《灌区数字孪生平台与-四预-功能建设》

数字孪生灌区建设技术与经验交流培训班

2023年3月

灌区数字孪生平台与“四预”功能建设

白美健

中国水利水电科学研究院

国家节水灌溉北京工程技术研究中心

水利部数字孪生流域重点实验室

2023年5月

目录

01数字孪生灌区是什么

02灌区数字孪生平台建什么

03灌区数字孪生平台怎么建

04如何支撑灌区业务四预功能

数字孪生灌区是什么

数字孪生发展历程

第一阶段：1960年代至1990年代，数字孪生的雏形开始出现，主要用于工程建模和控制系统

的设计。此阶段的数字孪生仍比较简单，主要用于辅助人们进行设计和测试。

第二阶段：2000年代至2010年代，数字孪生逐渐发展为一种能够模拟物理实体运行的技术，

并广泛应用于航空、能源、制造等领域。数字孪生的应用越来越广泛，成为重要的生产工具。

第三阶段：2010年代至今，随着数字技术的发展和智慧城市等新兴领域的崛起，数字孪生迎

来了新的发展机遇。数字孪生的应用已经涵盖了许多领域，如城市规划、生态保护、智能交

通等。

①智慧制造：数字孪生可以模拟和优化工厂的生产流程，提高生产效率和生产质量。

②智慧城市：数字孪生可以模拟城市中的交通流量、人口流动等，为城市规划和管理提供重要参考。

③智慧农业：数字孪生可以模拟农业生产环境，优化农业生产流程，提高农业产出效益。

④医疗健康：数字孪生可以模拟人体器官的运行情况，帮助医生进行诊断和治疗。

⑤环境保护：数字孪生可以模拟环境变化和污染情况，帮助政府和企业制定环保政策和措施

数字孪生技术是什么？

数字化精确表达

虚实双向实时映射

仿真推演

预警预测

优化调整

的

数字孪生灌区是以物理灌区为单元，时空数据为底座、数

学模型为核心、水利知识为驱动，对物理灌区全要素和建设

运行全过程进行数字映射、智能模拟，前瞻预演，与物理灌

区同步仿真运行、虚实交互、迭代优化，实现对物理灌区的

实时监控、发现问题、优化调度的新型基础设施。

孪生对象：是物理灌区，是一个很复杂的系统全要素？

建设运行全过程？

关键要素：基础静态信息、与业务管理密切相关的要素信息

数字映射

关键过程：关键节点、线段、区域的重要过程（与管理决策密切相关的）

仿真推演任何调度情景下灌区水动力过程可预演，灾情场景可预演

迭代优化可基于不同管理目标，借助智能模拟，来优化管理调度方案

灌区数字孪生平台建什么

用户灌区管理单位农业、工业、城乡供水用水户水行政主管部门其他授权用户

水资源配置与供

业务供需水感水旱灾害防御工程管量水与水水公共服灌区一张…

用水（智能）调

知与预报（智能）调度理费计收务图

应用平台度…

网数运

模知预报方案水利对象关联关系

络字型灌区专题模型智能识别模型可视化模型识行

安孪库库业务规则历史场景调度方案维

全生护

体平体

系台数据底板基础数据监测数据业务数据地理空间数据外部数据共享系

立自取输排田支应通计调

水工农气间撑用信算度

信息化基础设施体动引配退

感情情情象控灌保支网存中

水水水撑络

知制溉障储心

物理灌区水源工程灌溉排水工程体系灌溉区域作物种植结构主要用水户等……

数字孪生灌区建设技术架构

数据底板

基础数据监测数据业务数据地理空间数据行业共享数据

灌区内的河流、湖天-空-供用水管理（种植计矢量数据（基础矢量图，水从自然资源、

泊、水库、渠道、

地不划、需水计划、可供利矢量图），影像数据（基础生态环境、农业

水闸、泵站等水利

要素的基础数据同手水分析、配水计划、影像信息，指不同时期、范围农村、气象、工

（灌区管理对象的段获调度方案、供水计划、及分辨率的遥感影像、切片数业信息化、住建、

名称位置、工程特得的供水方案、用水统计、据、无人机航拍数据），DEM统计等部门获取

征等内容）、关联

数据（工程对象的气象、量测水，抗旱管理、数据（地表数字高程模型数据水利业务所需行

工程建设、管理权水情、防汛管理等）；工程和水下渠道底部数字高程模型业数据，主要有

责、运维养护、图农情、管理（测控设备信息，数据），场景模型数据（斜摄气象、生态环境、

片资料等）和关系

雨情、工程调控管理信息，影模型、水下地形、水利构筑自然资源、城建、

数据（各类对象之

间、对象编码之间、工情、工程巡检维护信息、物建筑信息模型BIM等数据）住建、交通、应

对象和多媒体文件水质、险工险段基本信息）；（灌区全域地图宜采取L1等级急和统计等部门

之间等各类表述相

视频公共信息管理（用水数据底板；骨干渠系宜采用L2的气象预报、下

互关系的数据）。

灌区主要对象：管监控户相关信息、水费、等级数据底板；渠首或关键节垫面、承灾体、

理区划数据、河湖等信以及与公众相关的水点的重大水利工程，宜采用L3社会经济、环境

基础数据、水利工息。利公共服务数据等）。等级数据底板）等跨行业数据。

程基础数据、组织

机构数据

模型库

灌区专题模型智能识别模型可视化模型

来水预报模型（降雨，产汇流、塘遥感识别模型（作物种自然背景可视化模型

库蓄水变化）植结构、耕地对象、重（地理场景

需水预测模型（三生需水预测，重要建筑物，水体对象）（DEM,DOM等）；地

物实体（水系、植被、

点在农业）视频识别模型（危险漂

建筑、道路等）；天气

水资源配置模型浮物，物体入侵，施工

环境（晴、阴、下雨、

现场非安全操作，渠道

输配水联合调度模型（渠/管网水雾等）

流模拟仿真，供水调度，闸群联合沿线施工识别、水尺水

调控）位，险工险段崩塌，滑流场动态可视化模型

坡）

田间灌排水模型（作物生长、土壤（水流运动、泥沙运动）

水动力、地面灌溉水流、田间排水）语音识别模型（基于公

水利工程可视化模型

众查询服务、举报投诉

水旱灾害防御模型（洪水预报，干（取水枢纽、大型灌排

服务、意见反馈服务等

旱预报，冰凌预报、水污染，旱涝建筑物、泵站等）

的语音识别）

应急调度）

知识库

水利对象关联关系：水利物理对象关系图谱（业务场景对涉水对象——关系知识的共性需求，

物理对象空间关系）；水利学科知识图谱（业务场景描述对水利学科概念术语与业务事件及

关系类知识的需求，水利学科概念-关系知识的数据源）

业务规则库：（法律法规、规章制度、技术标准、管理办法、规范规程等进行业务规则的抽

取、表示和管理，支撑新业务场景的规则适配。（水资源风险预警研判规则；取用水与用水

总量监管研判规则））

历史场景库：（历史水资源配置与供用水调度、历史干旱、历史洪涝、历史突发事件的代表

性特征、分类、处置过程、事件成因及评价结论等相关知识，对历史场景进行过程重建、特

征标注，支撑相似场景的快速查找，为预案预演模拟提供素材。）

预报方案库：基于灌区以往的预报历史事件（来水预报，需水预报、洪水预报等），通过历

史经验知识化分析，构建预报方案决策知识图谱。

调度预案库：基于灌区以往的用水调度历史事件（水库联合调度方案、闸门供水调度方案，

泄洪闸泄水调度方案），通过历史经验知识化分析，构建预报方案决策知识图谱。

灌区数字孪生平台怎么建

数据底板模型库知识库

建设的总体要求

算据算法

①基于算法、算据，以及业务应用

算力对算力需求，做顶层架构设计。

②按照“需求牵引，应用至上”原

则来确定：

业务应用

建设哪些专题模型？

数字孪生设计的模型与数据规模庞大，需要计算机硬件具备建设那些智能识别模型？

巨大的处理能力。可视化模型建到什么程度？

数字孪生对模型仿真与数据分析处理效率有实时要求，需要

知识库如何循序渐进积累建设？

计算设备或硬件具有强大的计算能力。

数字孪生对终端设备提出更互动、更沉浸、更清晰的要求，数据底板建设范围及级别，哪些

这对设备的数据传输能力、显示技术等提出了更高要求。自建，哪些可共享？

如何基于调度历史事件，将调度经验知识化，

建立用水调度方案决策知识图谱？

如何基于业务需求来搭建可视化模型？

数

模知预报方案调度方案

字型灌区专题模型智能识别模型可视化模型识

孪

库库业务规则历史场景水利对象关联关系

生

平

台数据底板基础数据监测数据业务数据地理空间数据外部数据共享

灌区用水调度知识图谱构建技术路线图

可实现调度经可根据现实调度情景查询得

构建灌区知识图谱查询体系验的检索查询到模型推荐的调度流量值

择优选用XGboost，

构建能覆盖现实调度

调度场景特征变量组合的调度场景库数据

预测模型精度对比场景的场景库以实现

库的构建确定准备

调度流量的预测

历史经验不同调度场特殊水文年SHAP散点图经验库文本提取历史调度数据中的

库的构建景经验分析经验分析分析汇总调度经验构建经验库

历史数据录入调度请求、蓄将所有特征变量划完成数据录入以及数

的处理

水量等特征变量分为5类调度场景据与处理

典型案例（典型区情况）

本案例是针对淠史杭灌区中淠河灌区的瓦西干渠进水

闸的调度经验开展研究，该闸设计流量为27.4m3/s，干

渠长61.2km，其包括15条支渠，涉及灌溉面积约57.3万

亩。

淠史杭灌区瓦西干渠灌域示意图瓦西进水闸实况图

历史数据处理

xy

特调

征度

变流

量量

8类，70多个特征变量

特征变量的贡献程度及经验表征（所有年份）

温度和时间的重要性得分排名都

采用机器学习和较高

SHAP方法来分析调度员会优先考虑各调度单元提

特征变量对调度出的调度需求，渠道中下游是关注

流量的影响程度的重点。

无降雨以及有用水需求时，调度

a.无降雨、无调度请求c.有降雨、无调度请求员重点关注的是对灌域内旱涝情况

更敏感的塘坝和小（二）型水库；

而无用水需求时，除了塘坝蓄水量，

同时还关注能对局部灌域起到调蓄

作用的中型水库。

在有降雨无调度请求时，重要性

排名较突出的是寿县和裕安区的降

b.无降雨、有调度请求雨站点，但排名前20的站点多分布

所有特征数据集

e.d.有降雨、有调度请求

重要性得分非零且排名排序于裕安区。

特征变量的贡献程度及经验表征（典型水文年份）

通过对长系列

（1996—2020年）降

雨数据的分析后可获

知，瓦西干渠灌域在

2019年是偏旱年，

2020年是偏涝年。

不同水平年降雨站点重要程度

偏旱年特征重要性排序（2019年）偏涝年特征重要性排序（2020年）

排名变化情况分布图

当可供调配的总水量较少时，调度员优先考虑的是整个灌区内水量分配的均衡性，即在能够尽量实现各单元用水平衡的基础

上，才会根据每个单元的调度请求分配水量；水量较充足时，调度员则会对各单元反馈的水量需求做出及时响应。

在偏涝和偏旱时会通过调整瓦西进水闸的闸过流量来控制罗管节制闸的水位。

偏旱时灌域内对旱情更为敏感的小型水库以及塘坝更受关注，而偏涝时中型水库排名显著上升，因为其具备的蓄水能力在此

时能较大程度的防止灌域内涝灾的发生。

旱情发生时，调度员关心的是灌域内的来水量，而雨水较多时则关注下游是否会因降雨过多有涝灾形成的风险。

构建经验库（实现调度经验查询功能）

调度经验汇总

特征变量调度经验

①通常情况下优先考虑各调度单元提出的调度需求，渠道中下游的调度请求是关注的重点。

②当可供调配的总水量较少时，需在能够尽量实现各单元用水平衡的基础上，再根据每个单元的调度请求分配水量；

调度请求

水量较充足时，需对各单元反馈的水量需求做出及时响应。

③给各灌域多少水需在调度请求具体的流量值基础上参考其他影响因素调整，但关停的请求则会得到及时响应。

①无降雨以及有用水需求时，重点关注的是塘坝和小（二）型水库的蓄水量。

②无用水需求时，要同时关注塘坝和中型水库蓄水量。

蓄水量③偏旱时关注小型水库及塘坝；偏涝时关注中型水库。

④偏旱时关注灌域内的来水量；雨水较多时关注下游是否会有涝灾形成的风险。

⑤渠道调度的水会对灌域内的水库及塘坝进行补充。

①在有降雨无调度请求时，需重点关注裕安区和寿县的降雨情况，即瓦西进水闸上游以及瓦西干渠下游产汇流。

降雨

②在确保不发生洪涝灾害的提下，要尽量利用雨洪资源。

罗管闸水位罗管节制闸的水位可通过调整瓦西进水闸的闸过流量来控制，特别是在偏旱和偏涝时。

其它全年大部分时间瓦西干渠进水闸都处于关闭状态。

如何能实现调度流量预测？

第一步：从所有可能的特征变量中分析提出影响最大的关键特征变量组合

第二步：选取模拟模型，通过数值模拟扩大样本库（目前历史数据样本是2192个，构建场景库

第三步：构建可供流量预测的知识图谱

筛选关键特征变量

SHAP方法给每个场景特征

变量重要性得分排名

不同调度情景选用的特征组合

场景序号特征变量组合特征值累加和

1YL+T+D+S1+S4+S3+S2+C0.9328

2YL+T+D+S3+C+H+S4+S1+S20.9143输入模型

3T+S1+D+S4+S3+S2+H+C+R48+G+R490.9020

4T+C+S4+D+S10.9115

5D+T+S4+S3+C+YL+S20.9233

选择得分归一化后累计和达

到90%的特征变量组合

选取模拟模型

所有特征组合无降雨、无调度请求无降雨、有调度请求有降雨、有调度请求

通过对比分析三

种模型在相同特征

变量组合值下模拟

所得调度流量值与

BP神经网络

实际观测值之间的

差异大小，最终选

用XGboost模型、

构建用水调度流量

预测值数据库

随机森林模型

XGboost

构建调度场景库

将各特征变量划分为不同梯度2.16×10^9

特征变量划分梯度范围划分梯度划分组数

T-10~-35510

各特征变量的不同得到每一组变量组合对应的

分析历史C0~110011011XGboost计算

S1300~9006011调度流量预测值，由此形成

数据S20~6006011梯度值排列组合

S30~110011011

S40~180018011最终的调度场景库数据。

YL--9

场景库数据集这样的方法是在已有历史数据的基础上，利用各特

特征变量组合1调度流量值Q1征变量的重现规律对其进行加密并排列组合，以起到尽

组合2Q2可能覆盖所有现实调度情景的目的，进而能检索得到不

XGboost计算

组合3Q3同场景的调度流量预测值。即共有约2.16×10^9组特征

..….……

变量组合和与之对应的调度流量预测值，共同构成淠史

组合nQn

杭灌区瓦西闸调度场景库的知识数据。

知识图谱的搭建

若在具备闸门相关数据的基

础上，重复以下流程，即能

构建起图5.1中其他闸门的知

识图谱模型。

②场景库：创建流量预测值

（“prediction”）和特征变量梯度

组合（“group”）两类节点标签，

图6.1淠史杭灌区知识图谱主体框架并按照对应组合建立两类标签中具体

neo4j图形库①经验库：创建“特征变量”与“调节点之间的映射关系。其中，各特征

创建淠史杭灌区28个主要调控闸度经验”两类节点标签，将具体的调变量梯度的具体数值作为节点group

门及“经验库”、“场景库”、度经验作为调度经验标签下各节点的的属性值。进而，在代码层面将该映

的主要节点并建立节点之间的相属性，并建立节点间关系。射关系的调度流量预测值组合与经验

互关系库节点关联起来

知识图谱使用

01调度经验的查询

在左上角的代码框输入检索“瓦西进水闸”的代码

知识图谱使用

01调度经验的查询

点击运行或者回车后运行代码

知识图谱使用

01调度经验的查询

检索得到“瓦西进水闸”节点

知识图谱使用

01调度经验的查询

右键点击节点上的拓展按钮

知识图谱使用

01调度经验的查询

瓦西进水闸关联节点弹出

知识图谱使用

01调度经验的查询

点击经验库节点的拓展按键，标

有各影响因素的关联节点弹出

知识图谱使用

01调度经验的查询

选择要查看的影响因素

知识图谱使用

01调度经验的查询

选择标有经验编号的节点

属性框里就能查看到具体的调度经验

知识图谱使用

02调度流量的预测

在代码框输入包含各特征变量梯度值的检索代码

知识图谱使用

02调度流量的预测

运行代码

检索得到将各特征变量梯度值作为属性的节点

知识图谱使用

02调度流量的预测

点拓展按键

知识图谱使用

02调度流量的预测

弹出的关联节点中，黄色节点上显示

的数字就是图谱给出的预测流量值

图谱查询体系场景库的验证

知识图谱查验结果对比

特征变量

时间数值类型流量

YLTDS1S2S3S4C

实际值-114.44218141812105502100

4月21日

检索值-1154218401802205402200.08

实际值1027.660774315020038020020

6月7日

检索值103060772018022036022020

实际值-129.780678635010001700100010

8月6日

检索值-130806780360990162099010.74

实际值827.3820775280768120076820

8月20日

检索值825820780300770126077018.96

实际值-114.210077832205509605500

10月7日

检索值-11510077802405509005500

实际值-14.612127772004808204800

12月12日

检索值-1512127801804409004400

随机选择了6组数据开展验证工作，上表为验证结果的对比分析。可以看出，从知识图谱模型中得到的流量

与调度员下达调度指令实际调度的流量最大差异为1.04m3/s，在淠史杭灌区管理总局调度员认可的误差范围以

内。值得关注的是，虽然该知识图谱模型中包含了109量级的节点数和更多的关系数，但调度流量的预测值检索

过程仍具有实时性。

可视化模型搭建

目的：可视化模型通过对水利物理世界实体进行可视化建模，为应用提供场景化、可视化支持。

可视化模型要素：自然背景类（地理场景，天气环境）、地物实体，流场动态类，水利工程类

地理场景建设：通过航空摄影测量与遥感技术、无人机倾斜摄影测量技术、水下多波束探测技术、

激光雷达扫描技术等获取的空间数据进行空间组织，形成多尺度地理场景。

地物实体建设：可采用预制模型的方式，构建典型建筑模型（包括白模）、植被（绿地）、道路

模型，在地理场景上，自由绘制或放置预制模型，实现地上地物表达。

流场动态可视化表达：通过标量场可视化、矢量场可视化、水体视觉模拟、水花特效模拟搭建可

视化模型。

水利工程可视化表达：通过BIM模型、倾斜摄影模型等输入具备工程外观、内部结构、几何尺寸、

材质等要素的数据搭建可视化模型。

地理场景

天气环境

地物实体

流场动态

水利工程

可视化模型搭建过程

提供基础的几何信息丰富画面细节预设交互动作模型轻量化，支持实时交互操作

1.大坝1.视觉细节丰富的大坝1.支持人机交互的大坝1.查看大坝相关参数及运行状态

2.水闸2.视觉细节丰富的水闸2.支持人机交互的水闸2.启闭水闸并查看运行状态

3.房屋3.视觉细节丰富的水泵3.支持人机交互的水泵3.启闭水泵并水泵查看运行状态

4.地形…4.视觉细节丰富的地形4.支持人机交互的房屋4.点击地形三维地形模型上分布

5.…5.…的元素信息

5.…

可视化模拟仿真技术路线

应用场景水资源调度流程可视化灌区工程运行状态可视化渠/管网流场可视化……

场景生成灌区专题模型引可视化模型仿真

模型数据管理擎引擎

数字映射模型管理

灌区专题模型管理模拟渲染

可视化呈现模型计算

可视化模型管理仿真计算

虚拟融合服务模型服务

模型管理场景构建仿真模拟

建筑信息模型数字高程模型数据孪生底板倾斜摄影三维感知数据业务数据……

可视化模型涉及到的工具

WEBGL库

游戏引擎

三维建模软件

BIM软件

理论上任意一种均可独立实现可视化模型，但生

产环境中后三者依赖WEBGL库进行轻量化处理，

便于在实际工作中使用。

具体的开发方案取决于团队技术水平、模型精细

化程度以及效率需求等。

其中，

OPENGL是C/S架构数字孪生系统中可视化的基础工具

WEBGL是B/S架构数字孪生系统中可视化的基础工具

可视化模型

——WEBGL库

定制化程度高、开发难度大；

但在WEBGL基础上进行了初步封装，轻

量化，效率高；

根据不同的业务需求

选择交互文件格式

可视化模型

——三维建模软件

可提供高质量模型素材，常于游戏引擎配合应用

模型实景

可视化模型

——游戏引擎

简化大型交互式程序开发；

注重人机交互、可视化效

果和效率。但守恒性和精

度相对较差；

与三维建模软件配合应用

可提供水流、烟雾等可视化

效果，但无法支撑业务

可视化模型

——BIM(建筑信息模型)软件

对建筑物进行数字化表达；

注重建筑物设计、建设、运维等

过程中的信息化管理。

可视化模型——典型的技术方案

可视化模型交互效率的高低主要受到开发方案的影响，

采用通用化的方案必然带来冗余的负担，导致加载慢、交互效率低；

采用定制化的方案，如采用原生WEBGL、Three.js、Babylon.js等图形库开发，加载快、效率高、自由度高。

可视化模型

——与动力学模型相结合

目前的游戏引擎大多提供物理引擎，但无

法支撑业务。而水利专业模型与游戏引擎

之间没有成熟的接口，导致当前的数字孪

生工程项目无法实现可支撑业务的动力学

模拟与可视化。

个别技术团队从动力学模型出发，采用

OPENGL和WEBGL构建自主的数字孪生

引擎，可实现水利专业模型与可视化模型

的无缝结合。

构建渠网—农田多过程统一表征方法，建立了基于web的灌区（流域）数字孪生系统

实现了三个过程的同步：实时模拟计算、实时3D渲染、实时人机交互

基于web的

数字孪生灌区

灌区典型三维可视化场景展示

如何支撑灌区业务四预功能

灌区“四预”业务包括什么？

预报降雨预报、产汇流预报、蓄水动态变化预报、需水预报等。

骨干渠系超水位/流量预警、灾情预警、重要工程与险工险段安全运行预警等。

预警

渠/管网水流过程预演，灌区产汇流过程预演，泄洪过程预演、数字孪生工程

预演

调度预演、灌溉进度预演、险工险段安全事故情景预演等。

预案用水计划预案、供水调度预案，泄洪调度预案，应急抗旱预案等。

灌区“四预”决策技术逻辑图业务应用平台

工应泄

急

地理空间数据程灾洪

供需水预报模型安情抗调

基础数据全预旱预

预预案

供需警

气象警案

水水

量量

雨情

水旱灾害防御模型

水资源配置模型农情

节

水灌

水情点

缺配流水溉

工

水水过位进

工情程

预计程预度

调

警划预警预

度

水质演演

预

演

供水调度预案

水资源调度模型水流模拟仿真模型

预演结果

确定的供水调度预案

业务应用平台其他任意给定运行场景

“四预”业务应用体系建设案例——以防汛调度业务为例线下渠道防汛调度应用模块OA系统

补充资料实时雨量预报降雨查渠道防汛预线下讨论提出意见

统计分析询案查询经验分析

当前汛情讨论报告市

领导下达调令执行防汛调

汛情资料提出调度级/通报县

工作审批调令反馈度总结

流程上报审查方案区

人工判断防汛形势掌握雨水情实况，依据预案提出调度方案提出意见电话下达，纸质记录

雨洪临近人工估算依赖经验电话往来，纸质记人工

人工上报（1小时）决策压力大录，数据分散3~5天

业务提前3天系统计算渠道洪水过方