數(shù)字孿生灌區(qū)精細(xì)化水量調(diào)控關(guān)鍵技術(shù)研究與應(yīng)用

摘要：為提高中國(guó)水資源利用效率，推動(dòng)灌區(qū)精細(xì)化管理，基于目前灌區(qū)發(fā)展現(xiàn)狀，提出了數(shù)字孿生灌區(qū)精細(xì)化管理框架，并分別對(duì)灌區(qū)可供水量預(yù)測(cè)、作物需水預(yù)測(cè)、灌區(qū)渠道水量?jī)?yōu)化配置以及測(cè)控一體化閘門(mén)的關(guān)鍵技術(shù)進(jìn)行了研究，并構(gòu)建了一套數(shù)字孿生灌區(qū)“四預(yù)”平臺(tái)，通過(guò)“多要素立體感知”“全周期需水預(yù)報(bào)”“旱澇風(fēng)險(xiǎn)靶向預(yù)警”“水資源全過(guò)程預(yù)演”“防災(zāi)減災(zāi)科學(xué)預(yù)案”5條路徑，實(shí)現(xiàn)灌區(qū)全方位、智慧化、科學(xué)化的管理。數(shù)字孿生灌區(qū)“四預(yù)”平臺(tái)部分功能已在廣州市流溪河灌區(qū)成功應(yīng)用。數(shù)字孿生灌區(qū)全過(guò)程精細(xì)化水量調(diào)控關(guān)鍵技術(shù)通過(guò)對(duì)“供水-需水-配水-調(diào)水”全過(guò)程的水量調(diào)配，實(shí)現(xiàn)了水資源優(yōu)化配置，提高了水資源利用效率，對(duì)數(shù)字孿生灌區(qū)的推廣與應(yīng)用具有指導(dǎo)意義。

關(guān)鍵詞：數(shù)字孿生灌區(qū)；精細(xì)化；“四預(yù)”；流溪河灌區(qū)

中圖分類(lèi)號(hào)：S275 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-9235（2024）04-0033-07

Research and Application of Key Technologies for Refined Water Control in Digital Twin Irrigation Areas

LUO Zhaolin，MENG Qingkui^*，CHEN Wufen，ZHANG Bo

（Pearl River Water Resources Research Institute of Pearl River Water Resources Commission，Guangzhou 510611，China）

Abstract： To improve the efficiency of water resource utilization in China and promote refined management of irrigation areas，this paper proposes a refined management framework for digital twin irrigation areas based on the current development of irrigation areas.Meanwhile，it studies the key technologies of water supply prediction in irrigation areas，crop water demand prediction，optimal water volume allocation in irrigation areas，and integrated measurement and control gates.A set of “FEDE” platforms for digital twin irrigation areas have been constructed，and five paths of “multi-factor three-dimensional perception”，“full-cycle water demand forecasting”，“targeted warning of drought and flood risks”，“full-process rehearsal of water resources”，and “scientific plans for disaster prevention and reduction” are adopted.As a result，comprehensive，intelligent，and scientific management of irrigation areas is realized.Additionally，some functions of the “FEDE” platform of digital twin irrigation areas have been successfully applied to the Liuxi River irrigation area，Guangzhou.The key technology of precise water volume control throughout the entire process of digital twin irrigation areas achieves optimal water resource allocation and improves water resource utilization efficiency by realizing water volume allocation throughout the entire “water supply-water demand-water distribution-water transfer” process.This has a guiding significance for the promotion and application of digital twin irrigation areas.

Keywords：digital twin irrigation area;refined;“FEDE”;Liuxi River irrigation area

2022年，農(nóng)業(yè)用水總量為3 781.3億m³，占用水總量的63.0%，為保障糧食安全，需更加合理地進(jìn)行農(nóng)業(yè)水資源配置，并提高農(nóng)業(yè)水資源利用效率^［1-3］。灌區(qū)作為水資源調(diào)配的關(guān)鍵工程，是農(nóng)業(yè)發(fā)展的重要保障，在中國(guó)農(nóng)業(yè)發(fā)展過(guò)程中起著重要的作用^［4］。但相關(guān)研究表明，中國(guó)目前農(nóng)業(yè)用水方式仍然為粗放型，中國(guó)農(nóng)田灌溉水有效利用系數(shù)僅為0.554，與發(fā)達(dá)國(guó)家0.7以上的有效利用系數(shù)仍有很大差距^［5］。因此各級(jí)灌區(qū)管理部門(mén)積極探索可持續(xù)發(fā)展的管理思路，致力于推進(jìn)數(shù)字孿生灌區(qū)發(fā)展，通過(guò)精細(xì)化管理提升灌區(qū)管理水平^［6］。在灌區(qū)水資源配置方面，通過(guò)精細(xì)化的可供水量預(yù)測(cè)、需水預(yù)測(cè)、渠道水量分配以及水量精準(zhǔn)調(diào)控等方式提高水資源利用效率。2022年12月水利部印發(fā)的《關(guān)于開(kāi)展數(shù)字孿生灌區(qū)先行先試工作的通知》明確要求，打造一批現(xiàn)代化數(shù)字灌區(qū)，推進(jìn)灌區(qū)數(shù)字化、監(jiān)控自動(dòng)化、調(diào)度智能化，動(dòng)態(tài)優(yōu)化灌區(qū)調(diào)度，充分發(fā)揮灌區(qū)綜合效益。數(shù)字孿生灌區(qū)為精細(xì)化水量調(diào)控提供了數(shù)據(jù)支持和決策依據(jù)，通過(guò)數(shù)字化建模和仿真技術(shù)，可以實(shí)現(xiàn)對(duì)灌溉過(guò)程的精確監(jiān)測(cè)和優(yōu)化調(diào)控，提高水資源利用效率和農(nóng)業(yè)生產(chǎn)效益。目前國(guó)內(nèi)外對(duì)于數(shù)字孿生灌區(qū)的研究已有了部分成果。各學(xué)者分別從數(shù)字孿生灌區(qū)發(fā)展思考^［7-8］、建設(shè)架構(gòu)^［9-10］、關(guān)鍵技術(shù)^［11］、物聯(lián)網(wǎng)平臺(tái)^［12］等方面開(kāi)展了研究。

目前相關(guān)研究只是針對(duì)數(shù)字孿生灌區(qū)的發(fā)展提出構(gòu)想，并未實(shí)地應(yīng)用，并且缺乏對(duì)于灌區(qū)水量調(diào)控的“供水－需水－配水－調(diào)水”全過(guò)程的研究，無(wú)法實(shí)現(xiàn)數(shù)字孿生灌區(qū)全過(guò)程精細(xì)化水量調(diào)控。本研究以流溪河灌區(qū)為試點(diǎn)，在數(shù)字孿生灌區(qū)的框架下，通過(guò)對(duì)灌區(qū)水量調(diào)控過(guò)程的關(guān)鍵技術(shù)研究與應(yīng)用，系統(tǒng)實(shí)現(xiàn)了“供水－需水－配水－調(diào)水”的鏈條化管理，實(shí)現(xiàn)流溪河灌區(qū)精細(xì)化管理，對(duì)數(shù)字孿生灌區(qū)的推廣與應(yīng)用具有指導(dǎo)意義。

1 數(shù)字孿生灌區(qū)總體結(jié)構(gòu)

數(shù)字孿生灌區(qū)的總體架構(gòu)見(jiàn)圖1。系統(tǒng)分為物理流域、基礎(chǔ)設(shè)施、數(shù)字孿生平臺(tái)以及業(yè)務(wù)應(yīng)用。其中物理流域主要包括灌區(qū)相關(guān)的河道、水庫(kù)、灌渠、農(nóng)田以及閘泵。基礎(chǔ)設(shè)施分為兩部分，一部分是灌區(qū)水情、工情、視頻等監(jiān)測(cè)設(shè)備，另一部分是數(shù)據(jù)傳輸網(wǎng)絡(luò)，包括業(yè)務(wù)網(wǎng)和工控網(wǎng)兩部分。數(shù)字孿生平臺(tái)包括數(shù)據(jù)底板、模型平臺(tái)以及知識(shí)平臺(tái)。數(shù)據(jù)底板部分包括地理空間數(shù)據(jù)、監(jiān)測(cè)數(shù)據(jù)、業(yè)務(wù)管理數(shù)據(jù)集成以及數(shù)據(jù)治理等內(nèi)容，為數(shù)字孿生平臺(tái)提供數(shù)據(jù)基礎(chǔ)。模型平臺(tái)包括灌區(qū)專(zhuān)題模型（來(lái)水預(yù)報(bào)、需水預(yù)測(cè)、水資源配置等）、智能識(shí)別模型（遙感識(shí)別、視頻識(shí)別、圖像識(shí)別等）以及可視化模型，結(jié)合知識(shí)平臺(tái)為業(yè)務(wù)應(yīng)用提供支撐。業(yè)務(wù)應(yīng)用包括防汛抗旱、灌區(qū)水資源管理與調(diào)配以及工程管理等，并實(shí)現(xiàn)灌區(qū)“四預(yù)”功能。

2 精細(xì)化水量調(diào)控關(guān)鍵技術(shù)研究

2.1 灌區(qū)可供水量預(yù)測(cè)

灌區(qū)可供水量包括上游供水水庫(kù)水量以及水庫(kù)到灌區(qū)的渠道水量，其中上游水庫(kù)水量可占總供水量的95%以上。因此，開(kāi)展灌區(qū)供水水庫(kù)可供水量預(yù)測(cè)對(duì)于農(nóng)業(yè)生產(chǎn)和水資源管理具有重要意義。傳統(tǒng)的預(yù)測(cè)方法往往依賴(lài)于統(tǒng)計(jì)模型和經(jīng)驗(yàn)規(guī)則，其預(yù)測(cè)精度有限。基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)（LSTM）的水庫(kù)可供水量預(yù)測(cè)方法能夠自動(dòng)學(xué)習(xí)時(shí)間序列數(shù)據(jù)中的復(fù)雜關(guān)系，不需要依賴(lài)于人工定義的規(guī)則。此外，該方法還能夠利用歷史數(shù)據(jù)中的長(zhǎng)期依賴(lài)關(guān)系，提高預(yù)測(cè)的準(zhǔn)確性。因此，該方法能夠有效地提高預(yù)測(cè)精度，實(shí)現(xiàn)灌區(qū)可供水量的動(dòng)態(tài)預(yù)測(cè)，為農(nóng)業(yè)生產(chǎn)和水資源調(diào)配提供有力支持。

2.2 作物需水預(yù)測(cè)

作物需水量預(yù)測(cè)是實(shí)現(xiàn)實(shí)時(shí)灌溉預(yù)報(bào)的基礎(chǔ)^［13］，參考作物需水量（ET0）是反映各種氣候條件對(duì)作物需水量影響的綜合因素，聯(lián)合國(guó)糧農(nóng)組織（FAO）推薦PM公式為計(jì)算ET0的方法，但PM公式需要一系列的經(jīng)驗(yàn)系數(shù)和復(fù)雜的公式、很多參數(shù)需要地區(qū)校正，給實(shí)際預(yù)測(cè)帶來(lái)一定的困難，在需水量預(yù)測(cè)方面存在缺陷，限制了它的應(yīng)用和推廣。通過(guò)建立作物需水量預(yù)測(cè)模型可有效解決PM公式存在的不足，可為灌溉預(yù)報(bào)及決策提供較為準(zhǔn)確的ET0預(yù)報(bào)數(shù)據(jù)。

根據(jù)國(guó)內(nèi)外需水預(yù)測(cè)的研究，預(yù)測(cè)方法大概可以分為回歸分析、自回歸積分滑動(dòng)平均模型和神經(jīng)網(wǎng)絡(luò)模型^［14］。這些預(yù)測(cè)方法依據(jù)所研究區(qū)域、預(yù)測(cè)周期和資料收集等情況的不同，會(huì)導(dǎo)致抗隨機(jī)因素能力差別大，計(jì)算精度不是完全一致。在農(nóng)田中，土壤、作物和氣候會(huì)對(duì)作物騰發(fā)量產(chǎn)生影響，傳統(tǒng)的作物需水預(yù)測(cè)模型影響因素較多，無(wú)法在數(shù)字孿生灌區(qū)系統(tǒng)中應(yīng)用，而深度神經(jīng)網(wǎng)絡(luò)可以有效解決該問(wèn)題^［15］。作物需水量預(yù)測(cè)一般需要較長(zhǎng)的時(shí)間序列數(shù)據(jù)，與其他模型相比，長(zhǎng)短期記憶網(wǎng)絡(luò)（Long Short-Term Memory）在長(zhǎng)時(shí)間關(guān)系的擬合能力方面更優(yōu)。

本研究通過(guò)對(duì)作物需水量的相關(guān)影響參數(shù)進(jìn)行分析，選擇溫度、風(fēng)速、濕度以及日照時(shí)長(zhǎng)作為關(guān)鍵影響參數(shù)，構(gòu)建了基于LSTM的作物需水預(yù)測(cè)模型。模型主要由4個(gè)網(wǎng)絡(luò)層（輸入、輸出、隱藏、模型訓(xùn)練）構(gòu)成^［16］。

基于LSTM的作物需水預(yù)測(cè)模型的訓(xùn)練步驟：①對(duì)選擇的溫度、風(fēng)速、濕度以及日照時(shí)長(zhǎng)的原始數(shù)據(jù)進(jìn)行預(yù)處理，并選擇歸一化處理方式；②將歸一化處理后的數(shù)據(jù)分為訓(xùn)練集和測(cè)試集；③構(gòu)建LSTM模型，通過(guò)優(yōu)化各參數(shù)進(jìn)行模型訓(xùn)練，使模型效果達(dá)到最優(yōu)。

2.3 灌區(qū)渠道水量?jī)?yōu)化配置

灌區(qū)涉及多級(jí)渠道，系統(tǒng)構(gòu)建整個(gè)灌區(qū)渠系動(dòng)態(tài)優(yōu)化配水模型時(shí)，將總干、干渠及支渠作為研究對(duì)象。通過(guò)作物需水預(yù)測(cè)模型，可獲得未來(lái)一段時(shí)期（周或旬）不同區(qū)域需要灌溉的日期和水量。之后，需要結(jié)合灌區(qū)的實(shí)時(shí)工情、水情等信息，開(kāi)展智慧決策調(diào)度，合理進(jìn)行渠系配水，保證水源供水通過(guò)各級(jí)渠系“適時(shí)、適量”進(jìn)入所需的灌溉區(qū)域，滿(mǎn)足作物精準(zhǔn)灌溉的需求。

2.3.1 灌區(qū)可供水量

根據(jù)基于長(zhǎng)短時(shí)記憶神經(jīng)網(wǎng)絡(luò)的水庫(kù)可供水量預(yù)測(cè)模型的預(yù)測(cè)結(jié)果作為灌區(qū)可供水量依據(jù)。

2.3.2 數(shù)學(xué)模型構(gòu)建

2.3.2.1 目標(biāo)函數(shù)

a）渠系輸水損失最小：

minW_s=W_zs+W_gs+W_z’s（1）

式中 W_s——灌區(qū)各級(jí)渠系輸水總損失水量；W_zs——灌區(qū)總干渠輸水損失；W_gs——灌區(qū)參與輸水的干渠損失水量；W_z’s——灌區(qū)參與配水的支渠損失水量。

渠道輸水損失與渠道正常運(yùn)行流量、輸配水時(shí)間、渠道水利用系數(shù)、渠道長(zhǎng)度及襯砌情況、渠床特性等有關(guān)，可采用理論計(jì)算公式結(jié)合實(shí)測(cè)數(shù)據(jù)修正。

b）渠道輸水過(guò)程的流量變化最小：

minSC_V=C_zV+C_gV（2）

式中 SC_V——總干渠和干渠的輸水過(guò)程流量變異系數(shù)；C_zV——總干渠的流量變異系數(shù)；C_gV——各條干渠的流量變異系數(shù)。

2.3.2.2 約束條件

按照灌區(qū)渠道運(yùn)行的要求，該模型的約束條件包括：①支渠配水流量約束，實(shí)際配水流量為設(shè)計(jì)流量的0.6～1.0倍；②最大輪期約束，渠系總配水時(shí)間小于根據(jù)灌溉預(yù)報(bào)計(jì)算確定的允許最大總配水時(shí)間；③上下級(jí)渠道輸水水量平衡約束；④上下級(jí)渠道輸水連續(xù)性約束。

2.3.3 模型求解及運(yùn)行結(jié)果驗(yàn)證

a）模型求解流程。①模型輸入：進(jìn)行渠系資料、需水資料的輸入；②子系統(tǒng)模型優(yōu)化：采用遺傳算法進(jìn)行模型優(yōu)化，生成最優(yōu)解方案下各干渠各時(shí)段配水流量Q_it（i=1，2，3，4；t=1，2，T），然后將各個(gè)子系統(tǒng)最優(yōu)解對(duì)應(yīng)的各時(shí)段配水流量反饋給總干系統(tǒng)協(xié)調(diào)層；③總干系統(tǒng)協(xié)調(diào)層按照配水準(zhǔn)則進(jìn)行模型優(yōu)化得到修正后的干渠流量過(guò)程Q_it ′（i=1，2，3，4；t=1，2，T），子系統(tǒng)再根據(jù)修正后的干渠流量過(guò)程，進(jìn)行干-支渠子系統(tǒng)優(yōu)化，直至總干渠目標(biāo)函數(shù)值達(dá)到最優(yōu)或修正前后干渠流量變化最小為止。

b）模型運(yùn)行結(jié)果分析。數(shù)學(xué)模型及其求解方法以Python編程實(shí)現(xiàn)，得到渠系各干渠額運(yùn)行方案，并與經(jīng)驗(yàn)法確定的渠道運(yùn)行方案進(jìn)行比較，評(píng)價(jià)模型運(yùn)行結(jié)果。

2.4 測(cè)控一體化閘門(mén)

渠道輸配水過(guò)程的精確計(jì)量和控制是實(shí)現(xiàn)灌區(qū)用水總量定額管理的基礎(chǔ)^［17］。智能測(cè)控一體化閘門(mén)，采用視覺(jué)型明渠流速檢測(cè)裝置測(cè)量的流速、水位信息，與閥門(mén)控制系統(tǒng)組合來(lái)完成對(duì)渠道內(nèi)輸配水的精確監(jiān)控。本研究采用解耦控制使水位波動(dòng)降至最低，以保證所有分水口供水的平穩(wěn)；通過(guò)按需供水進(jìn)行水量分配，提高灌區(qū)用水效率。

智能測(cè)控一體化閘門(mén)分為閘門(mén)本體機(jī)械電氣單元、智能測(cè)控單元及太陽(yáng)能光伏供電單元三大主要模塊，詳細(xì)結(jié)構(gòu)見(jiàn)圖2，其中測(cè)控單元的信息采集模塊可接受視覺(jué)式明渠流量測(cè)量設(shè)備測(cè)量的流量、水位，為閘門(mén)智能控制提供依據(jù)。

測(cè)控單元硬件組成見(jiàn)圖3，主要包括主控模塊、數(shù)據(jù)采集模塊、數(shù)據(jù)存儲(chǔ)模塊、LCD顯示模塊、視頻/圖像采集模塊、無(wú)線通信模塊、電源模塊、RS232/485接口及電機(jī)驅(qū)動(dòng)接口等。

主控模塊是核心器件，其性能直接決定了整個(gè)測(cè)控單元的綜合功能和各項(xiàng)性能指標(biāo)，本研究采用32位嵌入式ARM處理器；視頻/圖像采集模塊負(fù)責(zé)現(xiàn)場(chǎng)環(huán)境場(chǎng)景的信息采集，并為結(jié)合視覺(jué)式明渠流量測(cè)量設(shè)備提供水流和水尺的原始圖像；數(shù)據(jù)采集模塊負(fù)責(zé)采集閘門(mén)開(kāi)度并接入結(jié)合視覺(jué)式明渠流量測(cè)量設(shè)備提供的水位、流量數(shù)據(jù)；無(wú)線通信模塊負(fù)責(zé)將現(xiàn)場(chǎng)采集各項(xiàng)參數(shù)和計(jì)算的流量信息傳送到遠(yuǎn)程監(jiān)控中心，并接收監(jiān)控中心下達(dá)的調(diào)度控制指令，采用4G無(wú)線通信技術(shù)，滿(mǎn)足視頻/圖像遠(yuǎn)程傳輸?shù)男枰?/p>

2.5 數(shù)字孿生灌區(qū)“四預(yù)”平臺(tái)構(gòu)想

為全面提高灌區(qū)的智能化水平，供水管理的精準(zhǔn)化水平及對(duì)水資源的調(diào)控能力，本文設(shè)計(jì)了一套數(shù)字孿生灌區(qū)“四預(yù)”平臺(tái)。該平臺(tái)通過(guò)“多要素立體感知”“全周期需水預(yù)報(bào)”“旱澇風(fēng)險(xiǎn)靶向預(yù)警”“水資源全過(guò)程預(yù)演”“防災(zāi)減災(zāi)科學(xué)預(yù)案”5條路徑，可以對(duì)灌區(qū)進(jìn)行全方位、智慧化、科學(xué)化的管理，實(shí)現(xiàn)農(nóng)業(yè)用水高效、增產(chǎn)增值。

2.5.1 多要素立體感知

多要素立體感知是智慧灌區(qū)管理體系構(gòu)建的基礎(chǔ)，通過(guò)全面的立體感知體系，為實(shí)現(xiàn)智慧化的灌區(qū)管理提供全面可靠的數(shù)據(jù)信息；通過(guò)強(qiáng)化衛(wèi)星、無(wú)人機(jī)遙感和地面監(jiān)測(cè)的聯(lián)動(dòng)應(yīng)用，建立集降雨量、流量、水位、水質(zhì)、圖像視頻、遙感信息的空天地網(wǎng)立體監(jiān)測(cè)網(wǎng)絡(luò)，打造雨情-水情-險(xiǎn)情-災(zāi)情多要素多層次信息鏈，打破單一要素感知的局限，為灌區(qū)的“四預(yù)”工作的開(kāi)展和指揮決策提供支撐。

2.5.2 全周期需水預(yù)報(bào)

灌區(qū)灌溉水量直接影響作物產(chǎn)量，通過(guò)開(kāi)展作物全生命周期需水量預(yù)測(cè)，獲得農(nóng)作物生長(zhǎng)最佳需水量和灌溉時(shí)間，依照作物的生長(zhǎng)需求，科學(xué)、精量、適時(shí)地為作物補(bǔ)充水分；結(jié)合作物種植結(jié)構(gòu)可預(yù)測(cè)灌區(qū)各典型田塊灌溉用水量，根據(jù)灌區(qū)各級(jí)水利用系數(shù)及灌溉工程現(xiàn)狀，實(shí)現(xiàn)整個(gè)灌區(qū)的需水預(yù)測(cè)。

2.5.3 粗放用水靶向預(yù)警

緊盯重點(diǎn)取用水戶(hù)取水量、灌區(qū)重要排水溝排水量、灌區(qū)地下水位、主要河流生態(tài)流量等關(guān)鍵指標(biāo)，落實(shí)“人防+物防+技防”三位一體監(jiān)測(cè)措施，用水實(shí)時(shí)數(shù)據(jù)與用水定額先進(jìn)指標(biāo)對(duì)比，以水資源承載力臨界超載和超載響應(yīng)為上限，基于云技術(shù)構(gòu)建新一代灌區(qū)節(jié)水預(yù)警通用模型平臺(tái)，切實(shí)加強(qiáng)對(duì)灌區(qū)用水行為的動(dòng)態(tài)監(jiān)測(cè)監(jiān)管。

2.5.4 水資源全過(guò)程預(yù)演

根據(jù)不同預(yù)見(jiàn)期的旱澇預(yù)報(bào)成果和全灌區(qū)水資源需求形勢(shì)，基于“四預(yù)”平臺(tái)的數(shù)字化場(chǎng)景，從水源、全渠系（干支斗農(nóng)）到終端用水戶(hù)動(dòng)態(tài)預(yù)演不同形勢(shì)下的水量分配和輸配水方案，分區(qū)分段多尺度展示輸配水發(fā)展態(tài)勢(shì)，評(píng)估不同方案的可行性和防災(zāi)減災(zāi)作用，并自動(dòng)迭代優(yōu)化水量分配和輸配水方案，達(dá)到旱澇災(zāi)害減災(zāi)、工程隱患少成災(zāi)的目的。

2.5.5 防災(zāi)減災(zāi)科學(xué)預(yù)案

在災(zāi)情方面，為應(yīng)對(duì)灌區(qū)突發(fā)旱澇災(zāi)害，通過(guò)“四預(yù)”平臺(tái)將水資源全過(guò)程預(yù)演的水量分配結(jié)果與灌區(qū)輸配水過(guò)程融合，進(jìn)一步解構(gòu)防旱澇目標(biāo)和重點(diǎn)，落實(shí)落細(xì)旱澇防御對(duì)策，從需水、供水、耗水、排水4個(gè)方面給予灌區(qū)科學(xué)精準(zhǔn)指導(dǎo)，形成智能型灌區(qū)防汛抗旱預(yù)案，提高灌區(qū)韌性防御能力。

3 數(shù)字孿生灌區(qū)應(yīng)用

3.1 試驗(yàn)區(qū)概況

廣州市流溪河灌區(qū)由大坳渠首樞紐工程、李溪攔河壩引水樞紐工程和灌溉渠系（圖4）組成，是以引水為主，蓄、引、提相結(jié)合的灌溉系統(tǒng)。在灌區(qū)中建設(shè)包括水雨情監(jiān)測(cè)、土壤墑情監(jiān)測(cè)、測(cè)控一體化閘門(mén)、視頻監(jiān)控、明渠流量計(jì)等硬件設(shè)施設(shè)備，并構(gòu)建了數(shù)字孿生灌區(qū)管理平臺(tái)實(shí)現(xiàn)對(duì)灌區(qū)的智慧化管理。

3.2 實(shí)施效益

為實(shí)現(xiàn)流溪河灌區(qū)精細(xì)化管理，融合智能感知、需水預(yù)報(bào)、水量調(diào)度和數(shù)字孿生等先進(jìn)技術(shù)構(gòu)建了廣州流溪河智慧灌區(qū)“四預(yù)”平臺(tái)。系統(tǒng)于2019年4月正式上線應(yīng)用，經(jīng)不斷迭代升級(jí)，能夠?qū)崿F(xiàn)農(nóng)作物生長(zhǎng)最佳需水量和灌溉時(shí)間預(yù)測(cè)，并且可自主根據(jù)作物需求驅(qū)動(dòng)設(shè)備完成智能化灌溉，實(shí)現(xiàn)了高效智能的灌溉決策，實(shí)現(xiàn)按需、按期、按量高效供水，做到計(jì)劃用水、優(yōu)化配水，提高了灌區(qū)綜合效益。截至2023年，流溪河灌區(qū)灌溉供水保障率達(dá)到95%以上，并入選2022年省級(jí)節(jié)水型灌區(qū)。平臺(tái)包括灌區(qū)一張圖、可供水量預(yù)測(cè)、需水預(yù)測(cè)、水量配置以及自動(dòng)控制等功能，系統(tǒng)實(shí)現(xiàn)了“供水-需水-配水-調(diào)水”的鏈條化管理，有效改變了原來(lái)按照設(shè)計(jì)和計(jì)劃供水的模式，為實(shí)現(xiàn)“按需供水，精準(zhǔn)配水，減少棄水”的目標(biāo)提供了科學(xué)手段。

a）灌區(qū)一張圖。在數(shù)字化場(chǎng)景中動(dòng)態(tài)展示灌區(qū)運(yùn)行的各類(lèi)信息，主要包括作物信息、氣象信息、用水統(tǒng)計(jì)、閘門(mén)運(yùn)行狀態(tài)、設(shè)備狀態(tài)、作物需水預(yù)測(cè)等，為管理單位及時(shí)了解灌區(qū)運(yùn)行狀況、合理調(diào)配水資源提供科學(xué)依據(jù)，見(jiàn)圖5。

b）可供水量預(yù)測(cè)。驅(qū)動(dòng)可供水量預(yù)測(cè)模型，實(shí)現(xiàn)了流溪河灌區(qū)上游流溪河水庫(kù)及黃龍帶水庫(kù)全年月、旬尺度的可供水量預(yù)測(cè)，以及未來(lái)1周的日來(lái)水量預(yù)測(cè)。

c）需水預(yù)測(cè)。綜合作物當(dāng)前的生長(zhǎng)周期、氣象預(yù)測(cè)預(yù)報(bào)數(shù)據(jù)，灌區(qū)實(shí)時(shí)監(jiān)測(cè)數(shù)據(jù)，渠系水利用系數(shù)等因素，對(duì)當(dāng)前作物的需水情況進(jìn)行精準(zhǔn)預(yù)測(cè)（圖6）。

d）水量配置。根據(jù)來(lái)水和需水情況進(jìn)行供需平衡分析，驅(qū)動(dòng)水資源優(yōu)化配置模型，按照“缺水量最小、棄水量最小”原則，靈活制定“組內(nèi)續(xù)灌，組間輪灌”策略，輸出每條渠道的配水流量、配水量、配水開(kāi)始和結(jié)束時(shí)間，生成灌區(qū)配水方案。

e）自動(dòng)控制。根據(jù)自動(dòng)生成調(diào)度指令，通過(guò)遠(yuǎn)程控制測(cè)控一體化閘門(mén)啟閉，實(shí)現(xiàn)對(duì)灌區(qū)內(nèi)的水資源進(jìn)行科學(xué)調(diào)配。

4 結(jié)論

開(kāi)展了對(duì)灌區(qū)精細(xì)化管理關(guān)鍵技術(shù)的研究與應(yīng)用，并將關(guān)鍵技術(shù)與灌區(qū)管理系統(tǒng)融合構(gòu)思了數(shù)字孿生灌區(qū)“四預(yù)”平臺(tái)的功能和效果，為未來(lái)數(shù)字孿生灌區(qū)的發(fā)展提供了思路。系統(tǒng)在流溪河灌區(qū)的應(yīng)用表明，其有效提高了灌區(qū)水資源利用率和管理水平，實(shí)現(xiàn)了灌區(qū)的可持續(xù)發(fā)展。但是對(duì)于本文提出的數(shù)字孿生灌區(qū)中的防災(zāi)減災(zāi)科學(xué)預(yù)案并未能在流溪河灌區(qū)中實(shí)現(xiàn)，后續(xù)需要進(jìn)行進(jìn)一步研究應(yīng)用。

參考文獻(xiàn)：

［1］譚倩，緱天宇，張?zhí)镦拢?基于魯棒規(guī)劃方法的農(nóng)業(yè)水資源多目標(biāo)優(yōu)化配置模型［J］.水利學(xué)報(bào)， 2020，51（1）：56-68.

［2］翟浩輝.我國(guó)農(nóng)業(yè)節(jié)水與國(guó)家糧食安全［J］.中國(guó)農(nóng)村科技，2011（2）：42-45.

［3］王海龍，王會(huì)肖，劉海軍，等.農(nóng)業(yè)水資源高效利用的若干問(wèn)題研究［J］.南水北調(diào)與水利科技，2010，8（1）：82-87，98.

［4］姜明梁，鄧忠.我國(guó)灌區(qū)信息化建設(shè)現(xiàn)狀與發(fā)展對(duì)策［J］.中國(guó)農(nóng)村水利水電，2019（10）：132-133，138.

［5］劉峰.我國(guó)農(nóng)業(yè)水資源利用存在的問(wèn)題及管理對(duì)策［J］.鄉(xiāng)村科技，2021，12（29）：100-102.

［6］張波，陳武奮，江顯群.數(shù)字孿生灌區(qū)建設(shè)中的關(guān)鍵技術(shù)應(yīng)用［J］.水利建設(shè)與管理，2020，40（9）：72-76.

［7］邱俊楠，王宏偉，李樹(shù)元，等.數(shù)字孿生灌區(qū)建設(shè)探討［J］.農(nóng)業(yè)科技與信息，2022（3）：118-121.

［8］戴瑋，李益農(nóng)，章少輝，等.數(shù)字孿生灌區(qū)建設(shè)發(fā)展思考［J］.中國(guó)水利，2018（7）：48-49.

［9］史良勝，查元源，胡小龍，等.數(shù)字孿生灌區(qū)的架構(gòu)、理論和方法之初探［J］.水利學(xué)報(bào)，2020，51（10）：1212-1222.

［10］王自云.數(shù)字孿生灌區(qū)的架構(gòu)、理論和方法之我見(jiàn)［J］.低碳世界，2021，11（7）：91-92.

［11］楊志靜.數(shù)字孿生灌區(qū)建設(shè)中的關(guān)鍵技術(shù)應(yīng)用［C］//2021中國(guó)水資源高效利用與節(jié)水技術(shù)論壇論文集，2021.

［12］李子陽(yáng)，馬福恒，李涵曼，等.人民勝利渠灌區(qū)智慧管理平臺(tái)的物聯(lián)網(wǎng)架構(gòu)［J］.中國(guó)農(nóng)村水利水電，2019（6）：88-92.

［13］謝家興，高鵬，孫道宗，等.基于長(zhǎng)短期記憶的柑橘園蒸散量預(yù)測(cè)模型［J］.農(nóng)業(yè)機(jī)械學(xué)報(bào)，2020，51（S2）：351-356.

［14］董云程，周明，杜坤，等.城市需水量預(yù)測(cè)方法與模型綜述［J］.軟件導(dǎo)刊，2019，18（12）：1-5.

［15］邢立文，崔寧博，董娟.基于LSTM深度學(xué)習(xí)模型的華北地區(qū)參考作物蒸散量預(yù)測(cè)研究［J］.水利水電技術(shù)，2019，50（4）：64-72.

［16］TIAN Y，XU Y P，YANG Z，et al.Integration of a parsimonious hydrological model with recurrent neural networks for improved streamflow forecasting［J］.Water，2018，10（11）.DOI：10.3390/w10111655.

［17］侯文濤，白美健，陳炳紳，等.測(cè)控一體化閘門(mén)及其調(diào)控技術(shù)研究分析［J］.節(jié)水灌溉，2021（8）：47-51.

（責(zé)任編輯：向 飛）