關(guān)鍵詞：數(shù)字孿生；水庫建設(shè)；“四預(yù)”措施；智慧化運(yùn)管

中圖法分類號(hào)：TV697.1 文獻(xiàn)標(biāo)志碼：A DOI：10.15974/j.cnki. slsdkb.2025.05.020

文章編號(hào)：1006-0081（2025）05-0123-09

0 引言

數(shù)字孿生技術(shù)是實(shí)現(xiàn)物理樞紐在虛實(shí)之間雙向映射、動(dòng)態(tài)交互、實(shí)時(shí)連接的關(guān)鍵途徑[1-2]。在全面推進(jìn)智慧水利建設(shè)的政策引導(dǎo)下，數(shù)字孿生技術(shù)已經(jīng)在智慧水利的快速高質(zhì)量發(fā)展建設(shè)中發(fā)揮重要作用[3]2021年年底以來，水利部先后印發(fā)了《水利業(yè)務(wù)“四預(yù)\"基本技術(shù)要求（試行）》《數(shù)字孿生流域建設(shè)技術(shù)大綱（試行）》《數(shù)字孿生水網(wǎng)建設(shè)技術(shù)導(dǎo)則（試行）》等一系列規(guī)范性文件；2022年4月，數(shù)字孿生流域建設(shè)先行先試項(xiàng)自任務(wù)發(fā)布，“數(shù)字孿生凌塘水庫”是入選先行先試項(xiàng)目“數(shù)字孿生太湖地區(qū)典型水網(wǎng)工程”的重要任務(wù)之一；2023年，水利部先后印發(fā)了《關(guān)于加快構(gòu)建現(xiàn)代化水庫運(yùn)行管理矩陣的指導(dǎo)意見》《構(gòu)建現(xiàn)代化水庫運(yùn)行管理矩陣先行先試工作方案》，提出加快構(gòu)建以推進(jìn)全覆蓋、全要素、全天候、全周期“四全”管理，完善體制、機(jī)制、法治、責(zé)任制“四制（治）\"體系，強(qiáng)化預(yù)報(bào)、預(yù)警、預(yù)演、預(yù)案“四預(yù)\"措施，加強(qiáng)除險(xiǎn)、體檢、維護(hù)、安全“四管”工作為核心內(nèi)容的現(xiàn)代化水庫運(yùn)行管理矩陣要求。

在當(dāng)前水庫運(yùn)行管理中，主要面臨信息化建設(shè)不足、智慧決策欠缺、庫區(qū)安防低效等關(guān)鍵問題[4]。水庫數(shù)字孿生技術(shù)應(yīng)運(yùn)而生，憑借現(xiàn)有設(shè)施與數(shù)據(jù)，打造虛擬場(chǎng)景與業(yè)務(wù)模型，推動(dòng)數(shù)字化轉(zhuǎn)型。為日常管理提供精準(zhǔn)數(shù)據(jù)支持，助力智慧決策，優(yōu)化庫區(qū)安防管理，為水庫運(yùn)行管理全方位提升提供了新的解決思路[5]。目前，多個(gè)水利工程如密云水庫[6、官廳水庫[]、白石水庫[8]、長(zhǎng)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(shù)字孿生先行先試任務(wù)，并從數(shù)據(jù)底板建設(shè)、模型平臺(tái)搭建以及“四預(yù)”業(yè)務(wù)應(yīng)用等方面展開探索。本文以凌塘水庫作為研究對(duì)象，闡述數(shù)字孿生水庫建設(shè)思路以及關(guān)鍵技術(shù)應(yīng)用，旨在提高水利工程運(yùn)行管理的數(shù)字化、網(wǎng)絡(luò)化、智能化水平，為推進(jìn)現(xiàn)代化水庫運(yùn)行管理矩陣建設(shè)提供借鑒和參考[12-14] O

1總體框架與建設(shè)目標(biāo)

1.1 工程概況

凌塘水庫坐落于省市丹徒區(qū)上黨鎮(zhèn)境內(nèi)，位于太湖流域西部，寧鎮(zhèn)山脈南麓。凌塘水庫集水面積 25.5km² ，水庫集水區(qū)域平均高程在 45.0m （1985國家高程基準(zhǔn)）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(qū)間洪水最終匯入江南運(yùn)河，北排長(zhǎng)江或向南進(jìn)入湖西腹部地區(qū)排入太湖。

1.2 總體框架

數(shù)字孿生凌塘水庫總體建設(shè)框架由數(shù)據(jù)底板獲取、三維場(chǎng)景構(gòu)建、感知體系建設(shè)、數(shù)據(jù)資源匯聚、系統(tǒng)集成、水利專業(yè)模型建設(shè)、業(yè)務(wù)應(yīng)用等模塊組成。主要運(yùn)用物聯(lián)網(wǎng)、GIS、BIM、三維渲染、知識(shí)圖譜以及人工智能等技術(shù)手段，通過傾斜攝影、三維激光掃描獲取數(shù)據(jù)底板，借助BIM技術(shù)對(duì)凌塘水庫重要區(qū)域、設(shè)施設(shè)備進(jìn)行三維仿真建模，運(yùn)用三維渲染技術(shù)構(gòu)建數(shù)字化場(chǎng)景；接入視頻、工情、安全等實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)完善感知體系建設(shè)，通過數(shù)據(jù)的匯聚融合實(shí)現(xiàn)物理現(xiàn)實(shí)在虛擬空間中的數(shù)字映射；同時(shí)充分運(yùn)用底板數(shù)據(jù)、水雨情監(jiān)測(cè)數(shù)據(jù)、工情監(jiān)測(cè)數(shù)據(jù)等各類數(shù)據(jù)資源，借助水文預(yù)報(bào)、洪水演進(jìn)等水利專業(yè)模型和人工智能模型，實(shí)現(xiàn)水庫“四預(yù)”能力和“四管”工作應(yīng)用，為水庫日常運(yùn)行管理提供基礎(chǔ)支撐。總體框架如圖1所示。

1.3 建設(shè)目標(biāo)

數(shù)字孿生凌塘水庫建設(shè)以數(shù)字化場(chǎng)景、智慧化模擬、精準(zhǔn)化決策為路徑，全面推進(jìn)算據(jù)、算法、算力建設(shè)，構(gòu)建具有預(yù)報(bào)、預(yù)警、預(yù)演、預(yù)案功能的現(xiàn)代化水庫運(yùn)行管理平臺(tái)。建設(shè)目標(biāo)主要包括以下內(nèi)容。

（1）強(qiáng)化“四全”管理，從數(shù)據(jù)、感知監(jiān)測(cè)與數(shù)據(jù)交互等組織層面完善數(shù)據(jù)基礎(chǔ)，為模型計(jì)算和業(yè)務(wù)應(yīng)用提供數(shù)據(jù)支撐。建設(shè)水利知識(shí)庫、調(diào)度規(guī)則庫、應(yīng)急預(yù)案庫等經(jīng)驗(yàn)知識(shí)庫與水利智能引擎，完善“四制（治）”體系，構(gòu)建流域和工程知識(shí)圖譜，實(shí)現(xiàn)基于知識(shí)圖譜和防洪需求驅(qū)動(dòng)的智慧調(diào)度，為“四預(yù)”措施建設(shè)提供強(qiáng)有力的支撐。運(yùn)用機(jī)理模型、數(shù)據(jù)驅(qū)動(dòng)智能模型平臺(tái)，建立“四預(yù)\"措施體系。

（2）加強(qiáng)“四管”工作。構(gòu)建以智能巡檢、病害分析與處置、水庫調(diào)度、設(shè)備評(píng)級(jí)、安全監(jiān)測(cè)、安全生產(chǎn)、水政管理等業(yè)務(wù)應(yīng)用為核心的智慧化運(yùn)管平臺(tái)，全力支撐凌塘水庫“四管”工作建設(shè)。

2 主要建設(shè)內(nèi)容

以數(shù)字孿生凌塘水庫總體建設(shè)框架與建設(shè)自標(biāo)為導(dǎo)向，平臺(tái)主要建設(shè)內(nèi)容包括：數(shù)據(jù)底板獲取及場(chǎng)景構(gòu)建、感知體系建設(shè)、多源數(shù)據(jù)融合、專業(yè)模型構(gòu)建、“四預(yù)\"措施以及“四管”工作建設(shè)。其中，以模型平臺(tái)建設(shè)為核心，數(shù)據(jù)底板建設(shè)為基礎(chǔ)，重點(diǎn)實(shí)現(xiàn)“四預(yù)”“四管”等業(yè)務(wù)應(yīng)用。

2.1數(shù)據(jù)底板獲取及場(chǎng)景構(gòu)建

建設(shè)以地形數(shù)據(jù)感知體系、數(shù)字資源體系為基礎(chǔ)的數(shù)據(jù)底板，其中業(yè)務(wù)管理數(shù)據(jù)包括水庫沉降、滲流、精細(xì)化管理等全業(yè)務(wù)數(shù)據(jù)，地理空間數(shù)據(jù)包括地形地貌、土地覆蓋、正射影像以及相關(guān)水利專題等，按照數(shù)據(jù)精度分為L(zhǎng)1、L2、L3 三級(jí)[15-16]。數(shù)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(shù)據(jù)以及重點(diǎn)區(qū)域、重要設(shè)施設(shè)備BIM數(shù)據(jù)，其中L2級(jí)數(shù)據(jù)通過大疆M300無人機(jī)搭載睿鉑五鏡頭相機(jī)進(jìn)行傾斜影像數(shù)據(jù)采集，共采集影像68864張。另使用大疆精靈四RTK無人機(jī)對(duì)重點(diǎn)區(qū)域進(jìn)行加密航測(cè)作業(yè)，采集數(shù)據(jù)584張。同時(shí)針對(duì)閘機(jī)、啟閉機(jī)、水文站房以及其他主要設(shè)備，進(jìn)行L3級(jí)別部件級(jí)高精度BIM建模。將凌塘水庫L1、L2、L3等不同級(jí)別數(shù)據(jù)融合體現(xiàn)在三維平臺(tái)渲染，其整合示意如圖2所示。

2.2 感知體系建設(shè)

感知體系是實(shí)現(xiàn)數(shù)字孿生水庫工程的關(guān)鍵基礎(chǔ)，凌塘水庫現(xiàn)有監(jiān)測(cè)設(shè)備包括水位、雨量、流量、水質(zhì)、滲流、閘門啟閉、監(jiān)控等，數(shù)據(jù)通過現(xiàn)有網(wǎng)絡(luò)進(jìn)行庫間交換方式實(shí)時(shí)傳輸。本次在充分利用已有在線監(jiān)測(cè)設(shè)施的基礎(chǔ)上，新建一套高精度GNSS變形監(jiān)測(cè)設(shè)備，通過高精度定位，結(jié)合物聯(lián)網(wǎng)、云計(jì)算等技術(shù)，能夠?qū)崿F(xiàn)壩體變形的連續(xù)監(jiān)測(cè)和分析，并在三維場(chǎng)景中實(shí)現(xiàn)監(jiān)測(cè)數(shù)據(jù)可視化，運(yùn)用大壩安全監(jiān)測(cè)數(shù)據(jù)分析模型進(jìn)行實(shí)時(shí)分析研判和安全預(yù)警，提升大壩安全管理的準(zhǔn)確性和時(shí)效性。

2.3 多源數(shù)據(jù)融合

數(shù)據(jù)資源池主要包括基礎(chǔ)數(shù)據(jù)、監(jiān)測(cè)數(shù)據(jù)、業(yè)務(wù)管理數(shù)據(jù)、跨行業(yè)共享數(shù)據(jù)以及地理空間數(shù)據(jù)。數(shù)據(jù)資源池為智慧水利提供“算據(jù)”支撐，在有效整合數(shù)據(jù)底板以及感知體系數(shù)據(jù)外，還需重點(diǎn)收集整理水庫工程基礎(chǔ)數(shù)據(jù)，包括水庫基礎(chǔ)信息、庫容曲線資料、水庫管理調(diào)度（調(diào)度指令、調(diào)度計(jì)劃）相關(guān)資料、設(shè)備評(píng)級(jí)養(yǎng)護(hù)記錄、白蟻病害防治方案及計(jì)劃等基礎(chǔ)以及歷史資料，實(shí)現(xiàn)對(duì)智慧化運(yùn)管平臺(tái)建設(shè)的數(shù)據(jù)保障。針對(duì)多源數(shù)據(jù)，按照規(guī)則進(jìn)行統(tǒng)一標(biāo)準(zhǔn)采集，業(yè)務(wù)數(shù)據(jù)庫表數(shù)據(jù)采集得到的數(shù)值字段要與從文件或接口等渠道采集得到的同類數(shù)據(jù)口徑統(tǒng)一。對(duì)于多種多樣來源渠道的同一數(shù)據(jù)對(duì)象，按照既定的優(yōu)先級(jí)順序進(jìn)行數(shù)據(jù)處理和存儲(chǔ)，保證數(shù)據(jù)的一致性。通過數(shù)據(jù)抽取和集成環(huán)節(jié)，從異構(gòu)的數(shù)據(jù)源中獲得用于大數(shù)據(jù)處理的原始數(shù)據(jù)。使用加權(quán)數(shù)據(jù)融合方式實(shí)現(xiàn)水庫多源數(shù)據(jù)融合

2.4專業(yè)模型平臺(tái)建設(shè)

2.4.1 水文預(yù)報(bào)

水文預(yù)報(bào)是對(duì)江河、湖泊、渠道、水庫和其他水體的水文要素現(xiàn)狀進(jìn)行報(bào)告并對(duì)其未來變化進(jìn)行預(yù)測(cè)的工作。水文預(yù)報(bào)方法較多，如上下游水位（流量）相關(guān)法、模型法、降雨徑流經(jīng)驗(yàn)相關(guān)法等，本次水文預(yù)報(bào)主要采用新安江三江源模型、單位線法和降雨徑流相關(guān)圖法，考慮到凌塘水庫未設(shè)置控制性人庫水文站，缺乏實(shí)測(cè)入庫洪水資料，故采用降雨徑流相關(guān)圖法，基于降雨預(yù)報(bào)，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(jiān)測(cè)數(shù)據(jù)和實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)、凌塘水庫的運(yùn)行數(shù)據(jù)，對(duì)凌塘水庫的人庫徑流進(jìn)行預(yù)報(bào)和滾動(dòng)修正，見圖3。

2.4.2 水庫壩體潰決模擬計(jì)算

數(shù)字孿生凌塘水庫植入了潰壩洪水計(jì)算引擎。通過線上潰壩模型可驅(qū)動(dòng)計(jì)算引擎，實(shí)現(xiàn)潰壩洪水的實(shí)時(shí)計(jì)算。計(jì)算結(jié)果通過數(shù)據(jù)庫反饋給平臺(tái)，獲得潰壩洪水淹沒范圍隨時(shí)間的變化過程，進(jìn)行潰壩洪水演進(jìn)過程及大壩下游淹沒區(qū)域三維仿真展示，并進(jìn)一步開展洪水影響分析，獲得潰壩事件發(fā)生時(shí)的應(yīng)急反應(yīng)時(shí)間、需要緊急疏散的人員及最優(yōu)疏散路徑、潰壩洪水影響范圍等，為應(yīng)急預(yù)案編制和智能化推薦、管理與突發(fā)事件分析決策提供科學(xué)、直觀的數(shù)據(jù)支撐。

2.4.3 智能語音識(shí)別模型

智能語音識(shí)別模型是數(shù)字孿生凌塘水庫模型平臺(tái)建設(shè)的重要組成部分，通過語音識(shí)別實(shí)現(xiàn)平臺(tái)各個(gè)模塊的跳轉(zhuǎn)以及功能控制。語音模型采用了深度全卷積神經(jīng)網(wǎng)絡(luò)，直接將音譜圖作為輸入。語音識(shí)別模型主要用于將用戶的語音指令識(shí)別為文字，幫助程序理解用戶意圖，從而實(shí)現(xiàn)用戶對(duì)相關(guān)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(duì)語音識(shí)別功能進(jìn)行測(cè)試，此模型對(duì)隨機(jī)用戶所發(fā)出語音指令的識(shí)別準(zhǔn)確率達(dá)到 98% 以上。

2.5“四預(yù)\"措施建設(shè)

“四預(yù)”措施是實(shí)現(xiàn)現(xiàn)代化水庫管理的重要手段與工具，是數(shù)字孿生水利工程的重要組成部分，是運(yùn)管矩陣建設(shè)的重點(diǎn)和難點(diǎn)。建設(shè)預(yù)報(bào) $$ 預(yù)警 $$ 預(yù)演$$ 預(yù)案一體化的業(yè)務(wù)流程，運(yùn)用水文預(yù)報(bào)模型、潰壩模型、可視化模型，實(shí)現(xiàn)水文預(yù)報(bào)預(yù)演以及洪水淹沒模擬；建立水利知識(shí)庫并應(yīng)用于智能化交互，實(shí)現(xiàn)精準(zhǔn)預(yù)報(bào)、實(shí)時(shí)預(yù)警、數(shù)字預(yù)演、科學(xué)調(diào)度，增強(qiáng)應(yīng)急處置能力。

2.6 “四管”工作建設(shè)

“四管”工作是現(xiàn)代化水庫管理具體工作的重要實(shí)施和落實(shí)，核心便是通過綜合應(yīng)用來落實(shí)及時(shí)除險(xiǎn)、定期體檢、強(qiáng)化維護(hù)、保障安全4個(gè)方面工作。通過滲流、壩體變形監(jiān)測(cè)、水文監(jiān)測(cè)等“四全”管理手段，借助智慧化運(yùn)管平臺(tái)，充分利用無人機(jī)大壩巡檢、白蟻巡查，開展定期體檢及日常維護(hù)[17]，及時(shí)發(fā)現(xiàn)水庫存在的安全隱患，開展治理及除險(xiǎn)。

3關(guān)鍵技術(shù)研究與實(shí)踐

平臺(tái)以實(shí)現(xiàn)水庫智慧化運(yùn)管為自標(biāo)，借助在線水文預(yù)報(bào)與調(diào)度預(yù)演、洪水淹沒模擬及智能化預(yù)警等關(guān)鍵核心技術(shù)，通過智能化、智慧化、現(xiàn)代化技術(shù)手段，助力水庫運(yùn)行管理決策支持。

3.1 智慧化運(yùn)管

水庫運(yùn)管系統(tǒng)是實(shí)現(xiàn)水庫業(yè)務(wù)全鏈條線上管理的關(guān)鍵工具[10]，凌塘水庫智慧化運(yùn)管平臺(tái)著重落實(shí)“四管”工作，其業(yè)務(wù)功能涵蓋水庫調(diào)度、設(shè)備評(píng)級(jí)、安全監(jiān)測(cè)、病害預(yù)警、安全生產(chǎn)、水政管理等模塊，如圖4所示。安全監(jiān)測(cè)、變形沉降監(jiān)測(cè)模塊通過新增GNSS變形監(jiān)測(cè)設(shè)備，獲取斷面當(dāng)前監(jiān)測(cè)點(diǎn)位的實(shí)時(shí)數(shù)據(jù)，綜合監(jiān)測(cè)大壩安全狀態(tài)。從白蟻日常管理角度切實(shí)助力凌塘水庫的病害狀態(tài)監(jiān)測(cè)。

充分運(yùn)用數(shù)字孿生數(shù)據(jù)底板以及底層感知體系，及時(shí)預(yù)警除險(xiǎn)?；贕NSS設(shè)備實(shí)現(xiàn)對(duì)壩體變形沉降的全天候動(dòng)態(tài)監(jiān)測(cè)。圖5（a）頁面中展示變形監(jiān)測(cè)點(diǎn)列表、變形監(jiān)測(cè)圖表、監(jiān)測(cè)數(shù)據(jù)列表以及當(dāng)前監(jiān)測(cè)點(diǎn)位的實(shí)時(shí)數(shù)據(jù)，通過動(dòng)態(tài)曲線形式展示變形監(jiān)測(cè)過程，實(shí)現(xiàn)水庫壩體動(dòng)態(tài)監(jiān)測(cè)預(yù)警。滲流監(jiān)測(cè)數(shù)據(jù)以斷面監(jiān)測(cè)為主，圖5（b）為1號(hào)斷面起點(diǎn)距 0+530 滲流監(jiān)測(cè)浸潤(rùn)線示意，UP01、UP02、UP03為001斷面滲流傳感器設(shè)備。平臺(tái)具有白蟻防治特色功能模塊，包括白蟻防治感知預(yù)警、蟻區(qū)設(shè)置、白蟻防治計(jì)劃、白蟻防治總結(jié)等。

3.2在線水文預(yù)報(bào)與調(diào)度預(yù)演

水庫來水量預(yù)報(bào)是水庫防洪調(diào)度決策的主要依據(jù)，為了有效的模擬和預(yù)報(bào)水庫來水量，需要建立相關(guān)的水庫入流預(yù)報(bào)模型方法[18-22]。凌塘水庫匯水面積小，且缺乏豐富的實(shí)測(cè)水文資料，因此采用降雨徑流相關(guān)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(yù)報(bào)方法，3種方法相互對(duì)照、參考，以增強(qiáng)預(yù)報(bào)結(jié)果的適用性、準(zhǔn)確性。根據(jù)水庫實(shí)際調(diào)度情況，采用水量平衡方法進(jìn)行水庫來水過程的反演，以反演的流量過程作為判斷預(yù)報(bào)模型模擬效果和率定模型參數(shù)的主要依據(jù)。

3.2.1 模型算法選用和構(gòu)建

3.2.1.1 新安江三水源模型

運(yùn)用新安江三水源模型對(duì)凌塘水庫入庫流量進(jìn)行洪水預(yù)報(bào)，模型計(jì)算過程與模型結(jié)構(gòu)見圖6。使用三層蒸散發(fā)模型，計(jì)算蒸散量，再采用蓄滿產(chǎn)流進(jìn)行產(chǎn)流計(jì)算。然后進(jìn)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(tǒng)水文模型相比，模型融合了實(shí)時(shí)雨情信息，并基于人工智能算法對(duì)未來降雨量進(jìn)行預(yù)測(cè)，通過持續(xù)的迭代計(jì)算，不斷優(yōu)化預(yù)測(cè)結(jié)果，從而顯著提升預(yù)報(bào)精度。這一技術(shù)為水庫防洪調(diào)度提供了科學(xué)、快速且高精度的決策支持，確保了防洪工作的高效執(zhí)行。

3.2.1.2 單位線法

將場(chǎng)次洪水對(duì)應(yīng)的日降水量按1h時(shí)間尺度進(jìn)行雨量分配，得到每小時(shí)的場(chǎng)次洪水降雨數(shù)據(jù)，通過扣除流域損失得到流域場(chǎng)次洪水凈雨量過程，再由凈雨過程轉(zhuǎn)化為徑流量過程，場(chǎng)次洪水匯流過程由各徑流量與相應(yīng)的時(shí)段單位線相乘疊加得到。

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

（2）場(chǎng)次洪水凈雨計(jì)算。凈雨過程按暴雨平均扣損的方法計(jì)算。圖集法中，初損一般為 1mm/h ，為了與反演入流量結(jié)果更為接近，將初損進(jìn)行了調(diào)整。通過與次洪反演結(jié)果的多次對(duì)比，在平均扣損率取值為3mm/h 時(shí)，場(chǎng)次洪水?dāng)M合結(jié)果更優(yōu)。

（3）場(chǎng)次洪水徑流計(jì)算。由場(chǎng)次洪水凈雨量可計(jì)算得各時(shí)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(shí)段凈雨量， mm 6Δt=1h 。

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

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

3.2.2預(yù)報(bào)精度評(píng)定

新安江三水源模型次洪模擬輸人的降雨數(shù)據(jù)與蒸發(fā)數(shù)據(jù)均進(jìn)行了一些時(shí)段分配的降尺度處理，日降水量依照設(shè)計(jì)降雨過程，按比例進(jìn)行 24h 折算，得到每小時(shí)降雨量。蒸發(fā)數(shù)據(jù)根據(jù)時(shí)間、位置計(jì)算日出日落時(shí)間，將蒸發(fā)折算到晝時(shí)，由于場(chǎng)次降雨持續(xù)時(shí)間多為數(shù)天，故日出日落時(shí)間近似取所在月的15d，由此得到了每小時(shí)蒸發(fā)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(shù)與日模型相同。通過對(duì)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(jìn)行精度評(píng)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(duì)比較關(guān)系，新安江三水源模型預(yù)報(bào)徑流過程在一定程度上與反演出的實(shí)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(píng)價(jià)

將單位線計(jì)算出的入庫徑流總量與反演徑流總量進(jìn)行對(duì)比，進(jìn)行單位線預(yù)報(bào)質(zhì)量分析。對(duì)比結(jié)果見表5。由表5可以看出，單位線法預(yù)報(bào)徑流過程在一定程度上與反演出的實(shí)際徑流過程相符合。

3.2.3在線預(yù)報(bào)調(diào)度成果展示

數(shù)字孿生凌塘水庫線上集成了3種水文預(yù)報(bào)算法進(jìn)行預(yù)報(bào)。按觀測(cè)時(shí)間完成數(shù)據(jù)獲取，包括初始水位，氣溫?cái)?shù)據(jù)，實(shí)測(cè)小時(shí)雨量數(shù)據(jù)以及前10d降雨量，為不同模型算法配置初始率定參數(shù)，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(shù)如表6所示。

圖7為2023年6月18日強(qiáng)降雨過程的預(yù)報(bào)水庫入流，并按照水量平衡原則計(jì)算出流過程，實(shí)現(xiàn)了水庫在線預(yù)報(bào)及調(diào)度方案在孿生平臺(tái)的預(yù)演。

3.3洪水淹沒模擬及智能化預(yù)警

3.3.1 模型構(gòu)建

水流動(dòng)力學(xué)模型基于CJK3D數(shù)值模擬系統(tǒng)構(gòu)建，計(jì)算方法見文獻(xiàn)[23]。數(shù)學(xué)模型范圍如圖8所示，東西方向長(zhǎng)約 5.5km ，南北方向長(zhǎng)約 2.5km ，數(shù)學(xué)模型計(jì)算采用庫區(qū)周邊2022年實(shí)測(cè)地形，庫區(qū)地形高程為-20～-25m ，壩區(qū)下游高程大都在 -22～-36m 。數(shù)學(xué)模型計(jì)算網(wǎng)格采用三角形網(wǎng)格，壩區(qū)附近網(wǎng)格加密，最小網(wǎng)格步長(zhǎng)約為 5m ，網(wǎng)格總數(shù)23578個(gè)。數(shù)學(xué)模型時(shí)間步長(zhǎng)取值0.1s，糙率取值為 0.015+0.013/h （ h 為水深），紊動(dòng)黏性系數(shù)取 KhU* （其中 K=0.01 ，U* 為摩阻流速），干濕網(wǎng)格臨界水深取 0.01m 。模型預(yù)設(shè)了多種典型洪水場(chǎng)景，包括歷史典型洪水、超標(biāo)準(zhǔn)洪水以及潰壩情境。在洪水調(diào)度過程中，依據(jù)既定調(diào)度規(guī)則，系統(tǒng)可自動(dòng)生成實(shí)時(shí)調(diào)洪方案。此外，系統(tǒng)在汛期期間，實(shí)時(shí)監(jiān)測(cè)并對(duì)比水庫水位、泄洪量、入庫流量及洪峰流量等關(guān)鍵參數(shù)，結(jié)合水庫運(yùn)行狀態(tài)，生成閘門操作方案、上級(jí)匯報(bào)信息及群眾轉(zhuǎn)移預(yù)案等應(yīng)急響應(yīng)措施。通過與水文模型預(yù)測(cè)結(jié)果的耦合，大大提升決策支持能力，增強(qiáng)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(yàn)數(shù)值模型的精度[24]。假設(shè)河渠長(zhǎng) 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(shí)大壩瞬時(shí)全潰，潰壩波向下游傳播。圖9對(duì)比了潰壩后25s的水位、流速的解析解和計(jì)算值，可以看到數(shù)學(xué)模擬計(jì)算值與實(shí)測(cè)高度吻合，說明本文的潰壩模型模擬精度較高。

數(shù)學(xué)模型共計(jì)算3種潰壩工況，凌塘水庫初始水位值取 29.0m ，壩區(qū)下游無水，見表7。在壩區(qū)北側(cè)、中部和南側(cè)分別設(shè)置3處潰壩缺口，見圖8，通過數(shù)學(xué)模型計(jì)算潰壩水流對(duì)庫區(qū)下游的影響。

3.3.2 結(jié)果分析

圖10為潰口處的水位和流量過程。潰壩發(fā)生初期的 1min 內(nèi)，潰口處的水位下降速度加快，之后庫區(qū)其他區(qū)域的水體流向潰口，致使?jié)⒖谔幩挥幸欢ǖ幕厣?，潰壩發(fā)生 2min 內(nèi)，潰口處水位波動(dòng)的幅度為 0.3～ 0.4m 。潰壩發(fā)生 2min 后，潰口處的水位開始逐漸下降;潰壩發(fā)生 ¹h 后，潰口處的水位降至 28.0～28.2m_? 從潰口發(fā)生的不同位置看，壩體南側(cè)發(fā)生潰壩水位下降速度最快，這與壩區(qū)下游的地形有關(guān)。潰口處的流量變化過程與水位過程密切關(guān)聯(lián)，水位低則流量大，壩區(qū)南側(cè)發(fā)生潰壩時(shí)，潰口流量最大，瞬時(shí)最大流量可達(dá)到340m³/s ，壩體中部和北側(cè)發(fā)生潰壩時(shí)，潰口瞬時(shí)最大流量約為 250m³/s ，明顯小于壩區(qū)南側(cè)發(fā)生潰壩，隨著時(shí)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(duì)壩區(qū)下游構(gòu)成了巨大威脅，以工況2為例，分析了潰壩發(fā)生1h內(nèi)的淹沒區(qū)域范圍變化，見圖11。潰壩后的洪水淹沒范圍主要與壩區(qū)下游的地形有關(guān)，潰壩發(fā)生 10min 后，洪水首先向壩區(qū)東側(cè)運(yùn)動(dòng)約800m ，之后洪水向北、向東分成兩股水流，其中北側(cè)分流運(yùn)動(dòng)距離較大，距離分流點(diǎn)約 600m 。潰壩發(fā)生30min后，洪水繼續(xù)向北、向東運(yùn)動(dòng)，向北運(yùn)動(dòng)的距離約為 1.2km ，向東運(yùn)動(dòng)的距離約為 2.1km 。潰壩發(fā)生1h后，洪水繼續(xù)向北向南運(yùn)動(dòng)，淹沒范圍繼續(xù)增大，其中洪水的北側(cè)分流處形成滯洪區(qū)，東側(cè)分流沿當(dāng)?shù)睾拥老蛳掠卫^續(xù)運(yùn)動(dòng)。

3.3.3 預(yù)演展示

數(shù)字孿生凌塘水庫通過線上潰壩模型實(shí)時(shí)計(jì)算潰壩洪水?dāng)?shù)學(xué)模型模擬結(jié)果，并基于模型平臺(tái)結(jié)果，獲得潰壩洪水淹沒范圍隨時(shí)間的變化過程，進(jìn)行潰壩洪水演進(jìn)過程及大壩下游淹沒區(qū)域三維仿真展示，并進(jìn)一步開展洪水影響分析，獲得潰壩事件發(fā)生時(shí)的應(yīng)急反應(yīng)時(shí)間、需要緊急疏散的人員及最優(yōu)疏散路徑、潰壩洪水影響范圍等，為應(yīng)急預(yù)案編制和智能化推薦、管理與突發(fā)事件分析決策提供科學(xué)、直觀的數(shù)據(jù)支撐。結(jié)合水庫實(shí)時(shí)情況，提供調(diào)度指令推薦及決策支持，集成各有關(guān)部門信息溝通與協(xié)作功能，輔助發(fā)布庫區(qū)及下游影響范圍緊急轉(zhuǎn)移撤離通告，輔助完成物資及人員調(diào)度，為高效有序完成應(yīng)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(jìn)過程數(shù)字化場(chǎng)景預(yù)演。

4結(jié)語

本文選取凌塘水庫為研究對(duì)象，提出了水庫數(shù)字孿生平臺(tái)總體設(shè)計(jì)框架，明確了數(shù)據(jù)底板獲取、感知體系建設(shè)、數(shù)據(jù)資源匯聚、水利專業(yè)模型應(yīng)用、智慧化運(yùn)管等建設(shè)要求，重點(diǎn)闡述了數(shù)字孿生凌塘水庫建設(shè)過程中著重突破的關(guān)鍵技術(shù)及應(yīng)用實(shí)踐。為響應(yīng)水庫現(xiàn)代化運(yùn)行管理要求，數(shù)字孿生凌塘水庫基于“四預(yù)”建設(shè)、著力“四管”工作，完善底層感知體系，融合多源數(shù)據(jù)，開發(fā)了智能調(diào)度、智能巡檢、設(shè)備評(píng)級(jí)、安全監(jiān)測(cè)、病害預(yù)警、知識(shí)圖譜、水政管理等業(yè)務(wù)應(yīng)用，為全面提升水庫運(yùn)行管理精細(xì)化、信息化、現(xiàn)代化水平提供了實(shí)際案例。

參考文獻(xiàn)：

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

[2]翟天放.數(shù)字孿生水利工程關(guān)鍵技術(shù)應(yīng)用探析[C]河海大學(xué)，省水利學(xué)會(huì)，浙江省水利學(xué)會(huì).2024（第十二屆）中國水利信息化技術(shù)論壇論文集.長(zhǎng)春：吉林省水利科學(xué)研究院，2024.

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

［4］李慧瀅，楊鴿，楊磊，等.數(shù)字孿生水庫關(guān)鍵技術(shù)研究與應(yīng)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(tái)的水庫安全管理信息化方案研究[J].人民長(zhǎng)江，2019，50（11）：233-236.

[6]張岑，張志強(qiáng)，朱芋奇，等.數(shù)字孿生密云水庫流域建設(shè)方案構(gòu)想[J].北京水務(wù)，2022（4）：4-9.

[7］袁楠，奚歌，郭晶晶.數(shù)字孿生官廳水庫建設(shè)方案探析[J].水利技術(shù)監(jiān)督，2024（1）：289－294.

[8]王一鑫，趙振龍，李明.白石水庫標(biāo)準(zhǔn)化管理信息平臺(tái)研究與建設(shè)[J].水利技術(shù)監(jiān)督，2024（7）：20-24.

[9]任驍軍.數(shù)字孿生三峽建設(shè)與展望［J].水利發(fā)展研究，2024，24（9）：9-15.

［10]付建軍.丹江口水庫現(xiàn)代化運(yùn)行管理矩陣構(gòu)建實(shí)踐[J].中國水利，2024（20）：25-33，44.

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

[12]紀(jì)平.確保每一座水庫都能安全運(yùn)行［J].中國水利，2023（22） ：3.

［13］楊洪寧.構(gòu)建現(xiàn)代化水庫運(yùn)行管理矩陣策略研究——以碧流河水庫為例[J].經(jīng)營(yíng)管理，2024（3）：35-40.

［14］王妍.安徽省現(xiàn)代化水庫運(yùn)行管理矩陣建設(shè)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(jiān)測(cè)數(shù)據(jù)分析研究[J].內(nèi)蒙古水利，2023（8）：36-38.

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

[17]陳劍，毛才傳，嚴(yán)吉，等.水庫GIS智能巡檢系統(tǒng)研究與應(yīng)用[J].水利信息化，2020（4）：37-41，59.

[18]王京宇，于敬舟.水庫運(yùn)行管理信息系統(tǒng)總體設(shè)計(jì)[J].水利信息化，2022（6）：91-94.

[19] 羅斌，周超，張振東.數(shù)字孿生水利專業(yè)模型平臺(tái)構(gòu)建關(guān)鍵技術(shù)及應(yīng)用[J].人民長(zhǎng)江，2024，55（6）：227-233.

[20] 胡文才，劉業(yè)森，呂彩霞.數(shù)字孿生南四湖二級(jí)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(yù)報(bào)方法及應(yīng)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(yù)報(bào)-調(diào)度-演進(jìn)一體化模型研究及應(yīng)用[J].水利信息化，2024（1）：89-94.

[23] 湯成鋒.水庫預(yù)報(bào)調(diào)度模型應(yīng)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(shù)值模擬研究[J].中國水利水電科學(xué)研究院學(xué)報(bào)，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