數字孿生三峽庫區建設關鍵技術研究

陳瑜彬 張濤 牛文靜 秦昊

摘要：

數字孿生技術在流域綜合管理中的應用仍處于探索階段，為了推動該技術在水利行業的深入應用，總結了數字孿生三峽庫區建設過程中的經驗，研究了建設過程中應用的關鍵技術。

通過預報方案體系智建工具、預報調度實時互饋技術、水工程調度規程推理技術、全鏈條水文智能預報方法等實現了流域智慧模擬預報；提出了基于LBS技術的洪水預報預警信息靶向發布的技術思路，實現發布機構與用戶的雙向互動智慧化預警服務模式；提出了宏觀、中觀、微觀多尺度，平面二維、立體三維、混合現實全場景的方案分析與展示思想，結合智能化模擬預報、智慧化預警，實現預報調度預演，輔助精準化決策。技術成果在三峽庫區防洪安全和淹沒影響分析中取得了較好應用效果，可為數字孿生流域建設提供參考借鑒。

關 鍵 詞：

數字孿生三峽庫區； 洪水預報； 預警； 預演； 預案； 人工智能

中圖法分類號： P208

文獻標志碼： A

DOI：10.16232/j.cnki.1001-4179.2023.08.003

0 引 言

數字孿生（Digital Twin）是在物理實體的基礎上通過數字技術創造的虛擬“克隆體”，即數字孿生體。物理實體和數字孿生體之間通常存在同步和閉環關系［1］，數字孿生體實時感知物理實體的狀況和環境，并隨物理實體演變以保持高度保真性；同時，通過數字孿生體的仿真、推演和預測分析，反作用于物理實體。數字孿生技術可以在不改變物理實體的情況下，“克隆”出與之高度相似的數字實體，在數字世界中觀察其特征、特性，并模擬不同“假設-分析”（What-if）場景，進而實現物理實體的性能改進，科學指導決策。數字孿生技術可以有效解決物理孿生存在的經濟投入大、試錯成本高等問題，現已廣泛應用于建筑設計［2-3］、智慧城市［4］、醫學分析［5］等領域，但其在流域綜合管理中的應用仍處于探索階段。

數字孿生流域是以物理流域為單元、時空數據為底座、數學模型為核心、水利知識為驅動，對物理流域全要素和流域管理全過程的數字化映射。通過智能化模擬，實現與物理流域同步仿真運行、虛實交互、迭代優化［6］。立足“十四五”水利高質量發展建設目標，各流域以及地方相關主管部門先后編制了數字孿生流域建設先行先試實施方案，并開展了相關研究與試點建設工作［7-11］，建設思路大同小異，技術手段各有千秋。

三峽工程是保護和治理長江的關鍵性骨干工程，其防洪、發電、航運、生態等多目標調度的影響范圍涉及整個長江流域。作為影響三峽工程運行管理的重要組成，三峽庫區集水庫運行安全、淹沒影響分析等問題于一身，尤其在面臨長江上游洪水和長江中下游洪水發生遭遇，且需要三峽水庫攔蓄上游洪水以保障長江中下游防洪安全時，其矛盾尤為突出［7］。因此，開展數字孿生三峽庫區建設，對流域防洪安全、水資源高效利用以及“四預”（預警、預報、預演及預案）的落地應用意義重大。本文基于長江水利委員會水文局（以下簡稱“長江委水文局”）在數字孿生三峽庫區建設過程中的實踐經驗，總結提煉相關關鍵技術，以期為數字孿生流域建設提供參考。

1 建設目標

數字孿生三峽庫區以“數字化場景、智慧化模擬、精準化決策”為目標，以“強感知、增智慧、保安全”為主線，以數字地形為底座，以干支流水系為骨干，構建三峽庫區（嘉陵江草街以下、重慶至三峽壩址）數字孿生體，并給合水災害防治、水資源節約、水生態保護及水環境治理等實際業務需求，探索并實現數字流域場景中的動態交互、實時融合和仿真模擬（見圖1）。通過開發預報、預警、預演及預案等功能，深化新數據、新技術、新模式的落地應用，推進并實現“四預”能力建設，逐步形成智慧決策系統，以提高流域管理智慧化水平，為全面推進長江流域經濟社會發展和長江經濟帶戰略實施提供強有力的水安全信息化支撐與保障。

2 技術架構

數字孿生三峽庫區整體架構與智慧水利總體框架契合，主要由7大業務板塊和2大保障體系組成，如圖2所示。其中，業務板塊主要包括流域感知體系、多維多尺度時空數據庫、數字化場景、智能化模擬、精準化決策、智能中樞和試點平臺7項建設內容，保障體系主要由網絡安全體系和綜合保障體系2大部分組成。基于此架構，構建與物理流域同步仿真運行的數字孿生三峽庫區，通過數字賦能，精準模擬庫區來水，科學調控洪水、水資源，從而實現智慧防洪、水資源調配。

3 關鍵技術

3.1 智能化模擬預報

3.1.1 預報方案體系智建工具

預報方案是實現洪水模擬預報的基礎。通過梳理優化方案構建業務流程，規范方案類型，標準模型參數接口，制定組件化、積木式向導建模程序，實現預報方案體系智慧搭建（見圖3）。方案構建業務流程具體包括預報節點確定、流域邊界圈畫、方案類型界定、預報模型選擇、雨量信息配置、模型參數設置與優化、預報體系生成等環節。

（1） 預報節點確定。將水文站、水庫站、水位站或虛擬站抽象為圖形對象（圓形、矩形、三角形等），配置相應屬性，如圖形大小、顏色、站名、站碼，通過站碼與數據庫基礎屬性表連結，獲取站點屬性信息，如經度、緯度、交換管理單位等。

（2） 流域邊界圈畫。采用java語言，自主開發封裝了基于GIS的智能分析接口服務，主要實現DEM水文分析、空間疊置分析等功能。不僅能夠劃分邊界范圍、提取流域面積，還能輔助確定雨量站點權重（泰森多邊形法）。

（3） 方案類型界定。將預報方案類型劃分為閉合流域方案（PQ）、河道演算方案（QQ）、非閉合流域方案（PQQ，即PQ+QQ）。閉合流域方案僅需配置降雨徑流模型，河道演算方案僅需配置河道演算模型，非閉合流域方案同時配置降雨徑流和河道演算方案。

（4） 預報模型選擇。通過制定模型封裝、集成技術規范，形成模型服務開發標準體系，創建基于資源共建、共管、共享模式的“CJH模型應用市場”，為方案配置提供算法支撐。目前納入應用市場的模型主要有：新安江模型、API模型（降雨徑流關系模型）等傳統模型，江湖分蓄洪區容積自適應洪水模擬模型、洪水概率預報業務化模型等一系列具有自主知識產權的預報模型。方案構建時，可根據方案類型和下墊面條件，從“CJH模型應用市場”中選擇適用的預報模型。

（5） 雨量信息配置。預報方案的相關雨量站配置提供界面輸入和自動篩選兩種方式，并支持算術平均和泰森多邊形兩種權重計算方法。前者為預報方案的相關雨量站配置提供人機交互設置入口，后者結合GIS分析功能，自動篩選流域范圍內的雨量站點。

（6） 模型參數設置與優化。模型參數設置提供界面輸入與自動率定兩種方式，并在模型參數保存入庫時自動檢驗模型參數的合理性。前者為已有方案（模型參數）提供人機交互設置入口，后者采用單純形、SCE-UA等優化算法自動優化率定模型參數。

（7） 預報體系生成。采用向導啟發式工具搭建預報體系概化圖，依據上下游拓撲關系及水力聯系，將各個抽象化的節點（水文、水位、水庫站等）通過線性對象（河流）連接，并針對每個節點依次開展流域邊界圈畫、方案類型界定、預報模型選擇、雨量信息配置及模型參數設置與優化等模型實例化工作，從而實現對象與對象、對象與模型間的無縫融合，形成可以實時模擬流域水流的預報體系。

3.1.2 預報調度實時互饋技術

水工程的建設運行改變了河流的天然狀態，使得連續水流過程出現多阻斷等特性，在預報體系上的具體表現為預報節點與調度節點串聯、并聯或混聯，相互制約、相互影響。2019年，長江委水文局率先提出了預報調度一體化理念，以解決變化環境下流域防洪預報調度的業務需求［12］。

隨著納入長江流域聯合調度運用計劃的水工程數量越來越多（2022年已增加至111座［13］），調度范圍從上游逐步向上中游干支流延伸；調度對象從水庫群逐步拓展至排澇泵站、蓄滯洪區、引調水工程等多類型水工程；調度目標從單一防洪調度向防洪、供水、發電、生態、航運、應急等多目標綜合調度轉變；調度時間從汛期調度向汛前消落、汛期防洪、汛后蓄水、全年供水及應急處置全過程延伸［14］。模擬預報日益復雜，調度

決策日漸精細，預報調度實時互饋需求日趨強烈。

針對當前預報與調度業務分離、信息與模型共享困難、人機交互缺乏人性化、重復開發難以管理以及實時預報調度方案制作時效差等一系列問題，研究提出基于河網空間拓撲的自適自優預報調度一體化技術，結合工程調度規則設置，構建預報調度實時互饋體系。根據調度對象、目標節點，采用知識推理方法與在線協同技術，優化大體系、跨河系計算路徑，提高計算效率，實現三峽及以上水庫群聯調聯算（見圖4）。

3.1.3 基于知識圖譜的水利工程調度規程推理

知識圖譜是以圖的形式表現客觀世界中的實體（概念）及其之間關系的知識庫［15］，融合了統計學、信息科學、語義分析、智能識別等不同領域新興研究方法，為海量信息的知識提取和可視化提供了有效技術手段。調度規程是水利工程調度的重要依據，然而隨著投入運行的工程日益增多，調度規則日趨復雜。如果能夠在聯合調度時，快速地推理出符合各項調度規程的調度目標和調度邊界，將為實現大規模水工程多目標全局優化調度提供有效的支撐。知識圖譜技術為此提供了有效途徑。

基于知識圖譜的水利工程調度規程推理，包括構建調度規程圖譜模型、生成調度規程圖譜和調度規程圖譜推理3個部分［16］。其中，構建調度規程圖譜模型是建立調度規則的存儲方式，通過分析各個水利工程的調度規程，總結調度條件的表達方式，構建能夠用于自動推理計算的知識圖譜；調度規程圖譜生成是將基于自然語言編寫的調度規程文本信息，通過實體關系抽取算法，按照圖譜模型，存入知識圖譜之中；調度規程圖譜推理是利用圖計算理論和有限狀態機思想，以當前的流域情勢作為輸入，通過推理知識圖譜實體與關系之間的聯系，查找滿足調度規程的約束條件，實現調度方案的推薦（見圖5）。

3.1.4 全鏈條水文智能預報方法

水文模型是開展數字孿生流域建設和“四預”應用的算法支撐。隨著氣候變化疊加強人類活動影響，傳統水文預報模型和方法的適應性面臨巨大挑戰。人工智能（Artificial Intelligence）是研究、開發用于模擬、延伸和擴展人的智能的理論、方法、技術及應用系統的一門新的技術科學，越來越廣泛地應用于洪水預報領域［17-19］。長江委水文局基于人工智能技術，開展涵蓋模型構建、參數優選、實時校正的全鏈條水文智能預報方法研究。通過人臉識別和深度學習技術［20］，實現了基于水文特征提取的洪水預報方法［21］，顯著提升了水文預報的精度和計算效率；提出了基于機器學習的水文模型參數自優化算法，通過構建動態參數庫，實現了水文模型參數的差異化優選，改善了不同洪水過程擬合效果；提出了基于狀態機模型的江湖分蓄洪區容積自適應洪水模擬方法，通過構建分蓄洪區狀態機、入湖洪水演算方案和大湖演算模型相耦合的實時洪水模擬調度模型［22］，實現了江-湖-分蓄洪區洪水聯調聯算；創新了基于長短時記憶神經網絡的預報誤差實時校正技術，通過對歷史預報誤差規律的再學習，合理修正水文預報模型計算結果，進一步提高預報精度。

3.2 智慧化預警

“預”字當先，洪水預警是防范洪水風險、減少災害損失的重要非工程措施。《長江水情預警發布管理辦法》（試行）［23］規定水情預警由水文機構根據發布權限，通過廣播、電視、報紙、電信、網絡等媒體統一向社會發布。傳統水情預警時效性強，覆蓋面廣，但發布方式略顯傳統［24］，針對性不足，不能將預警信息直接推送至可能遭受威脅人員，大范圍不區分對象的信息發布方式冗余度過大［25］。隨著智能手機、穿戴設備、車載導航等具備實時定位功能的電子設備逐漸普及，依托大數據應用技術實現預警智慧化精準靶向推送成為可能（見圖6）。

LBS（Location-based Service），即基于地理位置的服務，是指通過電信移動運營商的無限通信網絡（如GSM網、CDMA網等）或外部定位方式（如GPS、WIFI、NFC、Bluetooth等定位技術），獲取用戶移動終端的地理位置信息，并在地理信息系統平臺的支撐下，為用戶提供所需的與位置相關信息的一種服務形式［26］。根據庫區地理信息（土地線、移民線、道路等）制定水情預警指標，結合洪水預報系統預報成果（入庫流量、水面線等）生成預警信息，采用LBS技術獲取實時數據（人流、車流、地圖搜索等），建立智能識別、關聯觸發規則。通過預警發布平臺將預警信息發送給影響范圍內的接收對象，實現預報預警信息靶向發布，預警服務模式從發布機構向用戶的“單向推送”轉變為發布機構與用戶的“雙向互動”。

3.3 多維嵌套數字化場景

數字化場景技術是通過三維GIS、VR、粒子效果等技術將數字流域以虛擬現實的方式展現給用戶，從而讓用戶可以通過數字流域來監控、分析和控制物理流域，實現“降本、增效、提質”的效果。考慮應用需求、硬件條件、計算效率以及建設成本等因素，提出了宏觀、中觀、微觀多尺度，平面二維、立體三維、混合現實全場景的方案分析與展示思想。宏觀尺度，采用平面二維場景，主要關注空間分布、相對位置，重點把握全流域形勢。中觀尺度采用2.5維場景（假三維），主要關注特定區域影響范圍，重點把握區域形勢。微觀尺度，采用傾斜攝影、BIM建模構建立體三維，主要關注洪水對局部重要構筑物的影響。混合現實場景利用AR、MR技術，實現虛擬對象與現實世界的疊加，提供更為強大的用戶體驗。

3.4 精準化決策

數字孿生流域建設的核心目標是通過預演預案實現精準化決策。借助孿生流域試錯成本低的技術優勢，基于智能化洪水模擬預報成果和水工程調度預案、歷史調度案例以及水工程調度策略，采用“業務端+決策端”相結合方式，開展預報調度實時互饋的水工程調度預演，生成多套預演方案，從多尺度全場景展現方案效果，評估方案風險，尋求最優的調度方式，實現精準調度決策（見圖7）。

業務端主要針對預報專業技術人員，利用預報調度實時互饋技術、基于知識圖譜的水利工程調度規程推理技術及全鏈條水文智能預報方法，實現不同降雨場景、不同水利工程調度工況及目標的現場即時推演分析，為決策端提供數據支持。決策端主要針對會商決策者，利用多維嵌套數字化場景構建技術和業務端的計算成果，實現多方案的優劣對比及風險評估分析，為決策者提供直觀可視、全面且形象的決策依據。同時，采用電腦雙屏（瀏覽器雙頁面）方式展現業務端和決策端，并通過數據流共享方式實現業務端與決策端的數據即時更新及互動互饋。

4 結 語

本文介紹了數字孿生三峽庫區建設的目標以及技術框架，提煉總結了建設過程中涉及的關鍵技術，初步形成了集智能化模擬預報、智慧化預警、多維數字場景建設及精準化決策于一體的成套技術成果。該成果在長江流域1870年歷史洪水預報調度推演中服務于三峽庫區防洪安全和淹沒影響分析，示范應用效果較好，可為其他流域數字孿生建設工作提供技術參考。在流域感知體系、多維多尺度時空數據庫建設和孿生體綜合算力提升等方面仍有待繼續深入和突破。

參考文獻：

［1］ 陶飛，劉蔚然，劉檢華，等.數字孿生及其應用探索［J］.計算機集成制造系統，2018，24（1）：1-18.

［2］ 李雪瑞，侯幸剛，楊梅，等.數字孿生驅動的工業產品CMF設計服務模型構建與應用［J］.計算機集成制造系統，2021，27（2）：307-327.

［3］ 沈娟斐，李超，陳岳飛.數字孿生在建筑工程領域的應用［J］.中國檢驗檢測，2022，30（3）：6-10.

［4］ 李超，劉君武，王理，等.數字孿生在智慧城市中的應用［J］.中國檢驗檢測，2022，30（4）：42-46.

［5］ 陳岳飛，王思思，田明棋，等.數字孿生技術在醫療健康領域的應用及研究進展［J］.計量科學與技術，2021，65（10）：6-9.

［6］ 李國英.建設數字孿生流域推動新階段水利高質量發展［N］.中國水利報，2022-06-30（1）.

［7］ 黃艷.數字孿生長江建設關鍵技術與試點初探［J］.中國防汛抗旱，2022，32（2）：16-26.

［8］ 劉昌軍，呂娟，任明磊，等.數字孿生淮河流域智慧防洪體系研究與實踐［J］.中國防汛抗旱，2022，32（1）：47-53.

［9］ 夏潤亮，李濤，余偉，等.流域數字孿生理論及其在黃河防汛中的實踐［J］.中國水利，2021（20）：11-13.

［10］ 饒小康，馬瑞，張力，等.數字孿生驅動的智慧流域平臺研究［J］.水利水電快報，2022，43（2）：117-123.

［11］ 李建新.數字孿生海河建設及關鍵技術［J］.中國水利，2022（9）：17-20.

［12］ 陳瑜彬，鄒冰玉，牛文靜，等.流域防洪預報調度一體化系統若干關鍵技術研究［Ｊ］.人民長江，2019，50（7）：223-227.

［13］ 水利部長江水利委員會.2022年長江流域水工程聯合調度運用計劃［Z］.武漢：水利部長江水利委員會，2022.

［14］ 金興平.2021年長江流域水工程聯合調度實踐與成效［J］.中國水利，2022（5）：16-19.

［15］ 黃恒琪，于娟，廖曉，等.知識圖譜研究綜述［J］.計算機系統應用，2019，28（6）：1-12.

［16］ 秦昊，閔要武，鄒冰玉，等.一種基于知識圖譜的水利工程調度規程推理方法：202110920076［P］.2021-11-19.

［17］ JIANG S，ZHENG Y，WANG C.Uncovering flooding mechanisms across the contiguous United States through interpretive deep learning on representative catchments［J］.Water Resources Research，2022，58：e2021WR030185.

［18］ 劉昌軍.基于人工智能和大數據驅動的新一代水文模型及其在洪水預報預警中的應用［J］.中國防汛抗旱，2019，29（5）：11-22.

［19］ 周研來，郭生練，張斐章，等.人工智能在水文預報中的應用研究［J］.水資源研究，2019，8（1）：1-12.

［20］ 陳瑜彬，閔要武，馮寶飛，等.一種基于人臉識別算法的實時洪水預報智能方法：CN112711917A［P］.2021-07-16.

［21］ 程海云，閔要武，馮寶飛，等.一種基于深度學習的特征提取水文預報的方法：CN110619432A［P］.2019-12-27.

［22］ 官學文，馮寶飛，陳瑜彬，等.一種基于狀態機的江湖分蓄洪區容積自適應洪水模擬方法：CN114357895A［P］.2022-06-07.

［23］ 長江防汛抗旱總指揮部辦公室.長江水情預警發布管理辦法（試行）［Z］.武漢：長江防汛抗旱總指揮部辦公室，2013

［24］ 程海云.2020年長江洪水監測預報預警［J］.人民長江，2020，51（12）：71-75.

［25］ 查治榮，徐保超，周慶鵬.基于位置的城市水文預警信息服務平臺研究［J］.中國水利，2018（17）：58-59，57.

［26］ 唐科萍，許方恒，沈才樑.基于位置服務的研究綜述［J］.計算機應用研究，2012，29（12）：5-8.

（編輯：鄭 毅）

Abstract：

The application of digital twin in basin comprehensive management is still under exploration.For promoting deeper application of digital twin technology in water conservancy filed，we summarize the experiences in the construction of digital twin of Three Gorges Reservoir region，and introduce some key technologies applied in the construction process.Through the intelligent construction tool for forecasting scheme system，real-time forecast-scheduling mutual feedback technology，deducing technology of water projects dispatching rules，whole-chain smart hydrological forecast method，we realize the intelligent forecasting and simulation of the basin.Based on the LBS technology，we propose a targeted release method for flood forecast and early warning information，a two-way intelligent interaction between users and management organization is achieved.Meanwhile，we develop a scheme analysis and display methodology that is characterized as multi-dimensional with macro-scopic，medium-scopic，micro-scopic，and whole scene with 2D，3D and mixed reality.Based on this and combining with intelligent forecasting and pre-warning，we achieve the forecast based scheduling rehearsal and assisting the accurate decision-making.The set of technologies mentioned above have achieved better application results in the flood control safety and the analysis of inundation impact in the Three Gorges Reservoir region，which can provide a reference for the construction of digital twin basins.

Key words：

digital twin；flood forecast；early warning；rehearsal；reserve plan；artificial intelligence；Three Gorges Reservoir region