数字孪生三峡库区建设关键技术研究

陈瑜彬 张涛 牛文静 秦昊

摘要：

数字孪生技术在流域综合管理中的应用仍处于探索阶段，为了推动该技术在水利行业的深入应用，总结了数字孪生三峡库区建设过程中的经验，研究了建设过程中应用的关键技术。

通过预报方案体系智建工具、预报调度实时互馈技术、水工程调度规程推理技术、全链条水文智能预报方法等实现了流域智慧模拟预报；提出了基于LBS技术的洪水预报预警信息靶向发布的技术思路，实现发布机构与用户的双向互动智慧化预警服务模式；提出了宏观、中观、微观多尺度，平面二维、立体三维、混合现实全场景的方案分析与展示思想，结合智能化模拟预报、智慧化预警，实现预报调度预演，辅助精准化决策。技术成果在三峡库区防洪安全和淹没影响分析中取得了较好应用效果，可为数字孪生流域建设提供参考借鉴。

关 键 词：

数字孪生三峡库区； 洪水预报； 预警； 预演； 预案； 人工智能

中图法分类号： P208

文献标志码： A

DOI：10.16232/j.cnki.1001-4179.2023.08.003

0 引 言

数字孪生（Digital Twin）是在物理实体的基础上通过数字技术创造的虚拟“克隆体”，即数字孪生体。物理实体和数字孪生体之间通常存在同步和闭环关系［1］，数字孪生体实时感知物理实体的状况和环境，并随物理实体演变以保持高度保真性；同时，通过数字孪生体的仿真、推演和预测分析，反作用于物理实体。数字孪生技术可以在不改变物理实体的情况下，“克隆”出与之高度相似的数字实体，在数字世界中观察其特征、特性，并模拟不同“假设-分析”（What-if）场景，进而实现物理实体的性能改进，科学指导决策。数字孪生技术可以有效解决物理孪生存在的经济投入大、试错成本高等问题，现已广泛应用于建筑设计［2-3］、智慧城市［4］、医学分析［5］等领域，但其在流域综合管理中的应用仍处于探索阶段。

数字孪生流域是以物理流域为单元、时空数据为底座、数学模型为核心、水利知识为驱动，对物理流域全要素和流域管理全过程的数字化映射。通过智能化模拟，实现与物理流域同步仿真运行、虚实交互、迭代优化［6］。立足“十四五”水利高质量发展建设目标，各流域以及地方相关主管部门先后编制了数字孪生流域建设先行先试实施方案，并开展了相关研究与试点建设工作［7-11］，建设思路大同小异，技术手段各有千秋。

三峡工程是保护和治理长江的关键性骨干工程，其防洪、发电、航运、生态等多目标调度的影响范围涉及整个长江流域。作为影响三峡工程运行管理的重要组成，三峡库区集水库运行安全、淹没影响分析等问题于一身，尤其在面临长江上游洪水和长江中下游洪水发生遭遇，且需要三峡水库拦蓄上游洪水以保障长江中下游防洪安全时，其矛盾尤为突出［7］。因此，开展数字孪生三峡库区建设，对流域防洪安全、水资源高效利用以及“四预”（预警、预报、预演及预案）的落地应用意义重大。本文基于长江水利委员会水文局（以下简称“长江委水文局”）在数字孪生三峡库区建设过程中的实践经验，总结提炼相关关键技术，以期为数字孪生流域建设提供参考。

1 建设目标

数字孪生三峡库区以“数字化场景、智慧化模拟、精准化决策”为目标，以“强感知、增智慧、保安全”为主线，以数字地形为底座，以干支流水系为骨干，构建三峡库区（嘉陵江草街以下、重庆至三峡坝址）数字孪生体，并给合水灾害防治、水资源节约、水生态保护及水环境治理等实际业务需求，探索并实现数字流域场景中的动态交互、实时融合和仿真模拟（见图1）。通过开发预报、预警、预演及预案等功能，深化新数据、新技术、新模式的落地应用，推进并实现“四预”能力建设，逐步形成智慧决策系统，以提高流域管理智慧化水平，为全面推进长江流域经济社会发展和长江经济带战略实施提供强有力的水安全信息化支撑与保障。

2 技术架构

数字孪生三峡库区整体架构与智慧水利总体框架契合，主要由7大业务板块和2大保障体系组成，如图2所示。其中，业务板块主要包括流域感知体系、多维多尺度时空数据库、数字化场景、智能化模拟、精准化决策、智能中枢和试点平台7项建设内容，保障体系主要由网络安全体系和综合保障体系2大部分组成。基于此架构，构建与物理流域同步仿真运行的数字孪生三峡库区，通过数字赋能，精准模拟库区来水，科学调控洪水、水资源，从而实现智慧防洪、水资源调配。

3 关键技术

3.1 智能化模拟预报

3.1.1 预报方案体系智建工具

预报方案是实现洪水模拟预报的基础。通过梳理优化方案构建业务流程，规范方案类型，标准模型参数接口，制定组件化、积木式向导建模程序，实现预报方案体系智慧搭建（见图3）。方案构建业务流程具体包括预报节点确定、流域边界圈画、方案类型界定、预报模型选择、雨量信息配置、模型参数设置与优化、预报体系生成等环节。

（1） 预报节点确定。将水文站、水库站、水位站或虚拟站抽象为图形对象（圆形、矩形、三角形等），配置相应属性，如图形大小、颜色、站名、站码，通过站码与数据库基础属性表连结，获取站点属性信息，如经度、纬度、交换管理单位等。

（2） 流域边界圈画。采用java语言，自主开发封装了基于GIS的智能分析接口服务，主要实现DEM水文分析、空间叠置分析等功能。不仅能够划分边界范围、提取流域面积，还能辅助确定雨量站点权重（泰森多边形法）。

（3） 方案类型界定。将预报方案类型划分为闭合流域方案（PQ）、河道演算方案（QQ）、非闭合流域方案（PQQ，即PQ+QQ）。闭合流域方案仅需配置降雨径流模型，河道演算方案仅需配置河道演算模型，非闭合流域方案同时配置降雨径流和河道演算方案。

（4） 预报模型选择。通过制定模型封装、集成技术规范，形成模型服务开发标准体系，创建基于资源共建、共管、共享模式的“CJH模型应用市场”，为方案配置提供算法支撑。目前纳入应用市场的模型主要有：新安江模型、API模型（降雨径流关系模型）等传统模型，江湖分蓄洪區容积自适应洪水模拟模型、洪水概率预报业务化模型等一系列具有自主知识产权的预报模型。方案构建时，可根据方案类型和下垫面条件，从“CJH模型应用市场”中选择适用的预报模型。

（5） 雨量信息配置。预报方案的相关雨量站配置提供界面输入和自动筛选两种方式，并支持算术平均和泰森多边形两种权重计算方法。前者为预报方案的相关雨量站配置提供人机交互设置入口，后者结合GIS分析功能，自动筛选流域范围内的雨量站点。

（6） 模型参数设置与优化。模型参数设置提供界面输入与自动率定两种方式，并在模型参数保存入库时自动检验模型参数的合理性。前者为已有方案（模型参数）提供人机交互设置入口，后者采用单纯形、SCE-UA等优化算法自动优化率定模型参数。

（7） 预报体系生成。采用向导启发式工具搭建预报体系概化图，依据上下游拓扑关系及水力联系，将各个抽象化的节点（水文、水位、水库站等）通过线性对象（河流）连接，并针对每个节点依次开展流域边界圈画、方案类型界定、预报模型选择、雨量信息配置及模型参数设置与优化等模型实例化工作，从而实现对象与对象、对象与模型间的无缝融合，形成可以实时模拟流域水流的预报体系。

3.1.2 预报调度实时互馈技术

水工程的建设运行改变了河流的天然状态，使得连续水流过程出现多阻断等特性，在预报体系上的具体表现为预报节点与调度节点串联、并联或混联，相互制约、相互影响。2019年，长江委水文局率先提出了预报调度一体化理念，以解决变化环境下流域防洪预报调度的业务需求［12］。

随着纳入长江流域联合调度运用计划的水工程数量越来越多（2022年已增加至111座［13］），调度范围从上游逐步向上中游干支流延伸；调度对象从水库群逐步拓展至排涝泵站、蓄滞洪区、引调水工程等多类型水工程；调度目标从单一防洪调度向防洪、供水、发电、生态、航运、应急等多目标综合调度转变；调度时间从汛期调度向汛前消落、汛期防洪、汛后蓄水、全年供水及应急处置全过程延伸［14］。模拟预报日益复杂，调度

决策日渐精细，预报调度实时互馈需求日趋强烈。

针对当前预报与调度业务分离、信息与模型共享困难、人机交互缺乏人性化、重复开发难以管理以及实时预报调度方案制作时效差等一系列问题，研究提出基于河网空间拓扑的自适自优预报调度一体化技术，结合工程调度规则设置，构建预报调度实时互馈体系。根据调度对象、目标节点，采用知识推理方法与在线协同技术，优化大体系、跨河系计算路径，提高计算效率，实现三峡及以上水库群联调联算（见图4）。

3.1.3 基于知识图谱的水利工程调度规程推理

知识图谱是以图的形式表现客观世界中的实体（概念）及其之间关系的知识库［15］，融合了统计学、信息科学、语义分析、智能识别等不同领域新兴研究方法，为海量信息的知识提取和可视化提供了有效技术手段。调度规程是水利工程调度的重要依据，然而随着投入运行的工程日益增多，调度规则日趋复杂。如果能够在联合调度时，快速地推理出符合各项调度规程的调度目标和调度边界，将为实现大规模水工程多目标全局优化调度提供有效的支撑。知识图谱技术为此提供了有效途径。

基于知识图谱的水利工程调度规程推理，包括构建调度规程图谱模型、生成调度规程图谱和调度规程图谱推理3个部分［16］。其中，构建调度规程图谱模型是建立调度规则的存储方式，通过分析各个水利工程的调度规程，总结调度条件的表达方式，构建能够用于自动推理计算的知识图谱；调度规程图谱生成是将基于自然语言编写的调度规程文本信息，通过实体关系抽取算法，按照图谱模型，存入知识图谱之中；调度规程图谱推理是利用图计算理论和有限状态机思想，以当前的流域情势作为输入，通过推理知识图谱实体与关系之间的联系，查找满足调度规程的约束条件，实现调度方案的推荐（见图5）。

3.1.4 全链条水文智能预报方法

水文模型是开展数字孪生流域建设和“四预”应用的算法支撑。随着气候变化叠加强人类活动影响，传统水文预报模型和方法的适应性面临巨大挑战。人工智能（Artificial Intelligence）是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学，越来越广泛地应用于洪水预报领域［17-19］。长江委水文局基于人工智能技术，开展涵盖模型构建、参数优选、实时校正的全链条水文智能预报方法研究。通过人脸识别和深度学习技术［20］，实现了基于水文特征提取的洪水预报方法［21］，显著提升了水文预报的精度和计算效率；提出了基于机器学习的水文模型参数自优化算法，通过构建动态参数库，实现了水文模型参数的差异化优选，改善了不同洪水过程拟合效果；提出了基于状态机模型的江湖分蓄洪区容积自适应洪水模拟方法，通过构建分蓄洪区状态机、入湖洪水演算方案和大湖演算模型相耦合的实时洪水模拟调度模型［22］，实现了江-湖-分蓄洪区洪水联调联算；创新了基于长短时记忆神经网络的预报误差实时校正技术，通过对历史预报误差规律的再学习，合理修正水文预报模型计算结果，进一步提高预报精度。

3.2 智慧化预警

“预”字当先，洪水预警是防范洪水风险、减少灾害损失的重要非工程措施。《长江水情预警发布管理办法》（试行）［23］规定水情预警由水文机构根据发布权限，通过广播、电视、报纸、电信、网络等媒体统一向社会发布。传统水情预警时效性强，覆盖面广，但发布方式略显传统［24］，针对性不足，不能将预警信息直接推送至可能遭受威胁人员，大范围不区分对象的信息发布方式冗余度过大［25］。随着智能手机、穿戴设备、车载导航等具备实时定位功能的电子设备逐渐普及，依托大数据应用技术实现预警智慧化精准靶向推送成为可能（见图6）。

LBS（Location-based Service），即基于地理位置的服务，是指通过电信移动运营商的无限通信网络（如GSM网、CDMA网等）或外部定位方式（如GPS、WIFI、NFC、Bluetooth等定位技术），获取用户移动终端的地理位置信息，并在地理信息系统平台的支撑下，为用户提供所需的与位置相关信息的一种服务形式［26］。根据库区地理信息（土地线、移民线、道路等）制定水情预警指标，结合洪水预报系统预报成果（入库流量、水面线等）生成预警信息，采用LBS技术获取实时数据（人流、车流、地图搜索等），建立智能识別、关联触发规则。通过预警发布平台将预警信息发送给影响范围内的接收对象，实现预报预警信息靶向发布，预警服务模式从发布机构向用户的“单向推送”转变为发布机构与用户的“双向互动”。

3.3 多维嵌套数字化场景

数字化场景技术是通过三维GIS、VR、粒子效果等技术将数字流域以虚拟现实的方式展现给用户，从而让用户可以通过数字流域来监控、分析和控制物理流域，实现“降本、增效、提质”的效果。考虑应用需求、硬件条件、计算效率以及建设成本等因素，提出了宏观、中观、微观多尺度，平面二维、立体三维、混合现实全场景的方案分析与展示思想。宏观尺度，采用平面二维场景，主要关注空间分布、相对位置，重点把握全流域形势。中观尺度采用2.5维场景（假三维），主要关注特定区域影响范围，重点把握区域形势。微观尺度，采用倾斜摄影、BIM建模构建立体三维，主要关注洪水对局部重要构筑物的影响。混合现实场景利用AR、MR技术，实现虚拟对象與现实世界的叠加，提供更为强大的用户体验。

3.4 精准化决策

数字孪生流域建设的核心目标是通过预演预案实现精准化决策。借助孪生流域试错成本低的技术优势，基于智能化洪水模拟预报成果和水工程调度预案、历史调度案例以及水工程调度策略，采用“业务端+决策端”相结合方式，开展预报调度实时互馈的水工程调度预演，生成多套预演方案，从多尺度全场景展现方案效果，评估方案风险，寻求最优的调度方式，实现精准调度决策（见图7）。

业务端主要针对预报专业技术人员，利用预报调度实时互馈技术、基于知识图谱的水利工程调度规程推理技术及全链条水文智能预报方法，实现不同降雨场景、不同水利工程调度工况及目标的现场即时推演分析，为决策端提供数据支持。决策端主要针对会商决策者，利用多维嵌套数字化场景构建技术和业务端的计算成果，实现多方案的优劣对比及风险评估分析，为决策者提供直观可视、全面且形象的决策依据。同时，采用电脑双屏（浏览器双页面）方式展现业务端和决策端，并通过数据流共享方式实现业务端与决策端的数据即时更新及互动互馈。

4 结 语

本文介绍了数字孪生三峡库区建设的目标以及技术框架，提炼总结了建设过程中涉及的关键技术，初步形成了集智能化模拟预报、智慧化预警、多维数字场景建设及精准化决策于一体的成套技术成果。该成果在长江流域1870年历史洪水预报调度推演中服务于三峡库区防洪安全和淹没影响分析，示范应用效果较好，可为其他流域数字孪生建设工作提供技术参考。在流域感知体系、多维多尺度时空数据库建设和孪生体综合算力提升等方面仍有待继续深入和突破。

参考文献：

［1］ 陶飞，刘蔚然，刘检华，等.数字孪生及其应用探索［J］.计算机集成制造系统，2018，24（1）：1-18.

［2］ 李雪瑞，侯幸刚，杨梅，等.数字孪生驱动的工业产品CMF设计服务模型构建与应用［J］.计算机集成制造系统，2021，27（2）：307-327.

［3］ 沈娟斐，李超，陈岳飞.数字孪生在建筑工程领域的应用［J］.中国检验检测，2022，30（3）：6-10.

［4］ 李超，刘君武，王理，等.数字孪生在智慧城市中的应用［J］.中国检验检测，2022，30（4）：42-46.

［5］ 陈岳飞，王思思，田明棋，等.数字孪生技术在医疗健康领域的应用及研究进展［J］.计量科学与技术，2021，65（10）：6-9.

［6］ 李国英.建设数字孪生流域推动新阶段水利高质量发展［N］.中国水利报，2022-06-30（1）.

［7］ 黄艳.数字孪生长江建设关键技术与试点初探［J］.中国防汛抗旱，2022，32（2）：16-26.

［8］ 刘昌军，吕娟，任明磊，等.数字孪生淮河流域智慧防洪体系研究与实践［J］.中国防汛抗旱，2022，32（1）：47-53.

［9］ 夏润亮，李涛，余伟，等.流域数字孪生理论及其在黄河防汛中的实践［J］.中国水利，2021（20）：11-13.

［10］ 饶小康，马瑞，张力，等.数字孪生驱动的智慧流域平台研究［J］.水利水电快报，2022，43（2）：117-123.

［11］ 李建新.数字孪生海河建设及关键技术［J］.中国水利，2022（9）：17-20.

［12］ 陈瑜彬，邹冰玉，牛文静，等.流域防洪预报调度一体化系统若干关键技术研究［Ｊ］.人民长江，2019，50（7）：223-227.

［13］ 水利部长江水利委员会.2022年长江流域水工程联合调度运用计划［Z］.武汉：水利部长江水利委员会，2022.

［14］ 金兴平.2021年长江流域水工程联合调度实践与成效［J］.中国水利，2022（5）：16-19.

［15］ 黄恒琪，于娟，廖晓，等.知识图谱研究综述［J］.计算机系统应用，2019，28（6）：1-12.

［16］ 秦昊，闵要武，邹冰玉，等.一种基于知识图谱的水利工程调度规程推理方法：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］ 刘昌军.基于人工智能和大数据驱动的新一代水文模型及其在洪水预报预警中的应用［J］.中国防汛抗旱，2019，29（5）：11-22.

［19］ 周研来，郭生练，张斐章，等.人工智能在水文预报中的应用研究［J］.水资源研究，2019，8（1）：1-12.

［20］ 陳瑜彬，闵要武，冯宝飞，等.一种基于人脸识别算法的实时洪水预报智能方法：CN112711917A［P］.2021-07-16.

［21］ 程海云，闵要武，冯宝飞，等.一种基于深度学习的特征提取水文预报的方法：CN110619432A［P］.2019-12-27.

［22］ 官学文，冯宝飞，陈瑜彬，等.一种基于状态机的江湖分蓄洪区容积自适应洪水模拟方法：CN114357895A［P］.2022-06-07.

［23］ 长江防汛抗旱总指挥部办公室.长江水情预警发布管理办法（试行）［Z］.武汉：长江防汛抗旱总指挥部办公室，2013

［24］ 程海云.2020年长江洪水监测预报预警［J］.人民长江，2020，51（12）：71-75.

［25］ 查治荣，徐保超，周庆鹏.基于位置的城市水文预警信息服务平台研究［J］.中国水利，2018（17）：58-59，57.

［26］ 唐科萍，许方恒，沈才樑.基于位置服务的研究综述［J］.计算机应用研究，2012，29（12）：5-8.

（编辑：郑 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