基于數字孿生的泵閘群自動化調度系統研究

鄭安琪，Sikandar shah，梁 健

（揚州大學 電氣與能源動力工程學院，江蘇 揚州 225127）

自進入21 世紀以來，信息技術正在經歷爆炸式的發展，改變了人們的生活方式。信息物理系統使用大數據、物聯網等信息技術在現實與虛擬之間創建了橋梁，通過使用數字孿生技術搭建由傳感器、發送器、云計算平臺等設備組成的數字孿生平臺，進一步推進了水利工程自動化向智能化、信息化、數字化發展。

隨著5G 時代的到來，無線通信系統技術快速發展，信息的采集與管理不再僅僅依靠人力管理，無線網絡提高了信息傳遞的效率。在數字孿生平臺中，無線通信技術大大提升了各層之間數據的傳輸效率。

未來，水利行業數字孿生技術將實現把水利工程自動化計算機測控技術與信息技術進行有效融合，進一步優化傳統水利工程信息化系統的弊端，提升水利工程精細化管理與科學化管理水平。本研究選擇了采用數字孿生技術（Digital Twin Technology）進行泵閘群的數據采集與仿真，這項技術能夠大大推動泵閘群的自動化、信息化和精細化管理，進一步完善預報、預警、預演和預案等功能，實現流域治理管理的數字化、網絡化和智能化，加快新階段智慧水利的高質量建設[1]。

1 數字孿生平臺

2002 年，美國密歇根大學教授Michael Grieves 博士提出了“物理產品的數字等同體或數字孿生體概念”，能夠實現物理空間在虛擬數字空間交互映射[2]。近些年來，隨著水利泵閘自動化工程的不斷建設和改造，我國也逐漸將發展泵閘群的自動化控制技術列為發展重心。目前，我國在圩區排澇集中控制調度智能化方面的應用研究還是十分不足的，且由于泵閘站配套管理落后、泵閘站間信息傳遞效率低等問題，導致流域內管理人員無法及時做出合適的決策方案。隨著物聯網概念的日益普及，信息的采集與管理不斷向智能化發展，數字孿生技術開始被應用于一些流域內排澇的自動化控制工程中，有效地提高了流域內泵閘群設備的運行效率以及安全性。

數字孿生技術是物聯網及工業4.0 的重要技術手段，綜合了數據感知、運算和建模等技術，能夠精準分析泵站、閘門的物理狀態，構建與其完全相同的數字模型，同時能夠監控流域內流量、流速、水位等重要運行狀態，采集實時數據不斷完善數學模型，為后續的泵閘群運行提供更精確的決策，實現了描述、診斷、預測和決策，如圖1 所示[3]。將數字孿生技術與相關流域的規劃、水資源調度管理、水旱災害防御及當地政策等相結合建立流域數字孿生模型，解決泵閘群的最優調度決策問題，推動我國水利工程向智慧化發展，合理利用水資源，改善了水生態環境。

圖1 數字孿生技術

2 系統設計

本系統采用了模塊化結構設計的理念，以“一中心多模塊”的設計將業務功能模塊耦合集成，實現各模塊系統功能動態組合，其框架結構如圖2 所示，滿足了各模塊功能完善形成閉環，使得該系統具有完備性、可擴展性、兼容性和重用性[4]。通過搭建泵閘群的數字孿生平臺，將物理空間的泵閘群映射到數字空間，幫助管理人員進行調度決策和異常報警，達到提升泵閘群自動化調度的智能化水平的目的，推進了智慧水利的建設，構建安全監測、生產運營管理、巡查管護、綜合決策支持應用體系[5]，實現監測數據采集、數據處理、數據分析和數據可視化等功能。

圖2 泵閘群“一中心多模塊”框架

本設計構建的泵閘群自動化調度系統將以上技術手段分為了5 個層次，分別為感知層、設施層、數據處理層、平臺服務層和應用層，其流程為傳感器所采集到的數據通過感知層傳輸至設施層，再通過數據庫、云數據等平臺送至數據處理層，經過不斷地分析、處理及動態建模后傳輸到平臺服務層展示結果，最后進入應用層。

3 泵閘群數字孿生工程構建

目前，全國大部分泵站、閘門都比較分散，地理位置較為偏僻，且多通過人工巡檢方式進行啟停泵閘，此方式不僅效率低下，當遇到澇災時危險系數也非常高。在水利工程中，泵閘群是十分重要的水工建筑物，控制著流域內水資源的調配。因此，在智慧水利工程中需要實時監測泵站、閘門附近的水流量、水位等數據，及時與泵閘的安全邊界做對比，分析泵閘的運行態勢，以便更快速、合理地應對流域內供水需求與澇期洪水等突發情況，保障設備及周圍居民的安全。以揚州市江都區通南高沙區為例，結合數字孿生技術構建泵閘群自動化調度的數字孿生工程（圖3）。

圖3 通南高沙區泵閘群分布

3.1 感知層

數據感知層是指水利自動化系統建立的“空天地內”監測網絡體系，包含北斗三代技術、無人機傾斜攝影、地基雷達及傳感器等設備。首先，在通南高沙區流域內設置足夠多的智能傳感器實時收集泵閘群的水位、水質、流量及雨量等基礎數據，然后搭建流媒體視頻監控平臺，建設自動監測站和水文站網，同時利用無人機傾斜攝影技術、遙感技術獲取通南高沙區內泵閘群周圍的地形地貌信息構建三維模型[6]，利用衛星遙感技術將所獲得的地形數據上傳至設施層，幫助實時監測泵閘群的運行狀態，是健全物理感知體系的基礎。

3.2 設施層

技術設施層主要包括安全防護、云存儲、云計算及通信等技術。在該層中，使用5G 網絡通信技術將全部基礎數據更快、更可靠、高同步地上傳并接入云存儲服務器和云計算平臺，初步建立通南高沙區信息共享交換平臺，提高了泵閘基礎信息采集的自動化率，為整個系統的運行提供數據流動的安全保障，實現流域內各水文站、水質站數據實時共享，提高信息采集自動化率，等待后續處理。

3.3 數據處理層

數據處理是指系統對采集到的多源數據進行檢驗并整理分類，運用多種方式整理異常數據，確保上傳數據的準確性。同時充分利用通南高沙區的地形地貌、泵閘BIM 模型、地面傳感器結合流域基礎數據，實現了優異的數據可視化效果。

數字孿生系統將根據上層傳輸過來的數據進行智慧水利動態建模。1943 年，心理學家McCulloch 和數學家Pitts 合作提出了形式神經元的數學模型[7]。數字孿生平臺應用的BP 神經網絡算法在非線性系統辨識和控制、故障檢測、決策優化等領域的應用十分廣泛，能夠幫助數字孿生平臺進行模型的動態迭代和優化，其模型如圖4 所示。

圖4 BP 神經網絡經典模型

其中，神經網絡輸入模式為x=（x1，x2，…，xn）T，輸出模式為y=（y1，y2，…，yh）T，隱含層包含h 個單元，輸出層包含m 個單元，它們的輸出為z=（z1，z2，…，zm）T，目標輸出為t=（t1，t2，…，tm）T，且隱含層到輸出層的傳遞函數為f，輸出層的傳遞函數為g

式中：yj為隱含層第j個神經元的輸出；wij為從神經元j到神經元i的連接權值，當i=0 時，w0j=θ，x0=-1；θ為一個閾值；zk為輸出層第k 個神經元的輸出，此時實際輸出與目標輸出的誤差ε為

其中，為了減小ε，需要調整權值

式中：η 為一個步長。因此

隱含層到輸出層的權值調整迭代公式為

輸入層到隱含層的權值調整迭代公式為

系統將處理好的數據不斷輸入，經過無數次迭代調整，神經網絡的輸出z=（z1，z2，…，zm）T與目標輸出t=（t1，t2，…，tm）T的誤差會逐漸減小，直至無限趨近于0，不斷調整系統輸出模型，實現智慧水利動態建模。

3.4 平臺服務層

該層主要是提供處理后的數據及相關服務，將泵閘群的數據統一展示，同時進行泵閘運態安全檢測，建成了通南高沙區流域模型管理與可視化數字孿生服務平臺。提供了流域工程及監測模型服務管理功能。同時整合共享流域內知識平臺，為上層水利業務智能應用的知識積累、經驗提煉和分析研判等提供數據支撐，提升調度決策的準確性。

3.5 應用層

該層是數字孿生平臺中實現虛實結合的重要一步，建立了泵閘群的數字模型，構建的動態模型如圖5所示。該平臺利用了泵閘實時數據、動態建模等技術提升數據處理能力，同時擁有數據可視化、運行態勢感知、綜合分析方案、應急措施等功能，提供通南高沙區流域執法監管應用和水資源保護與監管應用、水利工程管理應用和流域數字規劃等應用功能。

圖5 閘門數字模型

4 結束語

在物聯網、人工智能等新興技術蓬勃發展的時代背景下，數字孿生技術被廣泛運用于水利工程中，指明了我國水利的發展方向，推動我國水利工程發展從“信息水利”向“智慧水利”跨越，提供了新理論和新技術。與發達國家相比，我國的數字孿生技術研究仍處于發展階段，數字化水平較低，但在國家政策的推進下，基礎設施升級加快，為我國企業自動化、信息化、數字化提供了巨大的支持，為數字孿生技術在企業賦能提供了更多可能性。本文以數字孿生為中心，展示了構建一套邏輯清晰的智慧水利框架體系的流程，并將該體系應用于泵閘群數字孿生工程加以探索。然而，我國對于數字孿生技術的研究還處于較為初級的階段，所監測的流域數據還較為片面，還需要專家們進一步投入研究，真正實現智慧水利工程應用。