方案与建设内容，并对其未来发展方向进行了初步探讨。以期通过数字孪生技术手段，实现信息数字化、控制自动化、决策智能化，强化预报、预警、预演、预案“四预”功能建设，全面推进水利现代化发展，促进水资源集约利用。

1流域数字孪生基本内涵及其发展理念

1.1数字孪生流域基本内涵与特性

数字孪生流域是数字孪生技术在流域水资源综合管理中的应用，本质上是通过信息技术在虚拟数字空间中建立与真实世界中不同要素一一对应、不同物理过程互映射，且能与外部世界实时协同交互的孪生流域系统。流域数字孪生的目标对象具体包括整个流域范围内的如水库、堤防、蓄滞洪区等重要工程以及关键河道断面、水文站点、沿岸城市等不同要素以及不同尺度下各要素物理变化过程如降雨、产流、汇流以及水工程预报调度等。

相对于传统流域水资源管理系统平台，数字孪生最大的优势在于数学模型与物联网监测体系的有机融合，通过外部物联网监测感知体系可为真实流域仿真建模提供良好的数据支撑与更有力的建模手段。通过实时监测感知、通信传递、后台模型初始边界更新的信息传递链条，使后台模型能够不断获取与更新外部信息，更加完善地对现实世界进行“数化”与“赋息”。同时，在面对复杂水资源系统机理认知不足的问题时，可基于采集的大量数据样本，通过人工智能等技术建立“灰箱”或“黑箱”模型对复杂过程进行仿真建模，能有效对传统基于物理过程的建模技术进行发展、完善与补充，辅助精准化决策。

1.2数字孪生流域建设路线与发展理念

数字孪生流域可根据数据底座构建、数字化场景搭建、智慧化模拟与精准化决策支撑建设的总体路线进行发展建设。

（1） 数据底座。

数据底座是以时空大数据为基础，汇集不同领域的业务数据、传感器实时监测数据、结合5G、物联网等新一代信息通讯技术，形成集信息采集、记录、决策于一体的循环数据流。数据底座为数字孪生流域建设提供了基础，它也是孪生流域与真实流域的纽带，主要以全域要素数字化标识和空天地一体化感知监测站网体系为本底，通过外部数据动态感知、数据组织管理、对象数字化映射来使虚拟世界与物理世界进行链接。

（2） 数字化场景。

数字化场景建设则是孪生流域对真实流域的刻画，主要以数字孪生模型平台作为流域水资源综合利用信息集成展示载体，引入GIS、VR等三维可视化技术，根据不同业务决策需求，建设多尺度融合的数字孪生流域主题场景。

（3） 智慧化模拟。

智慧化模拟则重点体现孪生流域对真实世界的交互响应，主要以全域全景的数据资源、高性能的协同计算、深度学习的机器智能平台为“智慧中枢”，在虚拟孪生流域中对真实流域全要素全过程精确刻画与模拟。

（4） 精准化决策。

精准化决策是指孪生流域对真实流域的作用，结合智慧化模拟调度结果，从时、空、量、度4个角度对调度方案进行细化与优化，支撑不同时空粒度下调度决策精细化实施，并定量评估方案作用于真实世界后带来的影响。

通过数字孪生流域建设与完善，可创建一个业务对象的宇宙。在未来，能进一步形成“全域立体感知、万物可信互联、场景动态展示、分布式泛在计算、全景交互调控、数据驱动决策”的一整套流域水资源运行管理的新模式，如图1所示。

1.3行蓄洪空间数字孪生特点

由于流域内要素过多，变化过程庞杂，现有技术手段难以对流域进行整体数字孪生，需根据不同要素自身特性、业务需求特点，分区域、分工程对象进行数字孪生建设。行蓄洪空间作为流域数字孪生中重要的一环，其孪生对象主要是针对蓄滞洪区、洲滩民垸等现有防洪系统中薄弱环进行建设。现阶段，由于流域蓄滞洪区、洲滩民垸等行蓄洪空间缺乏管控、建设滞后等原因，行蓄洪空间数字孪生建设工作具有建设范围大、数据基础薄弱、运用机制尚未明晰等特点。因此，亟需建立更加智慧、精准的行蓄洪空间智慧孪生模拟体系，为行蓄洪空间调度管控与流域防洪减灾提供有力支撑。

2行蓄洪空间数字孪生建设总体方案与目标

2.1行蓄洪空间数字孪生建设总体方案

结合“四预”总体要求，按照“大系统设计、分系统建设”模式开展数字孪生流域建设。首先基于历史水情、雨情、工情、社情数据、自然地理资料以及站网实时观测资料，研发可感知互馈且能实时更新的数据底座。然后，充分调研业务需求，将河道水动力演进模型、行蓄洪空间运用模型与风险评估与决策模型等专业模型按照统一规范格式进行封装，形成专业模型库。在此基础上，结合人工智能等技术，建立知识图谱、智慧图谱、模型误差反馈校正模型、风险群决策模型与自适应调控等高阶模型。该类模型主要特点是具有高度的集成性与可解释性，模型机制更加符合人类的学习和决断过程，能有效提高现有模型算力，完善模型功能。同時高阶知识模型也是孪生流域能对真实流域全景、全要素、全时空、全过程进行“毫秒级”智慧化模拟的关键支撑。根据实时监测与智慧化模拟得到的险情、灾情信息，结合群智能决策支持系统，精准把控不同调度方案下风险发生的时空状态以及演变态势，并通过可视化技术完成集全域险情呈现、全态势感知预警、灾损互馈响应于一体的数字化场景建设，实现在人机交互条件下实时对调度方案进行反馈优化与精准化决策。行蓄洪空间数字孪生建设总体路线图如图2所示。

2.2行蓄洪空间数字孪生建设目标

行蓄洪空间数字孪生建设目标具体可分为以下4个目标：

（1） 基于空天地一体化物联站网监测体系，建立一个能实时更新的数据底座。

（2） 建成多尺度数字化场景，能将传统数字化场景的呈现方式从基于低维点、线、面展示方法提升为多维广域、全景的展示方法。

（3） 使水工程模拟调度从基于经验模拟调度模式提升为全要素全时空智慧图谱调度模式。

（4） 使决策支持从传统基于静态风险指标决策方法提升为交互式动态风险群决策方法。

最终可建设一个集流域感知监控、预报调度、方案预演、智能决策、预警发布、预案生成于一体，并具有深度自主学习能力、能不断自适应优化的可嵌入式流域数字孪生决策支持平台。从场景展示、计算能力、决策交互多角度对综调系统进行提升。

3行蓄洪空间数字孪生建设内容与关键技术

3.1数据底座建设

流域数据底座是支撑水利现代化高质量发展的新一代基础设施。数据底座建设应结合不同业务场景需求，考虑数据获取难度、建设成本、建设周期等多种因素，按照“分尺度建设，多尺度融合”的总体建设思路，

将流域数据底座分成大尺度、中观尺度与精细尺度不同场景进行分类别建设（见图3）。

（1） 流域层面数据底座建设。

流域层面，属于大尺度，其数据底座建设重点关注流域全局信息。流域层面数据底座以大尺度流域3维或2.5维地形图为底图，将能辅助决策的关键信息刻画到3维底图中，具体数据信息包含：流域大尺度卫星影像数据、DEM数据行政区划数据、道路数据、水系信息、地名数据等自然地理信息;各区域行政区划、人口、耕地、道路、单位、企业等社会经济数据信息;不同蓄滞洪区、洲滩民垸空间位置、实时工程状态信息等工情信息;堤防等重要建筑物空间信息以及实时工情信息;以及不同控制站点实时水情、雨情信息等。

（2） 河段层面数据底座建设。

河段层面属于中观尺度，其关注某一具体河段内信息。河段层面数据底座以河段高精度地形图为底图，将沿岸河道堤防、蓄滞洪区、洲滩民垸堤防和重要行蓄洪工程设施等，以及附近涉水区域重要跨河建筑物、重要临江建筑物、重要风险隐患堤段进行3维建模，部分区域可使用白模代替。并根据卫星影像提供的要素地理空间布局信息，将不同站点实时水雨情信息、河道沿程水位信息、流速信息、堤防设计水位信息、堤防级别、堤顶高程、堤段内部属性信息、关键风险隐患点信息、无人机与摄像头布设位置信息以及实时监测画面信息、沿岸城市人口、GDP等社会经济信息、道路信息等信息叠置在河段尺度数字3维模型中。

（3） 行蓄洪空间层面数据底座建设。

行蓄洪空间层面属于精细尺度，其重点关注某一个蓄滞洪区或洲滩民垸信息。行蓄洪空间数据底座以行蓄洪空间精细化3维地形图为本底，对行蓄洪空间分洪工程、围堤、隔堤、安全台等重要防洪工程进行3维数字化建模。将3维要素与地形图进行叠置，并将行蓄洪空间工程名称、所在行政区域、蓄滞洪区分类、设计蓄洪水位、蓄洪面积和有效蓄洪容积，围堤达标情况，分洪设施名称、位置、设计流量以及安全区名称、位置等静态信息以及实时分洪流量、淹没深度、淹没面积等动态工情信息刻画在底图上。

3.2数字化场景建设

在数据底座建设基础上，需结合不同阶段实际业务需求，按照“大尺度决策、小尺度精细”的理念展开，即面向規划设计、局部精细化模拟调度等不同场景的应用需求，构建能深入刻画相应尺度下系统动态过程与特性的数字化主题场景。其中，大、中尺度场景建设目标主要为了使决策者能便捷、快速掌握全局信息，进行统筹规划与决策。局部精细化尺度场景建设主要为使决策者能精细化掌握重点工程的风险变化情况。行蓄洪空间数字化场景建设可分为流域大尺度场景建设、河段中尺度场景建设与行蓄洪空间局部尺度场景建设。

3.2.1流域大尺度全景决策场景建设

大尺度场景建设重点关注流域宏观全局信息，防洪调度阶段不同，所展示的场景内容不同。在预报预警阶段，重点将不同站点降雨径流监测信息、预报信息以及关键河段水位、流量过程等工程信息以3维动画、3维专题图等多种方式直观立体地展示出来。并且根据预报流量超限量、水位抬升量，实时计算发生管涌、渗流、溃决等不同类型风险的堤防险段长度，并在3维底图上展示预见期内堤防最大险段范围、最大承灾时间等综合统计指标。

同时，流域大尺度孪生场景也可提供方便快捷的调度方案人机交互功能，在后台高阶知识模型支撑下，通过精细化修改调度方案，能在满足模拟精度的同时快速得到不同行蓄洪空间运用方案的模拟结果。并且，数字孪生系统将提供更多维的险情灾情描述信息。例如，可通过效益风险指标决策仓的形式给出堤防总超警时间、超警总长度、总淹没损失GDP等不同类型综合风险指标大小，并通过智能决策支持系统，记录并统计每个专家对不同方案的评价结果，通过模型计算对调度方案进行综合排序与优选。

数字孪生背景下，流域大尺度决策场景相对于传统调度手段在预警风险描述、方案计算效率以及决策指标和决策方式精细程度上将有极大提升。

3.2.2河段尺度数字化场景建设

河段尺度数字化场景视角主要聚焦于河段，重点呈现重点河段附近洲滩民垸、蓄滞洪区运用对河段风险降低效果。根据水文预报成果，结合知识图谱驱动的洪水演进模型，快速模拟出预见期内水流在干流和湖区的演进特征。通过框选或勾选河段附近不同蓄滞洪区与洲滩民垸，结合行蓄洪空间调度运用知识图谱，进行行蓄洪空间调度预演，判断不同行蓄洪空间投入使用组合对控制站沿程堤防水位降低作用，并对水位降低空间进行标记与突出展示。在此基础上通过热力图、配合统计表格精细化展示并量化河段堤防沿程风险大小变化情况。同时可在界面下方展示时间轴，动态显示不同时刻的河段堤防沿程水位、安全系数、行蓄洪空间水位、蓄洪容积、分洪流量、沿岸城镇淹没损失等要素动态变化情况。

此外，可根据历史险情分析，在关键控制河段附近设置多个历史险工险段作为风险点重点关注。点击风险点将进入全景视角，在漫游状态下对风险点进行云端巡视与监控，并将风险点附近河道沿程水位、堤防设计洪水位、堤防实时险情、以及淹没损失等统计数据刻画在3维全景视角中，辅助决策者近距离直观掌握重要风险区域的险情与灾情。

孪生场景的投入运用能使决策者更加直观、精细掌握关键河段不同断面、不同类型风险动态变化情况。图4展示了河段尺度数字化场景建设。

3.2.3行蓄洪空间尺度数字化场景建设

行蓄洪空间尺度数字化场景建设聚焦于分洪运用场景建设与避险转移场景建设。在启用分洪后。通过无人机、摄像头等监测设备，精细化决策分洪口门开启个数、分洪闸门开度、分洪速率等，并将这类信息在数据底座上进行赋息。结合行蓄洪空间分洪闸运用情况，动态仿真行蓄洪空间内部洪水行进状态，仿真洪水在研究区域的传播过程，实时展现洪水波的影响范围，如淹没面积、淹没水深、受影响耕地面积、受影响房屋面积、受影响人口、围堤状态等关键风险要素变化情况，并以流向图的形式展示区内水流流向，预估并标记将要淹没区域的范围。并且，实时展示闸前水位以及河段防洪控制站水位降低情况，用以分析蓄滞洪区分洪效果。并且可以结合“三大运营商”功能，并通过热力图等形式，展示避险转移人群实时状态信息（见图5）。

3.3智慧化模拟支撑建设

传统行蓄洪空间分洪运用、调度效果分析往往基于一二维水动力学模型实施，计算时间代价较高，极大限制了行蓄洪空间在实时联合防洪调度中的应用，无法快速准确反映物理世界真实扰动对孪生世界的信息反馈以及孪生世界的交互决策对真实物理世界的作用影响。而在数据孪生的背景下，由于数据维度与数据量的大幅增加，包括大量监测数据的实时更新，使得基于数据驱动的模型成为解决行蓄洪空间在实时调度模拟分析中运用困难的一条新的路径。新兴技术体系下行蓄洪空间调度运用建模与仿真也是行蓄洪空间数字孪生智慧化模拟支撑建设的重要研究方向。

因此，需在现有河道洪水水动力演进模型与蓄滞洪区、洲滩民垸分洪运用模型等专业模型基础上，基于大数据分析、人工智能方法，根据不同河段特点，对河道洪水历史演进过程样本数据进行特征因子提取，逐时段、逐断面建立历史来水以及预报来水信息与断面未来水位流量过程之间的映射关系，开发能够实现快速、精确的河道洪水演进模拟功能的智能演进模型。并在此基础上，进一步探明防洪工程群组对河湖水文情势的作用机理，抽取对下游保护对象防洪补偿效果明显的防洪工程实体组合，引入多种机器学习方法构建具有可解释性的人工智能动态学习模型，构建具有“时、空、量”跨维度效用防洪工程运用效果分析模型，支撑人机交互模式下全态感知与调度方案快速、精准的模拟计算。

3.4精准化决策支撑建设

通过高阶知识模型對数据底座进行智慧赋能，使得调度模拟模型计算效率与精度得到提升，可进一步辅助提升决策效率。然而，由于行蓄洪空间孪生系统建设面向大范围、全时空、多尺度、强耦合过程的业务需求，孪生系统运行模拟过程将产生复杂的决策信息。如何在广域、庞杂的决策信息流背景下，结合数字孪生系统信息多样性、集成性与高交互性等优势，是支撑防洪调度精准化决策的重中之重。

因此，行蓄洪空间调度精准化决策支撑建设应重点关注调度方案多属性风险评估与群智能决策的功能开发。需在智慧化模拟功能基础上，进一步根据不同河湖要素调度前后变化特征，建立时空态势图谱损失评估模型，根据调度前后水雨工情变化情况，评估并获取不同调度方案下淹没影响房屋、人口等灾情信息，实现精细化调度方案的同时，精准掌握全域风险变化情景。在此基础上，结合专家群组评估信息，建立群智能决策模型，统筹考虑多种效益风险指标，协调考虑专家组不同建议，选取综合最优的调度方案。最终建设一套“时-空-量-度”立体精细化调度决策体系，实现行蓄洪空间精准运用、风险损失精准刻画、洪量精细分配、人员精确避洪转移，如图6所示。

4结 论

未来智慧流域将具备更高的信息化、数字化水平，从而将真正意义上整体实现数字孪生流域的概念。行蓄洪空间数字孪生则将作为其中关键组成部分，在支撑流域防洪减灾中发挥重要作用。在此背景下，本文详细论述了流域数字孪生的基本内涵与发展理念，以行蓄洪空间数据孪生为例，提出了以数据底座建设、数字化场景建设、智慧化模拟支撑建设与精细化决策支撑建设为主轴的行蓄洪空间数字孪生建设总体方案，并论述了不同建设内容的功能意义以及相对于现有技术体系的功能提升。

综合考虑流域智慧化建设的现实条件，现阶段的研究重点应通过数据底座对流域现状进行精准、全方位、动态映射的现状孪生。并且在大量实测与历史数据的背景下，通过高阶知识模型学习、分析、识别并总结流域运转规律，使孪生流域可以自我学习。在此基础上，结合专家经验，在人机交互条件下，实现不同环境、不同调度方案下流域未来发展情景的模拟孪生，最后作出精准决策。在未来，可进一步融合、利用人工智能与机器学习等技术，拓展人类认知之外的知识，从纯数学的角度去解构流域水资源管理模式，分析提炼流域水资源管理可能出现的问题，并自动衍生出相应的解决问题的技术方法，实现流域自主孪生。

参考文献：

[1]刘海瑞，奚歌，金珊.应用数字孪生技术提升流域管理智慧化水平[J].水利规划与设计，2021（10）：4-6，10，88.

[2]向玉琼，谢新水.数字孪生城市治理：变革、困境与对策[J].电子政务，2021（10）：69-80.

[3]盛戈皞，钱勇，罗林根，等.面向新型电力系统的电力设备运行维护关键技术及其应用展望[J].高电压技术，2021，47（9）：3072-3084.

[4]王可飞，郝蕊，卢文龙，等.基于BIM的铁路数字孪生工程研究现状及展望[J].铁路技术创新，2021（4）：45-51.

[5]岳霆，张海林.飞机智慧维修的思考[J].航空维修与工程，2021（9）：16-19.

[6]许晔，郭铁成.IBM“智慧地球”战略的实施及对我国的影响[J].中国科技论坛，2014（3）：148-153.

[7]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.

[8]蒋亚东，石焱文.数字孪生技术在水利工程运行管理中的应用[J].科技通报，2019，35（11）：5-9.

[9]王成山，董博，于浩，等.智慧城市综合能源系统数字孪生技术及应用[J].中国电机工程学报，2021，41（5）：1597-1608.

（编辑：郑 毅）