数字孪生技术在某水利枢纽工程的应用

任海康，王晓云

（中水北方勘测设计研究有限责任公司，天津 300222）

某水利枢纽工程包括水库工程、供水工程和配套灌区工程。其中，水库工程正常蓄水位4 325.00 m，总库容3.75亿m3，电站装机容量为58 MW；供水工程多年平均灌溉供水量1 528 万m3，灌区农村人饮供水量86 万m3，县城供水量175 万m3；配套灌区工程灌溉面积超过0.26 万hm2。工程建设任务是以防洪、灌溉、发电为主，结合城乡供水，并为改善区域水生态环境创造条件。

数字孪生水利工程以数字化场景、智慧化模拟、精准化决策为路径，运用新一代信息技术耦合历史数据、实时数据以及算法模型，开展工程精细建模和业务智能升级，全面提升工程防洪调度、水资源优化调度、工程安全管理和运行管理水平，全面提升工程水旱灾害防御能力和水资源调配“四预”能力，为数字孪生流域建设奠定基础。

1 数字孪生工程总体设计

数字孪生水利工程建设依据智慧水利总体框架，并参照《数字孪生水利工程建设技术导则（试行）》[1]进行设计，包括信息化基础设施、数字孪生平台、业务应用、网络安全体系和保障体系等。本文主要对系统中数字孪生平台进行研究分析。数字孪生工程总体架构，如图1所示。

图1 数字孪生工程总体架构

2 数字孪生平台研究

数字孪生平台是由数据、模型、知识等资源及管理、表达、驱动这些资源的引擎组成的服务平台，提供在网络空间虚拟再现真实水利工程能力，为工程安全智能分析预警、防洪兴利智能调度等业务应用提供支撑。其主要研究内容包括数据底板、模型库、知识库和孪生引擎等。

2.1 数据底板

数据底板由地理空间数据、基础数据、监测数据、业务管理数据、外部共享数据等构成数字孪生水利工程算据基础。按照地理空间数据精度和建设范围，数据底板可以划分为L1、L2、L3 级数据底板。

2.1.1 GIS采集与数据处理

（1）总体思路。通过共享水利部L1级地理空间数据，进行航空摄影、倾斜摄影、无人船测量等，获取覆盖水利枢纽区以及配套灌区工程的垂直航空影像数据、倾斜航空影像数据、水下地形数据，并对数据进行整合处理，生产数字高程模型（DEM）、数字正射影像图（DOM）、倾斜摄影模型、水下地形等，建设完善L2、L3 级地理空间数据，为各项业务应用提供基础数据。

（2）数学基准。空间参考采用2000 国家大地坐标系（CGCS2000）的投影坐标系；高程基准采用1985国家高程基准。

（3）建设内容及范围。该水利枢纽区约2 km2，生产格网间距为2 m 的DEM、地面分辨率为0.1 m的DOM、下视影像地面分辨率为3 cm 的倾斜摄影模型。

该水利枢纽库区约10 km2，生产库区和回水区测量采样间隔优于1 m 的水下地形，淤积严重、冲淤变化明显的重点水下区域测量采样间隔优于0.5 m的水下地形。

配套灌区的干渠总线路长约74 km，管理范围和保护范围按河道以外100 m 计算，总面积约58 km2，生产格网间距为5 m的DEM、地面分辨率为0.2 m的DOM。

2.1.2 BIM模型建设

BIM 模型[2]是工程数字孪生专题范围内建筑物、构筑物、设备设施等数据的模型载体，也是BIM服务的基础信息模型，用于提供建筑物、构筑物、设备设施精确的构件尺寸、逼真的材质纹理和详细的属性信息。

枢纽区建模范围包括主坝、泄洪建筑物、发电引水建筑物、电站厂房、过鱼建筑物、安全监测设备、副坝、交通工程、供水线路等，灌区建模范围主要是灌区工程取水口。

根据《数字孪生工程建设技术导则》要求，运维期BIM 模型精度宜按对象划分为不同级别，对于坝区岸坡、工程土建、综合管网、机电设备等，宜构建功能级模型单元（LOD2.0）；对于闸门、发电机、水轮机等关键机电设备，宜构建构件级模型单元（LOD3.0）。模型应集成工程的几何信息、属性信息和位置姿态信息。本工程运维期工程土建、一般机电设备等，构建功能级模型单元（LOD2.0）；闸门、发电机、水轮机等关键机电设备，构建构件级模型单元（LOD3.0）。

2.1.3 数据库建设

本工程数据库主要包括基础数据、监测数据、业务数据、地理空间数据和外部共享数据等。

基础数据涵盖工程的主要属性数据，包括工程基础信息、设备信息、用户信息、权限信息、文档资料等。

监测数据涵盖工程直接采集的数据，包括工程安全监测数据、水雨情数据、视频数据、水质数据、水温数据、生态流量监测数据、供水流量数据、灌区水位流量监测数据和工程自动化监测数据等。

业务数据包括业务应用平台的数据，数据依据数据资源共享规范标准要求进行整合。业务管理数据及时更新，结构化数据利用关系型数据库存储，文档数据、图像数据等非结构化数据利用非关系型数据库存储。

地理空间数据建设采用共享及新建相结合的方式，对于汇集的模型数据进行轻量化处理，对于倾斜摄影模型数据进行单体化处理，将重要管理对象优化处理和细化处理，同时考虑到数据安全使用开展数据脱密脱敏工作，确保数据使用安全。

外部共享数据主要包括水利部、流域管理机构、水行政主管部门、自然资源和规划部门、统计局、地方政府部门、发改委、气象部门、水文部门、应急管理局等部门和单位相关数据，分别采用约定服务接口或数据文件采集的方式实现行业数据的共享交换，为工程综合决策调度提供更全面的数据支撑。外部共享数据应根据业务需要同步更新。

2.2 模型库

2.2.1 水利专业模型

按照“标准化、模块化、云服务”的要求，制定模型平台开发、调用、共享和接口等技术标准，保障各类模型的通用化封装及模型接口的标准化，以微服务方式提供统一调用服务，供各级单位进行调用。其主要包括洪水预报模型、中长期来水预报模型、工程安全监测分析模型及水库调度模型。

（1）洪水预报模型。该模型基于天气预报模式获取流域中短期气候预报数据，利用水文模拟方法进行产汇流量计算，得到未来一个月的水文预报。预报模式通过求解一系列描述大气物理过程的动量方程、连续性方程、热力学方程来模拟天气过程，其内部参数化方案较其他中尺度模式丰富，各物理过程间存在相互反馈，相关作用关系如图2所示。

图2 WRF模式中物理过程相关作用示意

（2）中长期来水预报模型。中长期径流预测方法多样，各算法复杂度、运算精度不一，在实际应用过程中可选用不同算法进行预测，最后进行预报方案的选择与评价，选择最佳预测方案，提高预测结果的可靠性。本项目可选择定性气象预报结合统计分析法、周期均值叠加法、小波周期分析法、季节性小波神经网络模型等进行中长期来水预测，并将各种方法集成到系统软件。该模型可以提供水库中长期来水预报，为水量调度决策系统中的调度计划制定提供计算理论支撑。

（3）工程安全监测分析模型。工程安全监测分析-统计模型是建立在数理统计基础上的模型，它具有“后验”的性质。由于工程安全监测的监测量（如位移、渗压、应力等）是各种环境因素综合作用的结果，为了解决各环境量与监测量之间的关系，可以建设数学分析模型。

工程安全监测分析-混合模型是综合利用统计分析和确定函数法建立的分析模型。这种模型主要考虑到前面2种基本方法的优缺点，综合了2种模型的优点。该模型以有限元方法求得水压分量的表达式，将温度分量计算改用统计方法求得，即用常规的温度因子和时效因素组成分析模型，用统计方法求得最佳回归方程，并用实测值进行校正和修改，从而使预测模型更加接近实际。这是介于统计模型和确定性模型之间的分析模型，其形式类似于确定性模型和统计模型。

（4）水库调度模型。基于工程特性和运行目标的分析，在保证管道安全稳定输水的前提下，根据水资源调度主管部门提供的当前面临日可供水量、当地可供水量和前期用水盈亏情况，考虑工程当前运行状态、各管道输水能力等条件，实时滚动修正旬水量分配方案，协调水量分配，形成全线实时水量分配方案。

根据实时调度运行与控制的要求，实时调度采用“前馈＋反馈”的控制模式。前馈控制是根据初始及目标状态的流量、水位、渠道蓄水量等信息初步制定闸/阀门流量变化过程。反馈控制是根据渠道水力要素采用闸/阀前常水位的控制方式，需要结合闸/阀前常水位的偏离程度进行。为此，实时调度模型开发过程中设置了渠道运行状态判别指标和控制策略对过闸/阀流量及闸/阀门开度进行修正，以保证流量变化过程与前馈制定的理论过程一致。

2.2.2 智能识别模型

视频识别功能服务应能利用大数据分析技术，采用全监督学习、半监督学习、无监督学习等专业的视频识别与分析算法，开展对采集视频数据的训练和修正，结合业务需求，实现对视频数据的分析与认知，可满足对诸如水库上下游河道的险情监管、“四乱”治理监管和工程运行安全监管的业务需求。

通过视频数据对工程水位、流量状态进行自动识别、预警与趋势分析，在此基础上结合历史水情数据、历史险情数据和气象数据，实现对可能出险工程的预警。

针对水库周边乱占、乱采、乱堆和乱建问题，通过对视频数据的分析，实现对种植阻碍行洪林木及高秆作物、河道采砂、污染物、漂浮物、非法建筑物等进行时事件和完成时事实的自动侦测、预警、统计和趋势分析，并结合水利巡检系统对“四乱”问题做到及时响应和处理。

通过对工程运行机房、闸室、建筑外观、周边河道视频监视数据的分析，自动侦测并预警人员非法下河、闸门启闭异常、工程运维人员违规操作、建筑物落石等影响工程运行安全的事件。

2.3 知识库

2.3.1 预报调度方案库

在收集已有调度方案的基础上，根据枢纽工程所在区域特点、水利工程、影响区域范围等，新建或修编所需预报调度需要的各类方案，并实现调度预案的信息自动化、文本化和知识化处理，结合预案关键信息检索与索引，构建预报方案调度库。通过将业务文档内容结构化处理，形成一系列可组合应用的结构化规则集，全面梳理各类水工程的相关调度方式，提出其逻辑化、数字化表达和存储方式，形成服务于防洪调度和水量调度的规则库。

2.3.2 业务规则库

针对枢纽工程监控及管理，围绕管理业务应用需求，主要包括水库、泵站、水闸、河道等重点工程的监测监控需求，监测数据的整编分析、风险分析、预警分析等分析评估需求，巡视检查、维修养护、管理考核等不同的业务需求，构建相应的业务规则库，通过接入实时数据按照业务规则判断数据是否越限，对于越限的监测数据按照预定义的规则进行分级、预警和警报，实现水工程安全运行监管。

2.4 孪生引擎

2.4.1 数据引擎

数据引擎提供多维多时空尺度数据汇聚、清洗、转换、共享、展示、计算、更新等服务能力，具备多类型多层次数据仓库，实现各类数据的采集清洗、标准化治理、数据服务、应用服务。

2.4.2 模拟仿真引擎

模拟仿真引擎以数据底板为基础，通过驱动水利虚拟对象的系统化运转，结合静态数据和动态数据，通过API耦合场景和模型进行物理驱动、实时渲染、动态视觉特效等，进而精准、快速表达水利专业模型和智能模型的结果，实现数字孪生流域/工程与物理流域/工程的历史数据及事件重现、实时同步仿真运行以及模型算法预测结果的模拟。通过实时渲染功能，实现天气变换、昼夜日照、光影效果、材质还原等功能。通过对物理流域或工程进行实时渲染，达到真正意义上的将现实世界孪生仿真到虚拟世界，并且为模拟仿真和业务功能的实现提供技术通路。

3 结论

水利枢纽工程管理业务庞杂，亟需按照数字孪生技术路线，以数字化、网络化、智能化为主线，构建数字孪生水利工程。通过开展智慧化模拟，支撑精准化决策，全面推进算据、算法、算力建设，加快构建具有预报、预警、预演、预案功能的智慧水利工程[3]，提升工程各项数据的运用水平，为水利工程的调度决策提供准确、高效的支撑。其中，数字孪生平台建设是数字孪生工程的基础和核心，通过本文论述内容的建设，可以全面提高该水利工程运行、维护、管理和决策的水平，同时提高工程的经济效益和社会效益。