數字孿生凌塘水庫建設關鍵技術研究與實踐

關鍵詞：數字孿生；水庫建設；“四預”措施；智慧化運管

中圖法分類號：TV697.1 文獻標志碼：A DOI：10.15974/j.cnki. slsdkb.2025.05.020

文章編號：1006-0081（2025）05-0123-09

0 引言

數字孿生技術是實現物理樞紐在虛實之間雙向映射、動態交互、實時連接的關鍵途徑[1-2]。在全面推進智慧水利建設的政策引導下，數字孿生技術已經在智慧水利的快速高質量發展建設中發揮重要作用[3]2021年年底以來，水利部先后印發了《水利業務“四預\"基本技術要求（試行）》《數字孿生流域建設技術大綱（試行）》《數字孿生水網建設技術導則（試行）》等一系列規范性文件；2022年4月，數字孿生流域建設先行先試項自任務發布，“數字孿生凌塘水庫”是入選先行先試項目“數字孿生太湖地區典型水網工程”的重要任務之一；2023年，水利部先后印發了《關于加快構建現代化水庫運行管理矩陣的指導意見》《構建現代化水庫運行管理矩陣先行先試工作方案》，提出加快構建以推進全覆蓋、全要素、全天候、全周期“四全”管理，完善體制、機制、法治、責任制“四制（治）\"體系，強化預報、預警、預演、預案“四預\"措施，加強除險、體檢、維護、安全“四管”工作為核心內容的現代化水庫運行管理矩陣要求。

在當前水庫運行管理中，主要面臨信息化建設不足、智慧決策欠缺、庫區安防低效等關鍵問題[4]。水庫數字孿生技術應運而生，憑借現有設施與數據，打造虛擬場景與業務模型，推動數字化轉型。為日常管理提供精準數據支持，助力智慧決策，優化庫區安防管理，為水庫運行管理全方位提升提供了新的解決思路[5]。目前，多個水利工程如密云水庫[6、官廳水庫[]、白石水庫[8]、長江三峽水利樞紐工程[9]、丹江口水庫工程[10]及岳城水庫工程[]等已先后開展數字孿生先行先試任務，并從數據底板建設、模型平臺搭建以及“四預”業務應用等方面展開探索。本文以凌塘水庫作為研究對象，闡述數字孿生水庫建設思路以及關鍵技術應用，旨在提高水利工程運行管理的數字化、網絡化、智能化水平，為推進現代化水庫運行管理矩陣建設提供借鑒和參考[12-14] O

1總體框架與建設目標

1.1 工程概況

凌塘水庫坐落于省市丹徒區上黨鎮境內，位于太湖流域西部，寧鎮山脈南麓。凌塘水庫集水面積 25.5km² ，水庫集水區域平均高程在 45.0m （1985國家高程基準）左右，總庫容1433萬 m³ 。凌塘水庫溢洪河上段為小金河，中下游段為中心河，水庫溢洪與區間洪水最終匯入江南運河，北排長江或向南進入湖西腹部地區排入太湖。

1.2 總體框架

數字孿生凌塘水庫總體建設框架由數據底板獲取、三維場景構建、感知體系建設、數據資源匯聚、系統集成、水利專業模型建設、業務應用等模塊組成。主要運用物聯網、GIS、BIM、三維渲染、知識圖譜以及人工智能等技術手段，通過傾斜攝影、三維激光掃描獲取數據底板，借助BIM技術對凌塘水庫重要區域、設施設備進行三維仿真建模，運用三維渲染技術構建數字化場景；接入視頻、工情、安全等實時監測數據完善感知體系建設，通過數據的匯聚融合實現物理現實在虛擬空間中的數字映射；同時充分運用底板數據、水雨情監測數據、工情監測數據等各類數據資源，借助水文預報、洪水演進等水利專業模型和人工智能模型，實現水庫“四預”能力和“四管”工作應用，為水庫日常運行管理提供基礎支撐。總體框架如圖1所示。

1.3 建設目標

數字孿生凌塘水庫建設以數字化場景、智慧化模擬、精準化決策為路徑，全面推進算據、算法、算力建設，構建具有預報、預警、預演、預案功能的現代化水庫運行管理平臺。建設目標主要包括以下內容。

（1）強化“四全”管理，從數據、感知監測與數據交互等組織層面完善數據基礎，為模型計算和業務應用提供數據支撐。建設水利知識庫、調度規則庫、應急預案庫等經驗知識庫與水利智能引擎，完善“四制（治）”體系，構建流域和工程知識圖譜，實現基于知識圖譜和防洪需求驅動的智慧調度，為“四預”措施建設提供強有力的支撐。運用機理模型、數據驅動智能模型平臺，建立“四預\"措施體系。

（2）加強“四管”工作。構建以智能巡檢、病害分析與處置、水庫調度、設備評級、安全監測、安全生產、水政管理等業務應用為核心的智慧化運管平臺，全力支撐凌塘水庫“四管”工作建設。

2 主要建設內容

以數字孿生凌塘水庫總體建設框架與建設自標為導向，平臺主要建設內容包括：數據底板獲取及場景構建、感知體系建設、多源數據融合、專業模型構建、“四預\"措施以及“四管”工作建設。其中，以模型平臺建設為核心，數據底板建設為基礎，重點實現“四預”“四管”等業務應用。

2.1數據底板獲取及場景構建

建設以地形數據感知體系、數字資源體系為基礎的數據底板，其中業務管理數據包括水庫沉降、滲流、精細化管理等全業務數據，地理空間數據包括地形地貌、土地覆蓋、正射影像以及相關水利專題等，按照數據精度分為L1、L2、L3 三級[15-16]。數字孿生凌塘水庫集成太湖流域水系圖、水庫大范圍傾斜攝影數據以及重點區域、重要設施設備BIM數據，其中L2級數據通過大疆M300無人機搭載睿鉑五鏡頭相機進行傾斜影像數據采集，共采集影像68864張。另使用大疆精靈四RTK無人機對重點區域進行加密航測作業，采集數據584張。同時針對閘機、啟閉機、水文站房以及其他主要設備，進行L3級別部件級高精度BIM建模。將凌塘水庫L1、L2、L3等不同級別數據融合體現在三維平臺渲染，其整合示意如圖2所示。

2.2 感知體系建設

感知體系是實現數字孿生水庫工程的關鍵基礎，凌塘水庫現有監測設備包括水位、雨量、流量、水質、滲流、閘門啟閉、監控等，數據通過現有網絡進行庫間交換方式實時傳輸。本次在充分利用已有在線監測設施的基礎上，新建一套高精度GNSS變形監測設備，通過高精度定位，結合物聯網、云計算等技術，能夠實現壩體變形的連續監測和分析，并在三維場景中實現監測數據可視化，運用大壩安全監測數據分析模型進行實時分析研判和安全預警，提升大壩安全管理的準確性和時效性。

2.3 多源數據融合

數據資源池主要包括基礎數據、監測數據、業務管理數據、跨行業共享數據以及地理空間數據。數據資源池為智慧水利提供“算據”支撐，在有效整合數據底板以及感知體系數據外，還需重點收集整理水庫工程基礎數據，包括水庫基礎信息、庫容曲線資料、水庫管理調度（調度指令、調度計劃）相關資料、設備評級養護記錄、白蟻病害防治方案及計劃等基礎以及歷史資料，實現對智慧化運管平臺建設的數據保障。針對多源數據，按照規則進行統一標準采集，業務數據庫表數據采集得到的數值字段要與從文件或接口等渠道采集得到的同類數據口徑統一。對于多種多樣來源渠道的同一數據對象，按照既定的優先級順序進行數據處理和存儲，保證數據的一致性。通過數據抽取和集成環節，從異構的數據源中獲得用于大數據處理的原始數據。使用加權數據融合方式實現水庫多源數據融合

2.4專業模型平臺建設

2.4.1 水文預報

水文預報是對江河、湖泊、渠道、水庫和其他水體的水文要素現狀進行報告并對其未來變化進行預測的工作。水文預報方法較多，如上下游水位（流量）相關法、模型法、降雨徑流經驗相關法等，本次水文預報主要采用新安江三江源模型、單位線法和降雨徑流相關圖法，考慮到凌塘水庫未設置控制性人庫水文站，缺乏實測入庫洪水資料，故采用降雨徑流相關圖法，基于降雨預報，間接推算入庫洪水，基于水庫周邊氣象站或雨量站的歷史監測數據和實時監測數據、凌塘水庫的運行數據，對凌塘水庫的人庫徑流進行預報和滾動修正，見圖3。

2.4.2 水庫壩體潰決模擬計算

數字孿生凌塘水庫植入了潰壩洪水計算引擎。通過線上潰壩模型可驅動計算引擎，實現潰壩洪水的實時計算。計算結果通過數據庫反饋給平臺，獲得潰壩洪水淹沒范圍隨時間的變化過程，進行潰壩洪水演進過程及大壩下游淹沒區域三維仿真展示，并進一步開展洪水影響分析，獲得潰壩事件發生時的應急反應時間、需要緊急疏散的人員及最優疏散路徑、潰壩洪水影響范圍等，為應急預案編制和智能化推薦、管理與突發事件分析決策提供科學、直觀的數據支撐。

2.4.3 智能語音識別模型

智能語音識別模型是數字孿生凌塘水庫模型平臺建設的重要組成部分，通過語音識別實現平臺各個模塊的跳轉以及功能控制。語音模型采用了深度全卷積神經網絡，直接將音譜圖作為輸入。語音識別模型主要用于將用戶的語音指令識別為文字，幫助程序理解用戶意圖，從而實現用戶對相關功能模塊的語音控制，方便用戶使用。使用該方案所涉及到的語音指令對語音識別功能進行測試，此模型對隨機用戶所發出語音指令的識別準確率達到 98% 以上。

2.5“四預\"措施建設

“四預”措施是實現現代化水庫管理的重要手段與工具，是數字孿生水利工程的重要組成部分，是運管矩陣建設的重點和難點。建設預報 $$ 預警 $$ 預演$$ 預案一體化的業務流程，運用水文預報模型、潰壩模型、可視化模型，實現水文預報預演以及洪水淹沒模擬；建立水利知識庫并應用于智能化交互，實現精準預報、實時預警、數字預演、科學調度，增強應急處置能力。

2.6 “四管”工作建設

“四管”工作是現代化水庫管理具體工作的重要實施和落實，核心便是通過綜合應用來落實及時除險、定期體檢、強化維護、保障安全4個方面工作。通過滲流、壩體變形監測、水文監測等“四全”管理手段，借助智慧化運管平臺，充分利用無人機大壩巡檢、白蟻巡查，開展定期體檢及日常維護[17]，及時發現水庫存在的安全隱患，開展治理及除險。

3關鍵技術研究與實踐

平臺以實現水庫智慧化運管為自標，借助在線水文預報與調度預演、洪水淹沒模擬及智能化預警等關鍵核心技術，通過智能化、智慧化、現代化技術手段，助力水庫運行管理決策支持。

3.1 智慧化運管

水庫運管系統是實現水庫業務全鏈條線上管理的關鍵工具[10]，凌塘水庫智慧化運管平臺著重落實“四管”工作，其業務功能涵蓋水庫調度、設備評級、安全監測、病害預警、安全生產、水政管理等模塊，如圖4所示。安全監測、變形沉降監測模塊通過新增GNSS變形監測設備，獲取斷面當前監測點位的實時數據，綜合監測大壩安全狀態。從白蟻日常管理角度切實助力凌塘水庫的病害狀態監測。

充分運用數字孿生數據底板以及底層感知體系，及時預警除險。基于GNSS設備實現對壩體變形沉降的全天候動態監測。圖5（a）頁面中展示變形監測點列表、變形監測圖表、監測數據列表以及當前監測點位的實時數據，通過動態曲線形式展示變形監測過程，實現水庫壩體動態監測預警。滲流監測數據以斷面監測為主，圖5（b）為1號斷面起點距 0+530 滲流監測浸潤線示意，UP01、UP02、UP03為001斷面滲流傳感器設備。平臺具有白蟻防治特色功能模塊，包括白蟻防治感知預警、蟻區設置、白蟻防治計劃、白蟻防治總結等。

3.2在線水文預報與調度預演

水庫來水量預報是水庫防洪調度決策的主要依據，為了有效的模擬和預報水庫來水量，需要建立相關的水庫入流預報模型方法[18-22]。凌塘水庫匯水面積小，且缺乏豐富的實測水文資料，因此采用降雨徑流相關圖法、新安江三水源模型、基于圖集的單位線方法作為水庫來水預報方法，3種方法相互對照、參考，以增強預報結果的適用性、準確性。根據水庫實際調度情況，采用水量平衡方法進行水庫來水過程的反演，以反演的流量過程作為判斷預報模型模擬效果和率定模型參數的主要依據。

3.2.1 模型算法選用和構建

3.2.1.1 新安江三水源模型

運用新安江三水源模型對凌塘水庫入庫流量進行洪水預報，模型計算過程與模型結構見圖6。使用三層蒸散發模型，計算蒸散量，再采用蓄滿產流進行產流計算。然后進行三水源劃分，最后代人匯流模型，采用線性水庫以及滯后演算得到模型模擬流量過程。與傳統水文模型相比，模型融合了實時雨情信息，并基于人工智能算法對未來降雨量進行預測，通過持續的迭代計算，不斷優化預測結果，從而顯著提升預報精度。這一技術為水庫防洪調度提供了科學、快速且高精度的決策支持，確保了防洪工作的高效執行。

3.2.1.2 單位線法

將場次洪水對應的日降水量按1h時間尺度進行雨量分配，得到每小時的場次洪水降雨數據，通過扣除流域損失得到流域場次洪水凈雨量過程，再由凈雨過程轉化為徑流量過程，場次洪水匯流過程由各徑流量與相應的時段單位線相乘疊加得到。

（1）場次洪水雨型分配。面暴雨過程按《省暴雨洪水圖集》進行雨型分配，具體比例如表1所示。

（2）場次洪水凈雨計算。凈雨過程按暴雨平均扣損的方法計算。圖集法中，初損一般為 1mm/h ，為了與反演入流量結果更為接近，將初損進行了調整。通過與次洪反演結果的多次對比，在平均扣損率取值為3mm/h 時，場次洪水擬合結果更優。

（3）場次洪水徑流計算。由場次洪水凈雨量可計算得各時段總徑流量：

I_i=R_iF/3.6Δt

式中： F 為流域面積， km² ： R_i 為各時段凈雨量， mm 6Δt=1h 。

（4）入庫洪水過程計算。匯流計算按照《省暴雨洪水圖集》中地區綜合的瞬時單位線法進行，同時采用推理公式法進行計算比較。凌塘水庫屬于蘇南山丘區，其瞬時單位線綜合參數 m₂=1/3 。當頻率 P? 5% 時，綜合參數 。其中，流域面積F=25.5km² ，坡降 J=2‰ ，計算得 m₁=3.425 ；當 Pgt; 5% 時， 。

由 m₁ 和 |m₂ 取值，查表可得凌塘水庫洪水過程時段單位線，如表2所示。

3.2.2預報精度評定

新安江三水源模型次洪模擬輸人的降雨數據與蒸發數據均進行了一些時段分配的降尺度處理，日降水量依照設計降雨過程，按比例進行 24h 折算，得到每小時降雨量。蒸發數據根據時間、位置計算日出日落時間，將蒸發折算到晝時，由于場次降雨持續時間多為數天，故日出日落時間近似取所在月的15d，由此得到了每小時蒸發量。將資料提供的前期影響雨量替換模型中初始土壤含水量，其他參數與日模型相同。通過對比模型模擬和入流反演的徑流量和洪峰流量，判斷模型模擬效果。

以3次典型洪水為例，進行精度評定。由表3，4可以看出新安江三水源模型次洪模擬的總量和洪峰相對比較關系，新安江三水源模型預報徑流過程在一定程度上與反演出的實際徑流過程相符合。

表4新安江三水源模型次洪模擬最大洪峰流量精度評價

將單位線計算出的入庫徑流總量與反演徑流總量進行對比，進行單位線預報質量分析。對比結果見表5。由表5可以看出，單位線法預報徑流過程在一定程度上與反演出的實際徑流過程相符合。

3.2.3在線預報調度成果展示

數字孿生凌塘水庫線上集成了3種水文預報算法進行預報。按觀測時間完成數據獲取，包括初始水位，氣溫數據，實測小時雨量數據以及前10d降雨量，為不同模型算法配置初始率定參數，以新安江三水源模型算法為例，凌塘水庫新安江三水源模型算法率定參數如表6所示。

圖7為2023年6月18日強降雨過程的預報水庫入流，并按照水量平衡原則計算出流過程，實現了水庫在線預報及調度方案在孿生平臺的預演。

3.3洪水淹沒模擬及智能化預警

3.3.1 模型構建

水流動力學模型基于CJK3D數值模擬系統構建，計算方法見文獻[23]。數學模型范圍如圖8所示，東西方向長約 5.5km ，南北方向長約 2.5km ，數學模型計算采用庫區周邊2022年實測地形，庫區地形高程為-20～-25m ，壩區下游高程大都在 -22～-36m 。數學模型計算網格采用三角形網格，壩區附近網格加密，最小網格步長約為 5m ，網格總數23578個。數學模型時間步長取值0.1s，糙率取值為 0.015+0.013/h （ h 為水深），紊動黏性系數取 KhU* （其中 K=0.01 ，U* 為摩阻流速），干濕網格臨界水深取 0.01m 。模型預設了多種典型洪水場景，包括歷史典型洪水、超標準洪水以及潰壩情境。在洪水調度過程中，依據既定調度規則，系統可自動生成實時調洪方案。此外，系統在汛期期間，實時監測并對比水庫水位、泄洪量、入庫流量及洪峰流量等關鍵參數，結合水庫運行狀態，生成閘門操作方案、上級匯報信息及群眾轉移預案等應急響應措施。通過與水文模型預測結果的耦合，大大提升決策支持能力，增強了水庫防洪管理智能化水平。

理想潰壩波有精確解，常用于檢驗數值模型的精度[24]。假設河渠長 2 000m ，寬 10m ，壩體位于x=1000m 處，忽略大壩厚度；河道平底、無阻力；上游及左、右岸為固壁邊界，下游為自由出流邊界；初始上游水位 10.0m ，下游水位為 0.2m 初始時大壩瞬時全潰，潰壩波向下游傳播。圖9對比了潰壩后25s的水位、流速的解析解和計算值，可以看到數學模擬計算值與實測高度吻合，說明本文的潰壩模型模擬精度較高。

數學模型共計算3種潰壩工況，凌塘水庫初始水位值取 29.0m ，壩區下游無水，見表7。在壩區北側、中部和南側分別設置3處潰壩缺口，見圖8，通過數學模型計算潰壩水流對庫區下游的影響。

3.3.2 結果分析

圖10為潰口處的水位和流量過程。潰壩發生初期的 1min 內，潰口處的水位下降速度加快，之后庫區其他區域的水體流向潰口，致使潰口處水位有一定的回升，潰壩發生 2min 內，潰口處水位波動的幅度為 0.3～ 0.4m 。潰壩發生 2min 后，潰口處的水位開始逐漸下降;潰壩發生 ¹h 后，潰口處的水位降至 28.0～28.2m_? 從潰口發生的不同位置看，壩體南側發生潰壩水位下降速度最快，這與壩區下游的地形有關。潰口處的流量變化過程與水位過程密切關聯，水位低則流量大，壩區南側發生潰壩時，潰口流量最大，瞬時最大流量可達到340m³/s ，壩體中部和北側發生潰壩時，潰口瞬時最大流量約為 250m³/s ，明顯小于壩區南側發生潰壩，隨著時間的推移，潰口處的流量逐漸下降，潰壩 ¹h 后，各工況潰口流量為 145～220m³/s 。

潰壩對壩區下游構成了巨大威脅，以工況2為例，分析了潰壩發生1h內的淹沒區域范圍變化，見圖11。潰壩后的洪水淹沒范圍主要與壩區下游的地形有關，潰壩發生 10min 后，洪水首先向壩區東側運動約800m ，之后洪水向北、向東分成兩股水流，其中北側分流運動距離較大，距離分流點約 600m 。潰壩發生30min后，洪水繼續向北、向東運動，向北運動的距離約為 1.2km ，向東運動的距離約為 2.1km 。潰壩發生1h后，洪水繼續向北向南運動，淹沒范圍繼續增大，其中洪水的北側分流處形成滯洪區，東側分流沿當地河道向下游繼續運動。

3.3.3 預演展示

數字孿生凌塘水庫通過線上潰壩模型實時計算潰壩洪水數學模型模擬結果，并基于模型平臺結果，獲得潰壩洪水淹沒范圍隨時間的變化過程，進行潰壩洪水演進過程及大壩下游淹沒區域三維仿真展示，并進一步開展洪水影響分析，獲得潰壩事件發生時的應急反應時間、需要緊急疏散的人員及最優疏散路徑、潰壩洪水影響范圍等，為應急預案編制和智能化推薦、管理與突發事件分析決策提供科學、直觀的數據支撐。結合水庫實時情況，提供調度指令推薦及決策支持，集成各有關部門信息溝通與協作功能，輔助發布庫區及下游影響范圍緊急轉移撤離通告，輔助完成物資及人員調度，為高效有序完成應急撤離提供支持。圖12為水庫水位 30m 情況下，潰壩模擬洪水演進過程數字化場景預演。

4結語

本文選取凌塘水庫為研究對象，提出了水庫數字孿生平臺總體設計框架，明確了數據底板獲取、感知體系建設、數據資源匯聚、水利專業模型應用、智慧化運管等建設要求，重點闡述了數字孿生凌塘水庫建設過程中著重突破的關鍵技術及應用實踐。為響應水庫現代化運行管理要求，數字孿生凌塘水庫基于“四預”建設、著力“四管”工作，完善底層感知體系，融合多源數據，開發了智能調度、智能巡檢、設備評級、安全監測、病害預警、知識圖譜、水政管理等業務應用，為全面提升水庫運行管理精細化、信息化、現代化水平提供了實際案例。

參考文獻：

[1]謝文君，李家歡，李鑫雨，等.《數字孿生流域建設技術大綱（試行）》解析[J].水利信息化，2022（4）：6-12.

[2]翟天放.數字孿生水利工程關鍵技術應用探析[C]河海大學，省水利學會，浙江省水利學會.2024（第十二屆）中國水利信息化技術論壇論文集.長春：吉林省水利科學研究院，2024.

[3]程海云.三峽水庫庫容智慧化管理的水文實踐與思考[J].中國水利，2024（14）：5-11.

［4］李慧瀅，楊鴿，楊磊，等.數字孿生水庫關鍵技術研究與應用[J].中國水利，2023（3）：66-68.

[5]何向陽，譚界雄，高大水，等.基于云平臺的水庫安全管理信息化方案研究[J].人民長江，2019，50（11）：233-236.

[6]張岑，張志強，朱芋奇，等.數字孿生密云水庫流域建設方案構想[J].北京水務，2022（4）：4-9.

[7］袁楠，奚歌，郭晶晶.數字孿生官廳水庫建設方案探析[J].水利技術監督，2024（1）：289－294.

[8]王一鑫，趙振龍，李明.白石水庫標準化管理信息平臺研究與建設[J].水利技術監督，2024（7）：20-24.

[9]任驍軍.數字孿生三峽建設與展望［J].水利發展研究，2024，24（9）：9-15.

［10]付建軍.丹江口水庫現代化運行管理矩陣構建實踐[J].中國水利，2024（20）：25-33，44.

[11]張雄，管林杰，邱鑫，等.數字孿生岳城水庫建設研究[J].水利水電快報，2024，45（12）：130-135.

[12]紀平.確保每一座水庫都能安全運行［J].中國水利，2023（22） ：3.

［13］楊洪寧.構建現代化水庫運行管理矩陣策略研究——以碧流河水庫為例[J].經營管理，2024（3）：35-40.

［14］王妍.安徽省現代化水庫運行管理矩陣建設探討[J].智慧水利，2024（7）：37-38，49.

[15]薛晶，魏玉翠，吳倩，等.凌塘水庫滲流監測數據分析研究[J].內蒙古水利，2023（8）：36-38.

［16]高永紅，田帥帥，陳樂旻，等.面向數字孿生流域的多尺度三維數據底板建設［J].河南科技，2024，51（10）：10-15.

[17]陳劍，毛才傳，嚴吉，等.水庫GIS智能巡檢系統研究與應用[J].水利信息化，2020（4）：37-41，59.

[18]王京宇，于敬舟.水庫運行管理信息系統總體設計[J].水利信息化，2022（6）：91-94.

[19] 羅斌，周超，張振東.數字孿生水利專業模型平臺構建關鍵技術及應用[J].人民長江，2024，55（6）：227-233.

[20] 胡文才，劉業森，呂彩霞.數字孿生南四湖二級壩工程立足流域提升水利工程智慧化管理水平［J].中國水利，2023（23）：10-11.

[21] 楊艷.龍灘水電站水文預報方法及應用的探討[J].紅水河，2018，37（6）：24-26，31.

[22] 張文文，徐軍楊.水庫洪水預報-調度-演進一體化模型研究及應用[J].水利信息化，2024（1）：89-94.

[23] 湯成鋒.水庫預報調度模型應用研究[J].水利信息化，2023（3）：52-56.

[24] 孟江山，路川藤，羅小峰，等.基于GPU并行的廈門附近海域潮波傳播數值模擬研究[J].中國水利水電科學研究院學報，2021，19（4）：424-433.

（編輯：李晗）

Research and practice on key technology of modern reservoir operation management

XIAO Zhongkai' ，SONG Shizhu1 ，WANG Ji² ，ZHA Zechao’ ，WEI Lixin1 （1.LowerChangjiangRiverBureauofHydrologicalandWaterResourcesSurvey，BureauofHydrologyofChangjiang Wateresource Commission，Nanjing 210o0o，China；2. Dantu District Water Resources Bureau，Zhenjiang 21200o，China）

Abstract：Inorder to meet therelevant requirements of the digital twin forreservoir operationand management andachieve thein-depth integrationofvariousoperationandmanagementbusineses withthedigitaltwin，basedonacomprehensive review of the reservoir operation management system，standard system and businessprocess，selects Lingtang Reservoiras theresearchobject，weput forwardtheoveralldesign frameworkof thedigitaltwinplatform，andclarified the construction requirements for keycontents such as the acquisition of the data base plate，the construction of the perceptionsystem，theconvergenceof dataresources，theaplicationof waterconservancyprofesional models，and intelligent operationand management.Byapplying technologiessuchasthe Internetof Things，GIS，BIM，3Drendering，knowledge graphs，andartificial intelligence，andtaking waterconservancyprofessional models such as hydrological forecastingand floodroutingasthecoreengines，thereal-time monitoringandearlywarningofthereservoirdambodysafety，themonitoringand forecastingofrainfalland waterconditions，thedigital pre-simulationoffloodrouting，andtheintellgentand scientific dispatching plansfordangerous situations had beenrealized，as wellasbusiness applications such as intelligent inspection，disease analysis anddisposal had been developed.Theresearch resultscanprovide a practical case forcomprehensively improving the digital，networked，and inteligent levels of reservoir operation and management.

Key words：digital twin；reservoirconstruction；\" four predictions\"measures；inteligent operation management