基于数字孪生的泵闸群自动化调度系统研究

郑安琪，Sikandar shah，梁 健

（扬州大学 电气与能源动力工程学院，江苏 扬州 225127）

自进入21 世纪以来，信息技术正在经历爆炸式的发展，改变了人们的生活方式。信息物理系统使用大数据、物联网等信息技术在现实与虚拟之间创建了桥梁，通过使用数字孪生技术搭建由传感器、发送器、云计算平台等设备组成的数字孪生平台，进一步推进了水利工程自动化向智能化、信息化、数字化发展。

随着5G 时代的到来，无线通信系统技术快速发展，信息的采集与管理不再仅仅依靠人力管理，无线网络提高了信息传递的效率。在数字孪生平台中，无线通信技术大大提升了各层之间数据的传输效率。

未来，水利行业数字孪生技术将实现把水利工程自动化计算机测控技术与信息技术进行有效融合，进一步优化传统水利工程信息化系统的弊端，提升水利工程精细化管理与科学化管理水平。本研究选择了采用数字孪生技术（Digital Twin Technology）进行泵闸群的数据采集与仿真，这项技术能够大大推动泵闸群的自动化、信息化和精细化管理，进一步完善预报、预警、预演和预案等功能，实现流域治理管理的数字化、网络化和智能化，加快新阶段智慧水利的高质量建设[1]。

1 数字孪生平台

2002 年，美国密歇根大学教授Michael Grieves 博士提出了“物理产品的数字等同体或数字孪生体概念”，能够实现物理空间在虚拟数字空间交互映射[2]。近些年来，随着水利泵闸自动化工程的不断建设和改造，我国也逐渐将发展泵闸群的自动化控制技术列为发展重心。目前，我国在圩区排涝集中控制调度智能化方面的应用研究还是十分不足的，且由于泵闸站配套管理落后、泵闸站间信息传递效率低等问题，导致流域内管理人员无法及时做出合适的决策方案。随着物联网概念的日益普及，信息的采集与管理不断向智能化发展，数字孪生技术开始被应用于一些流域内排涝的自动化控制工程中，有效地提高了流域内泵闸群设备的运行效率以及安全性。

数字孪生技术是物联网及工业4.0 的重要技术手段，综合了数据感知、运算和建模等技术，能够精准分析泵站、闸门的物理状态，构建与其完全相同的数字模型，同时能够监控流域内流量、流速、水位等重要运行状态，采集实时数据不断完善数学模型，为后续的泵闸群运行提供更精确的决策，实现了描述、诊断、预测和决策，如图1 所示[3]。将数字孪生技术与相关流域的规划、水资源调度管理、水旱灾害防御及当地政策等相结合建立流域数字孪生模型，解决泵闸群的最优调度决策问题，推动我国水利工程向智慧化发展，合理利用水资源，改善了水生态环境。

图1 数字孪生技术

2 系统设计

本系统采用了模块化结构设计的理念，以“一中心多模块”的设计将业务功能模块耦合集成，实现各模块系统功能动态组合，其框架结构如图2 所示，满足了各模块功能完善形成闭环，使得该系统具有完备性、可扩展性、兼容性和重用性[4]。通过搭建泵闸群的数字孪生平台，将物理空间的泵闸群映射到数字空间，帮助管理人员进行调度决策和异常报警，达到提升泵闸群自动化调度的智能化水平的目的，推进了智慧水利的建设，构建安全监测、生产运营管理、巡查管护、综合决策支持应用体系[5]，实现监测数据采集、数据处理、数据分析和数据可视化等功能。

图2 泵闸群“一中心多模块”框架

本设计构建的泵闸群自动化调度系统将以上技术手段分为了5 个层次，分别为感知层、设施层、数据处理层、平台服务层和应用层，其流程为传感器所采集到的数据通过感知层传输至设施层，再通过数据库、云数据等平台送至数据处理层，经过不断地分析、处理及动态建模后传输到平台服务层展示结果，最后进入应用层。

3 泵闸群数字孪生工程构建

目前，全国大部分泵站、闸门都比较分散，地理位置较为偏僻，且多通过人工巡检方式进行启停泵闸，此方式不仅效率低下，当遇到涝灾时危险系数也非常高。在水利工程中，泵闸群是十分重要的水工建筑物，控制着流域内水资源的调配。因此，在智慧水利工程中需要实时监测泵站、闸门附近的水流量、水位等数据，及时与泵闸的安全边界做对比，分析泵闸的运行态势，以便更快速、合理地应对流域内供水需求与涝期洪水等突发情况，保障设备及周围居民的安全。以扬州市江都区通南高沙区为例，结合数字孪生技术构建泵闸群自动化调度的数字孪生工程（图3）。

图3 通南高沙区泵闸群分布

3.1 感知层

数据感知层是指水利自动化系统建立的“空天地内”监测网络体系，包含北斗三代技术、无人机倾斜摄影、地基雷达及传感器等设备。首先，在通南高沙区流域内设置足够多的智能传感器实时收集泵闸群的水位、水质、流量及雨量等基础数据，然后搭建流媒体视频监控平台，建设自动监测站和水文站网，同时利用无人机倾斜摄影技术、遥感技术获取通南高沙区内泵闸群周围的地形地貌信息构建三维模型[6]，利用卫星遥感技术将所获得的地形数据上传至设施层，帮助实时监测泵闸群的运行状态，是健全物理感知体系的基础。

3.2 设施层

技术设施层主要包括安全防护、云存储、云计算及通信等技术。在该层中，使用5G 网络通信技术将全部基础数据更快、更可靠、高同步地上传并接入云存储服务器和云计算平台，初步建立通南高沙区信息共享交换平台，提高了泵闸基础信息采集的自动化率，为整个系统的运行提供数据流动的安全保障，实现流域内各水文站、水质站数据实时共享，提高信息采集自动化率，等待后续处理。

3.3 数据处理层

数据处理是指系统对采集到的多源数据进行检验并整理分类，运用多种方式整理异常数据，确保上传数据的准确性。同时充分利用通南高沙区的地形地貌、泵闸BIM 模型、地面传感器结合流域基础数据，实现了优异的数据可视化效果。

数字孪生系统将根据上层传输过来的数据进行智慧水利动态建模。1943 年，心理学家McCulloch 和数学家Pitts 合作提出了形式神经元的数学模型[7]。数字孪生平台应用的BP 神经网络算法在非线性系统辨识和控制、故障检测、决策优化等领域的应用十分广泛，能够帮助数字孪生平台进行模型的动态迭代和优化，其模型如图4 所示。

图4 BP 神经网络经典模型

其中，神经网络输入模式为x=（x1，x2，…，xn）T，输出模式为y=（y1，y2，…，yh）T，隐含层包含h 个单元，输出层包含m 个单元，它们的输出为z=（z1，z2，…，zm）T，目标输出为t=（t1，t2，…，tm）T，且隐含层到输出层的传递函数为f，输出层的传递函数为g

式中：yj为隐含层第j个神经元的输出；wij为从神经元j到神经元i的连接权值，当i=0 时，w0j=θ，x0=-1；θ为一个阈值；zk为输出层第k 个神经元的输出，此时实际输出与目标输出的误差ε为

其中，为了减小ε，需要调整权值

式中：η 为一个步长。因此

隐含层到输出层的权值调整迭代公式为

输入层到隐含层的权值调整迭代公式为

系统将处理好的数据不断输入，经过无数次迭代调整，神经网络的输出z=（z1，z2，…，zm）T与目标输出t=（t1，t2，…，tm）T的误差会逐渐减小，直至无限趋近于0，不断调整系统输出模型，实现智慧水利动态建模。

3.4 平台服务层

该层主要是提供处理后的数据及相关服务，将泵闸群的数据统一展示，同时进行泵闸运态安全检测，建成了通南高沙区流域模型管理与可视化数字孪生服务平台。提供了流域工程及监测模型服务管理功能。同时整合共享流域内知识平台，为上层水利业务智能应用的知识积累、经验提炼和分析研判等提供数据支撑，提升调度决策的准确性。

3.5 应用层

该层是数字孪生平台中实现虚实结合的重要一步，建立了泵闸群的数字模型，构建的动态模型如图5所示。该平台利用了泵闸实时数据、动态建模等技术提升数据处理能力，同时拥有数据可视化、运行态势感知、综合分析方案、应急措施等功能，提供通南高沙区流域执法监管应用和水资源保护与监管应用、水利工程管理应用和流域数字规划等应用功能。

图5 闸门数字模型

4 结束语

在物联网、人工智能等新兴技术蓬勃发展的时代背景下，数字孪生技术被广泛运用于水利工程中，指明了我国水利的发展方向，推动我国水利工程发展从“信息水利”向“智慧水利”跨越，提供了新理论和新技术。与发达国家相比，我国的数字孪生技术研究仍处于发展阶段，数字化水平较低，但在国家政策的推进下，基础设施升级加快，为我国企业自动化、信息化、数字化提供了巨大的支持，为数字孪生技术在企业赋能提供了更多可能性。本文以数字孪生为中心，展示了构建一套逻辑清晰的智慧水利框架体系的流程，并将该体系应用于泵闸群数字孪生工程加以探索。然而，我国对于数字孪生技术的研究还处于较为初级的阶段，所监测的流域数据还较为片面，还需要专家们进一步投入研究，真正实现智慧水利工程应用。