水利工程數字孿生技術研究與探索

張綠原，胡露騫，沈啟航，談 震，牛霄飛

（1.南瑞集團（國網電力科學研究院）有限公司，南京211000；2.杭州市千島湖原水股份有限公司，杭州310000；3.慈溪市水利局，浙江寧波315399）

0 引 言

當前，我國治水的工作的總基調已轉變為水利工程補短板和水利行業強監管［1］。而水利信息化作為“補短板和強監管”的重要措施之一，經過多年建設，已取得了長足發展。我國的水利工程信息化系統基礎感知及遠程集中監視控制系統已初具規模，業務應用系統已逐步完善，為水利工程運行管理人員提供了高效、便捷、可靠的管理手段。

但是，如何將現有信息化系統與經典水文、水利、水質等理論充分結合，為工程運行管理提供科學決策，仍然是“信息水利”向“智慧水利”跨越中需要解決的重要問題。數字孿生技術為解決這一問題帶來了曙光［2，3］，該技術在物理世界和虛擬世界之間建立了一道橋梁，可將經典水文、水利、水質理論與水利工程信息化系統深度融合，解決“智慧水利”中的科學決策問題。

1 對水利工程數字孿生技術的理解

在工業領域，數字孿生技術并不是一種全新的技術，它是系統建模與仿真應用的重要形式［4］，是在物聯網技術提供了便捷采集和可靠傳輸能力、大數據技術提供了海量數據存儲分析能力、云計算技術提供了強大的計算能力、人工智能技術提供了強大的推理分析能力的技術背景下，系統建模與仿真應用技術發展的新階段。數字孿生技術通過數字化的手段構建了一個與物理世界同樣的虛擬體，從而實現對物理實體的了解、分析、預測、優化、控制決策［5-8］。

對于運維階段的水利工程數字孿生技術來講，信息化系統提供了工程的運行狀態信息，例如閘閥開關狀態、氣象水情信息、結構應力應變信息、水質信息等，這些信息在一定程度上，反映了真實世界中的水利工程的運行狀態。而基于工程建設階段的設計資料，例如水工建筑物設計圖、閘泵站結構設計圖，利用經典的水文、水利、水質分析理論，并借助地理信息（GIS，Geographic Information System）、建筑信息模型（BIM，Building Information Modeling）等技術，則可在計算機中搭建物理實體對應的虛擬體。基于虛擬體，可對物理實體的變化規律進行預測，并驗證、優選調度運行決策。

2 水利工程數字孿生技術的架構設計

水利工程數字孿生技術就基礎組成來講，主要分為兩個部分，物理實體和虛擬體。物理實體提供水利工程的實際運行狀態給虛擬體，虛擬體以物理實體的真實狀態為初始條件或邊界約束條件進行決策模擬仿真。經決策仿真驗證后的操作方案將會反饋到物理實體的信息化系統，從而實現對物理實體（如閘、泵等設備）的控制操作。

物理實體從廣義上講包括信息化系統和數據質量管理系統。信息化系統主要包括閘泵監控、水情監測、工程安全監測、水質監測等系統。物理實體的狀態數據來源于信息化系統的監控采集值，但由于傳感器異常、通訊故障等原因［9］，工程上一般會出現監控采集值的異常，導致監控采集值并不能反映物理實體的真實狀態，這將導致虛擬體的決策錯誤。因此，物理實體還應包含專門的數據質量管理系統，能夠對異常數據自動篩選、剔除，并能提供人機交互的數據修正功能。

虛擬體從廣義上講包括數字模型和決策算法。數字模型主要包括產匯流模型、河網水動模型、水質模型等，以及黑箱模型，如神經網絡模型、時間序列模型等。但是，僅有數字模型還不足支撐對水利工程的調度決策，因此對虛擬體來講，還必須有決策算法做支撐，這些算法不僅包括傳統的線性規劃、動態規劃算法［10］等，還包括遺傳算法［11］、粒子群算法［12］等智能算法等，以及能滿足大規模并行計算技術手段。

3 水利工程數字孿生技術的關鍵問題

水利工程數字孿生技術并不是一項全新技術，以往的水利工程實時在線仿真決策系統都可以視為其雛形，根據這些項目的建設經驗，水利工程數字孿生技術要真正落地，解決“智慧水利”的科學決策，應該在建設過程中關注解決以下關鍵問題。

（1）數據質量管理。數據是虛擬體模擬仿真和決策的依據，虛擬體中的數字模型往往需要信息化系統提供的幾十個甚至上百個采集數據作為初始條件或邊界約束條件。但是，水利信息化系統采集的原始數據往往夾雜著隨機的誤差和噪音［13］，這些誤差將影響數字孿生體決策的準確性。例如，將錯誤的水位數據采集值作為初始條件代入圣維南方程組，那么計算的結果將無法達到預期。

因此，數據質量管理是水利工程數字孿生系統建設中的重要的內容。數據質量管理系統應具備強健的數據容錯管理機制，保證提供給虛擬體的數據是物理實體的真實狀態。

（2）數字模型的構建。對于數字模型的構建，首先需要解決模型邊界問題。大多數水利工程在自然界并不存在天然的邊界，它的實際運行工況與工程范圍之外的系統（如水系）存在著較強的耦合關系。因此，對虛擬體中的數字模型，需要設定合理的邊界條件，只有在合理的邊界條件下，數字模型才會反映物理世界中水利工程的真實性能。

圖1 數字孿生技術的架構設計Fig.1 Architecture design of digital twin technology

其次，要解決數字模型的參數率定問題。水利工程一般都有明確的基礎參數，如河道斷面形狀、長度等，但是河道糙率、閘門過流系數等則需要憑借人工經驗調整。在云時代，基于公有云或私有云提供的海量算力，可用智能算法對這些參數進行整體率定。例如，基于信息化系統采集的歷史數據，在云端利用智能算法可同時率定同一渠段的多個閘門的過流系數。

再次，模型選用的問題。在傳統的水文、水利、水質模型建模的基礎參數不可得，或者模型效果不好的情況下，可以基于歷史數據用深度學習模型做局部模型的替代。在某些情況下，這會取得較好的效果，但深度學習模型有一個缺陷，那就是對已有的經驗數據學習效果很好，但是當新的輸入超過它的經驗數據數據范圍后，輸出的結果無法把控［14］，也就是說深度學習模型的輸入輸出不能超越它的經驗范圍。這也是在大云物移時代，必須更加重視傳統的水文水利模型和回歸分析等技術手段，而不能單單用基于歷史數據的深度學習去做數字模型的原因。

最后，模型計算的時效性問題。對于復雜的模型，單核運算難以滿足數字孿生技術決策的時效要求。在云計算的技術背景下，一般考慮采用多核并行計算，提高模型的求解速度。此外，在模型設計上，要考慮計算機內存與中央處理器（CPU，Central Processing Unit）的均衡匹配，多采用矩陣，利用圖形處理器（GPU，Graphics Processing Unit）提高計算速度。在決策算法選擇上，要考慮能支持并行性計算的算法，如遺傳算法，其在個體適應度、適應度評價等具備天然的并行性［15］。

（3）接口設計及集成。數字孿生系統是多個子系統的集成，這些系統一般由不同的單位建設，只有設計合理的邊界和接口，才能實現整個系統的穩健運行。在工程建設中，信息化系統和模型之間應該是一種松耦合的系統，兩者之間應有清晰的邊界和數據接口，便于模型的更替以及信息化系統的更新改造。一般情況下，信息化系統僅提供原始的采集數據，而數據質量管理系統和數字模型密切相關，因此兩者應由同一家單位建設。此外，數據質量管理系統的數據是經過加工處理的，因此，數據質量管理系統應自建數據存儲體系，存儲修正后的數據給模型使用。對于虛擬體產生的決策集，應增加序列編號后提供給信息化系統執行，防止因某一決策步驟的操作缺失造成工程事故。

（4）系統功效評價。數字孿生系統建設復雜，會在多個系統間產生數據交互。在工程中一般遇到的問題是數字模型和信息化系統耦合性太強，導致調試運行時互為掣肘，難以理清頭緒。根據建設經驗，數字孿生系統要達到預期效果，在開發過程中可遵循“三可”原則：①可觀察：虛擬體決策過程必須是可觀察的，提供給用戶的不能是僅有輸入輸出的黑箱子；②可執行：虛擬體決策的結果必須是清晰的可操作的指令，譬如幾點幾分幾號幾號閘門開多少米。③可追溯：調度指令從虛擬體產生到信息化系統執行，必須有清晰的信息記錄，譬如這條決策是那個模塊產生的，是否執行了，誰執行的，什么時候執行的。

4 水利工程數字孿生技術的典型應用場景

場景一：梯級泵站恒水位控制參數率定問題。

某調水工程為梯級泵站，站間采用明渠輸水，無調蓄設施。在這種情況下，下級泵站的變頻機組要自動調頻，實現前池水位的相對恒定。自動調頻一般采用PID 控制［16］，這就需要對比例（P）、積分（I）、微分（D）三個參數和調節步長（T）合理選取，防止系統出現超調或振蕩。但是，受制于泵站不能頻繁啟停機試驗等問題，在現實中率定這些參數也只能進行有限次數的試驗，而有限次數的試驗往往難以達到預期效果。

在數字孿生的技術手段下，可以基于泵組特性曲線、渠道的施工圖，建立泵組和渠段的數字模型，將上級泵站、下級泵站、渠段組成一個整體模型；然后，根據信息化系統采集的歷史數據對泵組模型、渠系水動模型進行修正，使得這個整體模型能夠反映泵站和渠系的真實性能；其次，基于數字模型，可對比例、積分、微分參數和調節步長進行優選；最后將優選后的參數在實際物理系統中驗證。

恒水位控制參數率定流程如圖2 所示，系統基于Python 語言開發，水源、進水口渠段、出水口用PySwmm建模，變頻泵組基于特性曲線建模。將泵組模型和PID 控制器嵌入在PySwmm 的單步時間步長St中，設定P、I、D、T參數后，以St為時間步長對恒水位調節過程模擬仿真，之后可查看整個調節過程中前池水位變化情況。

圖2 泵站前池恒水位控制參數率定流程Fig.2 The parameter calibration process for the constant water level control of the pumping station forebay

圖3顯示的是距離3.5 km 的兩級泵站的下級泵站前池恒水位控制參數率定模擬仿真過程，該次模擬仿真中，P參數取0.003，I參數取0.002，D參數取0.000 01，T參數取時60 s。下級泵站前池設計水深6.61 m，如紅色虛線所示，下級泵站前池水深的變化如藍色實線所示。上級泵站開機后，下級泵站前池水深逐漸上升，在第200 min 左右，恒水位控制控制器發揮作用，維持前池水深在設計水深附近。根據不同的工況需求，可以修改水動模型，實現P、I、D、T參數的比選，為實際的恒水位控制參數選擇提供參考。

圖3 前池恒水位控制參數率定模擬仿真Fig.3 The Calibration simulation of the forebay constant water level control parameters

場景二：引水環通中閘泵群最優調度決策問題。

在浙江某城市，需要通過引水環通來解決主城區的水質凈化問題。該主城區有一進六出共計7座閘泵站，在調度過程中，需要對7 座閘泵站的運行次序和運行時段優化決策，達到河段水體的最佳凈化效果。

在數字孿生的技術手段下，可根據河網基礎參數建立河網的一維水動力學模型；然后，結合信息化系統中水位、流量采集站點的歷史數據對模型的參數進行調整，使的數字模型能反映物理河段的真實屬性；其次，將遺傳算法和數字模型相互耦合，求解閘泵站調度的最優決策；最后，將最優的決策反饋到信息系統執行閘泵的控制操作。

本系統的開發工作量較大，在系統的開發過程中，水動力模型子系統和監控子系統的建設同步進行，兩個子系統采用松耦合的設計模式，子系統邊界明確后，通過統一模型號進行關聯。在監控子系統提供給水動力模型的數據質量管理上，采用了人工設值、監控采集值、默認值三級管理模式，優先級依次降低，即監控子系統有采集值時，水動力模型就以采集值作為初始條件，當監控子系統無采集值時采用默認值作為初始條件，如果人工設了值，那么水動力模型就采用人工設值作為初始條件。這就保證了提供給虛擬體的數據是物理實體的真實狀態。

閘泵群最優調度決策問題計算流程如圖4 所示，系統基于Python 語言開發，遺傳算法采用Geatpy 包，河網采用PySwmm 建模，閘泵站基于特性曲線建模。遺傳算法的優化變量為7 臺閘泵站的運行狀態，目標函數為基于PySwmm 建立的河網模型計算得到的仿真時段河段水質的整體評價最優值。將閘泵站模型嵌入PySwmm 建立的河網模型的單步時間步長St中，Geatpy設定閘泵站狀態參數后，PySwmm 計算整個仿真時段河網水質的整體評價值。Geatpy 按照設定規則對閘泵站狀態選擇、交叉和變異，最終獲得7臺閘泵站運行方案的最優解。

圖4 閘泵群最優調度決策問題計算流程Fig.4 The calculation process of the optimal dispatching decision problem for the gate and pumping station group

以2021年4月21日的優化計算為例，在系統中截取了引水環通中閘泵群最優調度決策的人機交互界面。最優解對應的河網運行模擬仿真結果如圖5 所示，數字表示河網關鍵節點的水深，線條表示河網的流速和流向，對于不同的水深和流速用不同的顏色展示，河網節點的水深、流速隨時間變化，數字和線條的顏色跟隨變化。圖6為調度結束后某節點的監控實測水深值與模擬仿真值的對比，綠色的線條及陰影為節點水深的模擬仿真值，黃色的線條為水深的監控實測值。圖7 為系統生成的調度方案，該方案告訴操作人員在什么時刻將哪個閘門或泵站調整到什么狀態，調度人員確認后，調度指令將直接下發到監控系統，閘泵控制器執行相應的操作，將閘泵調節到方案要求的狀態。

圖5 河網運行模擬仿真Fig.5 Simulation of river network operation

圖6 調度結束后某節點水深的監控實測值與模擬仿真值的對比Fig.6 The comparison between the monitored value and the simulated value of one node water depth after the scheduling was over

圖7 系統生成的最優調度方案Fig.7 The optimal scheduling scheme generated by the system

5 結 論

在目前已經探索的應用場景中，數字孿生技術能為泵站的恒水位控制提供調參依據，能解決引水環通中閘泵群最優調度的決策問題，這些案例表明，數字孿生技術確實能解決“信息水利”向“智慧水利”跨越過程中的某些科學決策問題，數字孿生技術的應用也標志著“信息水利”向“智慧水利”邁出了關鍵一步。在大數據、云計算、物聯網、人工智能等新技術蓬勃發展的背景下，水利工程數字孿生技術必將引領水利工程運行管理進入更加智慧的新階段。 □