南四湖防洪调度系统建设与应用研究

胡文才，王秀庆，陈 胜，刘昌军，刘业森，李红亮

（1.水利部淮河水利委员会沂沭泗水利管理局水文局（信息中心），221018，徐州；2.中国水利水电科学研究院，100038，北京；3.水利部数字孪生流域重点实验室，100038，北京）

一、概 况

国家“十四五”规划纲要提出构建智慧水利体系，以流域为单元提升水情测报和智能调度能力。水利部高度重视智慧水利建设，将推进智慧水利建设列为推动新阶段水利高质量发展的六条实施路径之一，明确将数字孪生流域建设作为智慧水利建设的核心工作。水利部先后出台了推进智慧水利建设、开展数字孪生流域建设的系列文件，明确将数字孪生南四湖二级坝工程列为水利部12项先行先试数字孪生工程之一。

数字孪生建设目的是遵循“需求牵引，应用至上”的原则，解决生产单位在工作实际中遇到的问题，提高水利业务水平。根据智慧水利“2+N”业务应用体系框架要求，重点为防洪调度和水资源管理与调配两大业务。南四湖二级坝水利枢纽作为连接南四湖上下级湖的控制性工程，包含节制闸、溢流坝、拦湖土坝、泵站、船闸等多类水利工程，具有防洪、蓄水、排涝、灌溉、水资源调蓄、交通等功能以及闸坝运行管理的各项职责，在淮河流域众多水闸工程中，其功能和作用具有较强的代表性。二级坝枢纽具有较为丰富的数据资源，因此选择二级坝枢纽作为数字孪生先行先试工程具有较强的代表性和可操作性。研究以知识驱动的南四湖防洪调度系统，为沂沭泗数字孪生建设提供可借鉴的范例。

知识平台是知识驱动的核心，为数字孪生流域提供智能化支撑。长江、大汶河等数字孪生项目对知识平台建设进行了探索和尝试，为防洪调度提供了支撑。本文结合南四湖水系特征，对知识平台在防洪调度智能化提升方面进行了探索。

二、系统总体框架

数字孪生流域建设，知识驱动是至关重要的环节。通过融合数据、模型和知识，利用水利模型、神经网络和机器学习等算法，以及云平台的高性能计算能力，对南四湖防洪调度系统进行了深入研究。该系统以数据底板提供全面“算据”支撑，以模型平台中的水利专业模型提供“算法”支持，而知识平台则提供丰富的水利“知识”驱动，在降雨、预报、预警、预演、预案和工程调度等关键环节中，系统全程展现出强大的知识驱动能力。南四湖防洪调度系统总体框架见图1。

图1 南四湖防洪调度系统总体框架图

系统建设范围面向南四湖水系，基础设施包括感知体系、通信网络、数据存储与系统部署环境。数字孪生平台的核心由数据底板、模型平台和知识平台3 个重要部分组成。在数据底板方面，通过收集、处理和整合实时感知信息、流域水系和工程基础信息、业务管理信息（包括风险隐患、山洪预警和洪水风险等）、跨行业共享信息（如行政区划、社会经济和交通道路等），以及空间地理信息（如基础地理、BIM建模、实景模型和遥感影像等），建立南四湖流域L1级、南四湖湖区和二级坝闸区L2 级以及水闸L3 级的数据底板，为数字孪生流域提供了全面且精准的数据支持；在模型平台方面，开发水利专业模型和智能识别模型以支持业务智能应用的实现，开发可视化模型实现实体工程的三维可视化展示；在知识平台方面，开发预报调度方案库、防洪调度规则库和专家经验库等知识库，为防洪调度提供知识支撑，从而实现防洪调度的智能化水平提升。防洪调度平台实现防洪“四预”功能。

三、知识平台建设

知识平台作为数字孪生流域的关键组成之一，提供了强大的智能化支持。针对南四湖水系的特点，基于数字孪生流域技术框架，构建数字孪生二级坝水利知识平台，通过数据底板对数据实体关系进行抽取和整合，盘活现有的知识资源，并采用开放式架构，使得知识资源可以持续学习和迭代。知识平台的建设涵盖了预报调度方案库、防洪调度规则库、历史场景模式库和专家经验库等内容，通过开发知识引擎有效发掘、整合和利用知识资源，为防洪调度决策提供精准、高效的支持。

1.预报调度方案库

系统整理和分析自有实测资料以来南四湖流域的暴雨洪水资料，利用新安江模型、淮北模型、一维水力学河道演进模型等产汇流模型计算不同量级和不同降雨空间分布条件下的洪水过程。制定南四湖流域洪水预报方案，并构建预报调度方案库，与新建的防洪调度系统进行有机集成，有效提高洪水预报精度。同时，系统提供开放式接口设计，使得预报调度方案库能够随着工程数据底板的不断完善与更新进行相应调整。每年通过对方案和预案的关键参数进行率定修正，实现对方案库的同步更新。预报调度方案库汇聚了13个水闸的调度方案，包括南四湖二级坝的一闸、二闸、三闸以及韩庄闸等重要水闸。

2.防洪调度规则库

防洪调度规则库是在全面梳理南四湖防洪调度所涉及的各类水工程调度方案和规则的基础上，提出结构化、数字化的表达和存储方式，通过将南四湖流域的控制性水闸、溢流坝、行蓄洪区等防洪工程的调度运用方案进行结构化处理，形成一系列可组合应用的结构化防洪调度规则集。此外，研发规则库的增加、删除、修改、查询工具，并按相关要求将其统一集成到防洪调度和水闸综合管理系统中，建成覆盖南四湖流域的调度规则体系。防洪调度规则包含8 类523 项相关的规则文档和结构化数据，这些数据包括洪水调度规则、预警指标、应急响应规则以及非工程措施等。

3.历史场景模式库

历史场景模式库收集了南四湖流域典型年历史场次洪水资料，通过对洪水实测过程、预报结果、调度过程及采取的应对措施在场景中复盘，构建场次洪水指标体系，通过归类梳理，总结出相似洪水指标参数。同时，充分挖掘提取南四湖地区历史典型洪水事件时空过程，并与防洪调度方案进行关联，归纳总结典型洪水的调度方案，为南四湖洪水预报和调度提供知识化依据。历史场景库实现了8类130项数据的整理和入库，包括历史场次洪水、历史场次降雨、典型暴雨等相关数据。

4.专家经验库

基于南四湖流域历史洪水专家调度决策经验，通过文字、公式、图形图像等形式将专家经验实体化，形成了专家经验主导下的认知知识，实现专家经验的复用和积累，促进了个人经验的普及化和隐性经验的显性化。通过应用专家经验驱动模式学习和探索，可实现自动诊断分析并为复杂情境下的南四湖洪水调度决策提供专家经验支撑。专家经验库主要包括洪峰流量预报经验、洪峰水位预报经验、水位涨率预报经验、折扣系数预报经验、工程调度影响效应经验、产流系数经验、行蓄洪区运用影响效应经验、洪峰水位—流量经验曲线关系式、实时水位—流量经验曲线关系式等内容，实现了4大类专家经验数据的结构化处理，包括二级坝调度经验、二级坝执行经验、二级坝纠偏经验以及避洪转移经验等，为进一步分析数据和构建经验模型提供了基础，可以更好地模拟和预测实际情况，为决策提供依据。

5.知识图谱库

构建面向南四湖流域防洪联合调度的知识图谱库以提供辅助决策支持。该知识图谱库整合了沂沭泗水利管理局专家经验、南四湖流域历史典型洪水场景、二级坝枢纽调度规则、南四湖洪水调度预案等水利知识，并从中提取出水利知识要素，构成南四湖流域防洪知识的实体，并通过可视化图谱形象地展示南四湖流域防洪联合调度过程中的核心实体对象结构，以及从预报调度到洪水模拟过程中关联的知识结构，并实现了多学科知识融合。通过抽取和整理，得到117类实体和111类实体关系，并入库1325条实体和1382条实体关系数据。

6.知识引擎

水利知识引擎主要实现水利知识的表示、抽取、融合、推理和存储等功能。在知识表示方面，采用人机协同方式构建南四湖的基础本体和业务本体，实现对历史过程的陈述和预报调度过程知识的全面表示；在知识抽取方面，以场景配置需求和数据供给为条件，结合迁移和监督学习等算法，构建实体—关系—属性三元组知识，从时间和空间尺度描述南四湖水利实体类别及相互关系、活动和规律；在知识融合方面，针对南四湖流域多种水利知识的同一性和异构性，构建水利实体连接、物理属性和关联关系映射等融合能力，实现不同知识的有效整合；在知识推理方面，通过监督学习和强化学习等算法，构建水利推理性知识，为决策提供强有力的支持；在知识存储方面，采用图计算引擎管理和驱动水利知识，实现超大规模数据存储，为知识应用和共享提供便利。

四、知识驱动关键内容设计及实现

1.防洪调度全链条知识驱动框架

数字孪生南四湖防洪调度系统从水文监测预报“三道防线”的第一道防线气象、雷达降雨开始介入，雨量监测降雨第二道防线自动推送历史场次降雨；预报过程中主动推送历史同类型洪水过程；根据预报汇流结果进行洪水演进，演进过程中结合预设警示信息和数据底板的三维信息，主动推送河道、湖泊、险工险段和水闸枢纽工程的警示信息；在预演过程中展示洪水演进过程和具体点位的警示信息；通过多方案比较，以历史场景库为支撑，主动推送历史同类型场次调度经验；预案推荐后转化为调度指令，工程管理单位收到调度指令后，知识平台利用知识驱动将调度指令自动转化为操作指令（见图2）。

图2 知识驱动的南四湖防洪调度系统示意图

2.基于历史知识的降雨相似性支撑

降雨过程对洪水预报结果至关重要，为提高洪水预报的准确性，需要充分考虑降雨的总量和时空分布特性。这个分析过程可以分为“预报雨”和“落地雨”。“预报雨”是由气象卫星和测雨雷达系统构成“天基”和“空基”监测预报降雨，在降雨前对可能发生的洪水做出预报，大大延长了预见期。然而，目前沂沭泗水利管理局接收到的预测降雨只是未来一段时间的预测降雨总量，未考虑降雨的时空分布。在常规预报中采用平均分配的方式，往往导致预报结果中洪峰偏小，洪水过程与实际过程偏差过大。为解决这一问题，通过收集区域内的历史降雨信息，利用知识平台对历史降雨数据进行统计分析，可以推荐出与当前气象条件相似的历史降雨场次，通过时空分布转换，让“预报雨”更贴近本地区的实际情况，得到更精确的洪水预报结果。此外，通过地面雨量监测站网报送的实际落地的降雨信息，具有“落地雨”的洪水预报场景更为具体和实时，更加客观反映降雨的实际状况，对于修正和优化洪水预报模型具有重要作用。

3.洪水过程相似性推荐

预报系统对“落地雨”乃至产汇流进行分析推演，在洪水发生前对可能发生的洪水作出预报。但是任何一个系统在运行过程中都可能出现误差，为将误差缩小到许可范围内，在南四湖洪水预报系统中利用知识平台根据降雨特征主动推送相似历史场次洪水过程，对预报结果进行验证。通过场次洪水的降雨和洪水特征值数据进行智能化匹配，特征值包括降雨总量、降雨时长、降雨中心点等时空分布信息，以及场次洪水的产水量、洪峰等信息；获取相似场次洪水的降雨过程、洪水数据、调度过程等数据，为未来可能发生的洪水过程进行预演，为防洪调度决策提供经验和依据。

4.预警信息推送

知识平台结合产汇流成果和河道洪水演进计算成果，通过预警信息智能推送接口，与河流的警戒水位、警戒流量、保证水位、保证流量等特征指标进行计算，判断是否超过预警阈值，如果超过阈值将自动生成预警信息并推送到防洪调度系统预警模块。

5.预演信息展示

以南四湖流域数据底板为载体，融合南四湖流域产流、汇流和河道湖泊洪水演进过程，通过知识平台的判断，根据演进过程，对预计出险的堤防、工程和湖泊实时推送预警信息，为防汛调度决策提供依据。

6.非工程措施预案自动推荐

非工程措施包括值班值守、信息报送、发文发函、巡堤查险、应急处置、派出工作组、人员避险转移、组织实施等方面。知识平台基于产汇流预报和洪水演进计算成果中的降雨量大小、降雨时长、降雨中心点和洪水规模，根据内置的业务规则，判断是否发文发函，如果需要则根据不同发函内容自动生成相应模板，判断是否派出工作组，确定应急响应级别，生成相应级别的处置措施以及组织实施措施等，最终自动生成非工程措施方案，为防洪调度提供参考。

7.基于机器学习算法的调度指令转换

在南四湖防洪调度过程中，二级坝水利枢纽管理局在接收到调度指令后，闸门的开启需要当地水文部门进行繁琐的计算，然后根据计算结果手动开启，这种方法智能化程度较低，已不适应当前智慧化发展的需求。为了解决这一问题，本系统利用知识平台，基于实时监测数据，融合神经网络和机器学习方法，将二级坝调度指令自动转换为闸门开启的操作指令，大大提高了效率。

五、几个关键问题探讨

1.降雨问题

相同的空间不可能出现完全相同的两场降雨。知识平台对场次降雨推荐还只是一个概化性的推荐，只能从降雨总量、空间分布和时间分布上的大概率相似角度推荐场次洪水，还未具体到每一个站点，精细化程度还不够，和实际降雨仍有差距。因此，以历史场次降雨去模拟实际降雨时，和实际降雨相比有一定误差，需要后续不断积累历史资料，通过机器学习来逐步提升精度。

2.场次洪水问题

在经过降雨监测第二道防线后，知识平台根据“落地雨”的情况自动推送历史相似场次降雨洪水过程。由于实际发生的降雨和历史降雨不同，工程运行情况不同，从而导致重要断面洪水要素不同，如何辨别两者之间的差异，是在实际预报中要考虑的问题。

3.工程运行对预报结果的影响问题

南四湖大部分重要入湖河流上都有拦河工程，这些工程运行状况的实时监测仍未纳入现有系统，从而对预报结果产生影响，如何消除影响提高预报精度，是下一步需要研究的问题。

六、结语

经过1 年多的研究与探索，初步建成全过程知识驱动的南四湖防洪调度系统。沂沭泗水利管理局以需求为导向，坚持应用至上原则，以数据底板为载体,以水利专业模型为算法,以知识平台为驱动,以云平台提供算力，研究建成了南四湖防洪调度系统，从降雨、产流、汇流、演进、调度全过程提供知识驱动，为南四湖流域防洪调度决策提供智慧化的信息支撑，为流域的防洪保安提供“智慧大脑”。