小清河流域數字孿生智慧平臺設計與應用

李占華 ，趙紅兵 ，張慶竹 ，盧克，李建東

（1.山東省海河淮河小清河流域水利管理服務中心，山東 濟南 250100；2.山東鋒士信息技術有限公司，山東濟南 250101）

0 引言

小清河發源于濟南市南部山區，自西向東流經濟南、淄博、濱州、東營、濰坊等 5 市，干流全長為229 km，控制流域面積為 10 433 km2，流域地形南高北低，獨流入海，具有防洪排澇、內河航運、農田灌溉、水產養殖等功能。小清河流域已建成信息化基礎設施、通信網絡、數據資源及部分應用系統，其中信息化基礎設施建設包括監測感知體系、泵（閘）站監控系統、計算與存儲設備，使水利工程監測更加精準、高效，為流域管理提供了強有力的信息化支撐。

目前小清河流域已基本建成流域數字場景，構建了流域一張圖，監測感知體系覆蓋全流域，涉及 11 個排澇泵站和 27 個控制型閘站，并融合了 62 處重點水利工程 BIM 模型。初步實現智慧化模擬，融合各類實時水情監測信息，實現對流域內 8 座水庫的洪水演進模擬，構建 57 處斷面預報方案，對 49 處位移監測斷面、23 處滲壓監測斷面進行實時智能安全監測和堤防安全預警[1]。同時，整合小清河流域地理、206 個實時水情監測、實時氣象等信息，形成對流域內預見期降雨、河道水位、流量等情況的有效預報，并對洪水到達、淹沒情況進行預警。在探索智慧流域建設方面，建設基于監測信息感知、信息高效傳輸、險情診斷、防洪形勢研判、防汛決策與行動支持的全鏈條小清河流域防洪減災智能化指揮系統[2]。系統的開發和運用，為小清河流域水資源管理提供了更加全面、精準、智能化的支持，為流域可持續發展注入了新動力。根據水利部印發的《關于推進智慧水利建設的指導意見》[3]要求，數字孿生智慧平臺建設是推進智慧水利建設的重要任務之一。山東省海河淮河小清河流域水利管理服務中心（以下簡稱山東省流域中心）在原有的信息化基礎上，開展小清河流域數字孿生智慧平臺建設工作。

1 數字孿生智慧平臺設計

1.1 總體設計

數字孿生流域是智慧水利建設的核心與關鍵，以水利感知網、水利信息網、水利云等為基礎，運用大數據、人工智能、虛擬仿真等技術，以物理流域為單元、多維時空數據為底板、水利模型為核心、水利知識為驅動，對物理流域全要素和水利治理管理活動全過程進行數字化映射、智能化模擬，支撐實現流域防洪、水資源管理與調配“四預”，以及N項水利智能業務應用[4]。遵循《數字孿生流域建設技術大綱（試行）》[5]的建設要求，小清河流域數字孿生智慧平臺建設內容包括實體工程、基礎設施、數字孿生平臺、智能業務應用、交互等 5 個分層，以及標準規范、信息安全和運行維護等體系，整體架構如圖 1 所示。

1.2 數據流程

小清河流域數字孿生智慧平臺的數據主要包括流域各工程基礎、各前端測點監測、空間地理信息、業務及外部共享等數據，需要通過數據治理將數據匯集到數據底板，以整合現有自動化調度系統的數據為主。同時，系統外部環境、前端監測設備、已有業務系統的日常使用等也會產生大量數據，需要進行匯集整理。

建設過程中采集與制作的地理空間、BIM 模型等數據，也需要匯集到數據底板。數據匯集后，將數據引擎提供的數據服務作為模型平臺、知識平臺、數字孿生模擬仿真引擎、典型業務“四預”應用的數據出口，提供所需的各類數據。其中，模型平臺結合現有數據和建成的水利專業及智能識別等模型，具備模擬預測能力，對外提供服務與接口；知識平臺為“四預”應用提供預案、圖文檔資料的同時，也可通過積累工作人員、專家基于“四預”應用進行會商決策時產生的新知識，更新迭代知識平臺；數字孿生模擬仿真引擎通過結合自身建設的全要素場景、業務數據，以及時空服務和模型等平臺提供的分析能力，整合后對“四預”應用提供支撐。數據流程如圖 2 所示。

2 關鍵技術處理

2.1 基于多源數據的水利專業模型構建

小清河數字孿生智慧平臺中模型構建以模型結構和參數 2 個部分為主，模型結構反映降雨和徑流間的基本關系和轉換規律，模型參數是流域自然地理特征對降雨徑流關系影響的綜合反映。

圖2 數據流程

模型參數是指模擬過程中數學方程式的特定常數，包括土壤蓄水量、蒸散發能力、穩滲率、壤中流，以及地下水的蓄泄系數、河槽匯流系數等。小清河數據孿生智慧平臺中主要采用人工神經網絡和深度學習理論等智能算法率定模型參數，實現參數的智能化率定，其中人工神經網絡算法計算流程如圖 3 所示。

圖3 人工神經網絡算法流程

模型平臺中干支流交匯的神經網絡子模型以串并聯形式組成了神經網絡預報系統，并將水流輸控條件分段嵌入河道 ANN（人工神經網絡）模型，建立基于 DL（深度學習）的串并聯模塊化洪水智能預報模型，實現洪水風險的智能快速預測預警。

單一河道洪水預報是最簡單的預報形式，預報分為水位、流量、水位流量同時等 3 種預報模式。但對于存在旁側支流的河系，洪水預報比單一河道洪水預報復雜得多，以 3 種預報模式為基礎，分別建立相應的智能預報模型：1）以水位過程為模型輸入和輸出的單輸入和單輸出神經網絡模型，預報洪水水位沿河道的變化過程；2）以流量過程為模型輸入和輸出的單輸入和單輸出神經網絡模型，預報洪水流量的演進過程；3）以水位和流量過程為模型輸入和輸出的雙輸入和雙輸出神經網絡模型，考慮河道斷面水位和流量的非線性變化關系，同時預報洪水水位和流量的演進過程模型示意如圖 4 所示。

圖4 水位流量預報神經網絡模型示意圖

2.2 針對多源數據融合的數據處理體系建設

小清河流域數據具有來源復雜、類型多、格式多樣等特點，處理難度大，數據資產目標不明確。以《數字孿生流域建設技術大綱（試行）》為數據體系建設依據，建設以數據中臺為基礎的小清河數字孿生數據引擎，通過制定數據匯集流程、數據標準、標準化治理流程等工作，建成標準的、滿足小清河流域數據需求的數字孿生數據處理體系。

2.2.1 數據匯集流程

小清河自動化調度指揮系統已建成信息監測與管理、工程視頻監視、閘泵站監控、洪水預報調度一體化、工程管理、綜合辦公平臺、綜合展示一張圖、視頻會商等系統，需要統籌考慮各系統的數據來源和頻次等信息，按照標準規范要求進行加工處理入庫，數據匯集流程如圖 5 所示。

2.2.2 數據標準

建設小清河流域數字孿生智慧平臺相關的數據標準，包括《小清河自動化調度指揮系統開發與集成規范》《小清河自動化調度指揮系統信息采集與交換標準》《小清河自動化調度指揮系統數據源認證標準》《小清河自動化調度指揮系統數據源接入標準》《小清河自動化調度指揮系統數據質量管理標準》《小清河自動化調度指揮系統數據匯集標準》《小清河自動化調度指揮系統數據建模操作指導規范》《小清河自動化調度指揮系統數據服務設計規范》《小清河自動化調度指揮系統數據服務使用規范》《小清河自動化調度指揮系統數據運維管理規范》等。

2.2.3 數據資源目錄

數據資源目錄建設主要完成對工程類別、數據資源、數據源、指標數據的梳理與入庫操作，為智能應用提供主題維度上的數據支撐。資源標準的建設需要深入了解業務需求及數字孿生工程特點，從標準代碼分類、標準信息項分類、編碼規范定義等方面，對現有自動化調度系統編碼規范與數據資源管理平臺的數據資源規范進行融合，建設的資源目錄應能適配已建的業務系統、新建系統及后期規劃。

2.2.4 數據治理流程

隨著數字孿生智慧平臺的建設，山東省流域中心制定了數據匯集治理流程，以確保數據有效性和準確性，流程依賴總體框架進行分層，在每一層分步實施。各步驟各環節之間緊密配合，相互作用，經過治理后達到提供服務和分析挖掘的目的。

通過規范化管理和流程控制，保證小清河流域數據質量、可靠性和安全性。根據當前流域內的數據情況制定數據治理策略，將數據治理流程劃分為預處理、數據規范、數據清洗、標簽化、主題化、構建圖譜、分析挖掘等階段。同時，形成標準庫、主題庫、專題庫等數據資產，并嘗試將數據圖譜化，形成數據能力，提高數據的利用價值，為小清河流域管理和決策提供更加可靠的數據支持。數據治理流程如圖 6 所示。

3 小清河流域數字孿生建設實踐

圖5 數據匯集流程

3.1 工程場景實現

小清河數字孿生工程利用數字化建模和仿真技術，將實際工程場景轉化為數字場景，并基于數字場景進行模擬、分析和優化。通過數字孿生技術，結合三維 GIS 可視化技術和時空數據模式，構建三維可視化水利安全監測系統[6]，幫助工程管理人員理解、規劃和執行工程項目。通過數字孿生工程，進行工程模型場景的仿真、安全操作培訓腳本的制定和實時預演，模型庫和智能調度技術提供支持，以提高工程項目效率和質量。

圖6 數據治理流程圖

另外，數字孿生工程還可以利用模型庫提供的調度指令分解模型，結合當前工程狀態，給出操作指令，為指令執行提供支持。這種基于數字孿生工程的智能調度技術可以幫助工程管理人員更好地規劃和執行工程項目。

3.2 防洪“四預”體系構建

小清河流域防洪“四預”體系以防洪調度為核心，以預報、演進、調度、風險分析一體化為重點，以各類基礎信息和測報預報數據為支撐，構建要素齊全、智能聯動的智能防洪平臺。針對小清河流域多目標綜合調度的復雜性，在自動感知洪澇、臺風信息的基礎上，結合滾動預測預報成果，及時預警；利用數字孿生技術、數學模型和數據分析工具，開展模擬、仿真、分析、預測，為防洪調度決策提供支撐，保障流域區域水安全。防洪“四預”體系功能結構如圖 7所示。

預報系統提供水文模型分析過程和運算結果；對于超出預警閾值的模型運算結果，直接推送至預警系統，按照預警類型和預設的責任人體系，快速直觀地播發預警信息；預演負責為用戶提供一系列預設的專題情景，通過調用預報系統中對應的水文模型，輔助用戶以簡潔、科學的方式啟動洪水預演，在防洪預案庫的支持下為用戶提供預案優選服務，實現預報調度一體化業務新模式；預案系統在知識庫和人工智能模型的支持下，為用戶提供人機交互式的預案編制與會商分析決策支持[7]。

圖7 防洪“四預”體系功能結構圖

洪水預報預警和防洪調度等系統是流域防洪“四預”體系的關鍵子系統。其中，洪水預報預警系統根據實時雨水情分析防洪形勢，自動生成分析報告；將流域范圍劃分為 11 條預報河系，涵蓋 57 個洪水預報重點斷面，基于圖形化建模方案，構建預報調度模型庫，選擇不同河系進行自動化建模和洪水預報，選擇性展示和對比 11 條河系與 57 個斷面的洪水預報預警結果，計算過程中考慮了專家經驗的實時交互，實現了洪水預報與工程調度一體化、“守候式”自動預報及“觸發式”交互預報。防洪調度系統根據小清河流域防洪興利調度的業務需求，對流域內 9 座大中型工程進行多目標調度和風險計算模型建設，實現了洪水預報、調度、風險分析一體化及動態預演展示，并構建了多種情景數字案例庫。

以小清河流域模擬百年一遇洪水為例，洪水淹沒情況如圖 8 所示。系統集成河道和風險區一二維耦合水動力風險分析模型，實時計算潰堤洪水淹沒風險，并以時間維度對可能發生潰口處的淹沒范圍、避險轉移、救援資源等情況進行預演，實現了調度風險動態預演和預案展示，為流域洪澇災害防御提供調度決策支持。

圖8 洪水淹沒情況

4 結語

數字孿生智慧平臺以小清河流域為基礎，集成數據底板、數據引擎、水文模型和工程仿真，結合實時監測數據和水利專業模型，實現了對流域洪水的全面模擬和動態預測，能夠快速準確地預測洪水的發生和傳播情況，為防洪預警與調度決策提供科學支持。在2022 年汛期，平臺得到有效應用和驗證，為防汛實時決策提供了有力保障。

目前小清河數字孿生流域建設尚處于基礎起步階段，解決如何動態融合數據底板和水利專業模型，以及實時修正模型和利用可視化仿真引擎反饋結果，從而更好地為水利業務提供服務和應用，是未來數字孿生流域建設需要重點突破的方向和任務，真正發揮數字孿生的核心價值和作用，實現流域水利管理的智慧化。