数字孪生流域系统架构及关键技术研究

李文正

（北京工业大学信息学部计算机学院，100124，北京）

随着全球发展进入数字化、网络化、智能化新阶段，“数字孪生”理念应运而生。 2002 年，密歇根大学Grieves 教授在PLM 课程中提出“数字孪生”概念模型； 2010 年，美国国家航空航天局（NASA）在航空航天领域正式提出“数字孪生”概念，并将其定义为“集成了多物理量、多尺度、 多概率的系统或飞行器仿真过程”。 此后，领军制造企业将发展数字孪生解决方案作为推进工业互联网的重要举措， 数字孪生各领域也加快延伸拓展， 虚实互动的数字孪生成为复杂系统的求解之路。 数字孪生技术以数字化方式建立物理实体多维、多时空尺度、多学科、多物理量的动态虚拟孪生体来模拟仿真物理实体在真实环境中的行为、规律及特性。

一、数字孪生流域及系统架构

数字孪生流域是通过综合运用全局流域特征感知、联结计算（通信技术、物联网与边缘计算）、云边协同技术、大数据及人工智能建模与仿真技术，实现平行于物理流域空间的未来数字虚拟流域孪生体。 通过流域数字孪生体对物理流域空间进行描述、监测、预报、预警、预演、预案仿真，进而实现物理流域空间与数字虚拟流域空间交互映射、 深度协同和融合（如图1 所示）。

图1 数字孪生流域及动态映射和交互特征

数字孪生流域是一系列技术的集成融合创新应用，是新一代人工智能技术和水利行业的深度融合，是智慧流域的灵魂。 根据流域数字化和流域数字孪生构建两方面需求，数字孪生流域技术架构在整体上可划分为感知层、边缘计算层、数据传输层、数字流域平台、数字孪生应用以及贯穿全流域的系统安全六个层次 （如图2所示）。

图2 数字孪生流域系统架构

1.感知层/ 数据获取

感知层/数据获取主要用于流域断面监测、流域生态监测和流域环境监测，是将物理过程转化为数字信号的流域“神经末梢”。 通过部署在流域端的水文、水质及水环境等各种传感器实时获取多源/多维度数据，表征观测对象的动态特性。

2.边缘计算层

边缘计算层主要为流域断面数据、 流域生态监测数据和流域环境监测数据提供针对性的应用数据汇聚、轻量级局部存储和处理以及智能应用，构成数字流域的“低位神经中枢”。

3.数据传输层

数据传输层是数字孪生流域中实现流域边缘计算和数字化流域平台的通信桥梁，是支撑流域多源数据在边缘计算节点与数字流域平台之间双向流动的必要保障。

4.数字流域平台

数字流域平台包括流域数据智能（大数据模型、数据分析和数据处理）、机理模型（机理推演和模型算法）、算力网络（存储、计算和云边协同）以及集中式复杂数据/模型处理。

5.数字孪生应用

数字孪生应用是构建面向水利专业应用的服务平台，主要包括流域防洪、水利工程安全管理、应急管理、资源管理、 生态管理和虚拟孪生，具备预报、预警、预演、预案功能。

6.系统安全

系统安全贯穿数字孪生系统，保障流域各种传感器接入、边缘计算、数据传输、流域数字平台和流域智能应用全过程网络信息安全及流域关键基础设施安全。

二、数字孪生流域关键技术

数字孪生流域是新一代信息通信技术与传统流域管理技术深度融合的一系列技术的集成融合创新及应用，涵盖从全局流域特征感知到边缘计算集成多源异构数据的获取与处理，从边缘计算动态数据驱动的流域数字孪生体与物理流域深度交互、协同到流域数字孪生体的数字主线，从大数据驱动的流域人工智能算法模型到多孪生体模型的反向推演及仿真等关键技术。

1.面向复杂环境的低功耗新型传感技术及综合阵列传感技术

流域运行状态的全面、准确数字化表征是构建数字孪生流域的基础。为此，以重点流域水环境阵列传感技术传感器为数据来源，以多源数据融合为技术手段，是打造数字孪生流域的首要关键。 数字孪生流域低功耗重点流域水环境阵列传感技术如图3所示，具体包括以下内容：

图3 面向复杂环境的低功耗新型传感技术及综合阵列传感技术

（1）水文测报传感器

随着以电子技术为基础的传感器技术飞速发展，我国水文测报传感器研究得到迅速发展。 水文测报关键要素是水位、流量、雨量。

水位传感器：接触式水位传感器从传统的机械式浮子水位计发展到机械电子式和机械光电式浮子水位计及压力式、气泡式水位计等，传输方法从模拟量传输发展到数字传输、总线传输等，同时出现非接触式测量传感器，如雷达水位计、超声波水位计、激光水位计等。

流量传感器：目前进行流量自动测量的方式有缆道测流、多普勒流量计测流、超声波时差法测流、水工建筑物（涵闸）推算流量、水位比降法推算流量、 雷达水表面波流速测量等，河道测流手段有声学多普勒超声波流量计、雷达流量计以及声学多普勒流速剖面仪（ADCP）。 多普勒超声波流量计在结构上分为变送器和传感器两部分，能够测量河道流速、流量、液位、温度等数据，可以通过RTU 无线终端将测量数据上传到边缘计算节点。 雷达流量计采用先进的平面微波雷达技术，通过非接触方式测量水体的流速和水位，根据内置的软件算法，计算并输出实时断面流量及累计流量，这种测量精度高，抗干扰能力强，不受温度、湿度及风力影响，通过RS485、MODBUS 协议接口传输到就近边缘计算节点。

（2）水质传感器

我国现有的水质检测方法有利用便携式水质检测仪人工采样、实验室分析，水环境自动检测系统，利用遥感技术进行水资源监测，利用水生物监测水质等技术，无法对复杂多变的水环境进行大规模准确有效的实时在线监测。

（3）水环境传感器

现有水环境监测分析方法操作步骤繁琐、检测周期长，分析仪器体积大、价格高，水环境监测方法手段难以满足广域水环境流域现场实时检测及分布式组网在线监测的需求，水环境综合阵列传感器成为研究热点。 因此，亟须开发面向复杂环境的低功耗重点流域水环境综合阵列传感器满足这一需求。

2.边缘智能与协同技术

边缘计算是面向流域智能化需求， 构建基于流域海量数据采集、汇聚、分析的服务体系，支撑流域泛在连接、弹性供给、高效配置的流域边缘计算节点。 其本质是通过构建精准、实时、高效的数据采集，建立面向流域轻量级大数据存储、多传感器数据融合、特征抽取等基础数据分析与边缘智能处理及流域云端业务的有效协同（如图4 所示）。

图4 边缘智能与协同技术

3.流域通信与数据传输技术

针对数字孪生流域的物联网感知数据传输问题，需要探索覆盖重点流域断面、支撑多源数据传输的无线通信技术，为数字孪生流域多源数据传输提供安全可靠保障。

（1）面向数字孪生流域的智能传感器安全接入

流域终端传感设备作为物联网的感知层，承担着流域数据采集重要任务， 保证终端传感设备安全接入、防止系统被非法侵入是保证数字孪生流域物联网安全的重要环节。 传统的智能设备接入认证方案和身份认证协议在大规模物联网场景下的认证效率和安全性上存在严重不足。 基于区块链的分布式认证为数字孪生流域物联网安全接入提供了新的解决方法和思路，然而区块链融入端边云架构时，会面临系统架构、数据隐私安全、参与节点资源和共识等多方面的挑战。

（2）支撑多源数据传输的流域无线通信技术

针对建设数字孪生流域的需求，结合流域场景特点，探索面向流域无线专网通信技术，设计不同场景下流域无线专网深度覆盖，为数字孪生流域数据高效传输提供支撑。 目前，5G网络以大带宽、低时延、广连接为智慧水利场景的立体化感知、互联、智慧管理提供了多维度信息通信服务，然而由于流域范围大、距离长、气候差异大，使得5G 覆盖范围受限。 未来随着低轨道卫星和6G 的发展，构筑天空地水一体化融合组网技术（如图5所示）， 将具备更广阔的流域覆盖范围和泛在通信服务能力，将为数字孪生流域提供可靠的通信与数据传输。

图5 天空地水一体化融合组网技术

4.流域数字孪生体构建与数据驱动及仿真技术

流域孪生体的构建需要采集流域各要素数据、 构建各类型模型，并进行数据、模型集成融合，以实现流域孪生体与物理实体精准映射镜像。其中从流域实景三维建模到动态数据驱动的数字孪生流域模型以及数字孪生模型的反向推演仿真成为数字孪生流域的核心技术。

由于流域场景大范围、 长距离、环境构成的复杂性，流域数字孪生体构建需要建立以流域边缘计算汇聚数据为特征的流域特征要素状态与行为。 因此，在数据融合与数据驱动建模、流域机理建模、虚拟仿真等方面均存在很大困难。 对此，需要研究数字孪生流域的特征要素数据驱动技术、 高保真孪生体构建与仿真技术。 数字孪生平台构建与数据驱动及仿真技术如图6 所示。

图6 流域数字孪生体构建与数据驱动及仿真技术

三、数字孪生流域三角形设计模型

近十多年来，国内专家、学者在智慧流域方面进行的探索与实践取得了一些成效，在数字孪生流域方面也进行了有益探索。 但是，由于超大范围、超长距离、气候差异大、监测监控环境复杂、传感器类型多而复杂（地质、气象、水质、水文等）以及供电、通信传输等问题，流域全维度、全要素监测感知成为构建数字孪生流域的直接短板；另外，由于通信网络覆盖面小，尚未实现全要素全业务连接流域业务网，因此数字孪生流域总体上还处于初级阶段。

近年随着5G 技术+工业物联网场景的实践和探索，5G 已经驶入发展的快车道。 5G 技术通过联结物联网、边缘计算、云计算、大数据、区块链、人工智能等纽带， 打通了从数据采集、传输、存储、分析处理及决策的全过程，为数字孪生流域提供了新的方法和思路。

数字孪生流域是以数据、模型及服务为基础的一项系统工程，数字孪生技术在水利行业还存在应用场景少、技术瓶颈突破难等问题。 根据数字孪生流域场景特点，在数字孪生流域顶层设计中提出全流域场景统一的数字孪生流域三角形设计模型（如图7 所示）。 云、边、端数字孪生流域三角形设计模型体现了流域业务处理过程时效性、精确性、全面性等多方面的综合统筹均衡。

图7 数字孪生流域三角形设计模型

1.端——多源/ 多维流域传感设备

针对流域监测复杂的需求，在流域前端需部署满足云端数字孪生流域需求的多种流域传感器，以获取多源/多维度数据。流域传感器包括采用流域视频、水位、雨量等集成一体化杆式水文监测装置，水质全要素实时监测的高光谱水质监测仪以及水环境监测设备。

2.边——流域感知特征节点

根据数字孪生流域数据获取的需求，结合流域场景大范围、长距离、环境复杂、全流域数据获取困难的特点，在全流域中设置流域特征点（边缘计算特征感知节点），获取全部流域感知特征节点数据， 然后把所有感知特征节点数据汇聚到云端，这些数据就能间接反映出全流域的特征，也是数字孪生流域的直接映射数据。 流域感知特征节点的配置可以根据节点位置、通信环境的差异而有所不同。

3.云——流域数字模型及孪生应用中心

通过流域感知特征节点汇聚的数据建立流域数字模型，实现流域物理空间到数字空间的映射，从而实现基于数据驱动的数字孪生流域应用，最终实现预报、预警、预演、预案仿真，进而实现物理流域空间与数字虚拟流域空间交互映射、深度协同和融合。

四、结 论

从新一代信息通信技术发展趋势和演进的角度，围绕构建数字孪生流域系统，探索了数字孪生流域的端、边、云系统架构及数字孪生流域关键技术，提出了从流域碎片化感知到流域全局特征感知的流域孪生体构建和数字孪生流域三角形设计模型。

由于大范围、长距离、气候差异大，监测监控环境复杂， 传感器类型多而复杂，供电、通信传输复杂等特点，数字孪生流域建设成为高度复杂的系统工程，并呈现出多学科交叉、多领域融合的新形态和新模式。 其关键问题亟待突破，包括面向复杂环境下低功耗新型传感技术及综合阵列传感技术、覆盖重点流域通信与数据传输技术、边缘智能与协同技术、动态数据驱动的数字孪生流域模型以及数字孪生模型的反向推演及仿真技术。 ■