|
水系连通、智慧引领 智慧水利赋能全域治水 国家“十四五”规划纲要明确提出“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”。智慧水利建设是推动新阶段水利高质量发展的六条实施路径之一，也是新阶段水利高质量发展的显著标志。随着互联网+水利的融合发展，数字孪生、水利专业模型、图像智能识别以及知识图谱等关键技术在智慧水利的设计、实施和运维各个阶段积累了大量应用案例，形成了一定的应用广度和深度。本文以唐山市智慧水利建设为例，阐述建设过程中涉及到的多项关键技术，并简要介绍智慧水利技术助力唐山全域治水清水润城工程迈向新的高度。 数字孪生技术是智慧水利的重要技术手段。数字孪生技术运用物理模型、传感器数据，集成多学科、多物理量、多维度、多概率的仿真过程，实现物理实体与数字虚拟体之间的精确映射，建立物理实体的虚拟模型。数字孪生底板是智慧水利的算据，通过完善时空多尺度数据映射，扩展三维展示、数据融合、分析计算、动态场景等功能，形成基础数据统一、监测数据汇集、二三维一体化、跨层级和业务的数据底板。唐山智慧水利构建以邱庄水库为试点的数字孪生三维场景典型应用，在数据底板技术的研究和应用方面做了一定的工作。数据底板研究和应用的主要内容包括多源异构数据融合、水利模型计算结果可视化处理、数字孪生引擎应用等。 2.1.1 多源异构数据融合为达到水利工程高仿真能力，实现虚拟世界与现实世界的高度相似和同步，邱庄水库三维场景对数字底板的建设有高要求。对于离库区较远的非重要区域使用中低精度三维地表模型构建，库区关键部位使用倾高精度数字高程模型（DEM）和数字正射影像（DOM）做基础，与倾斜摄影三维实景模型做重叠、融合处理，以突出地形、材质等特征细节。将这些不同精度、不同数据源的空间数据在三维实际空间实现融合，达到地形无缝构建的完整场景，增强数字孪生三维场景的真实表达度。使用3DE、3dmax、revit等专业建模软件，创建大坝、溢洪道、放水洞、泵站、管理处房屋等重点工程建筑信息模型（BIM）。将物联网数据（包括工情监测、水文监测等数据）接入三维场景系统，与BIM数据做部位和动作的联动，物理属性相关联，使数字孪生系统虚拟世界能动态表达真实世界的工程运行状况。
图2.1.1-1邱庄水库无人机正射影像数据处理 2.1.2 水利模型计算结果可视化处理将防汛四预业务系统中水利专业模型的计算结果（流量过程、洪水演进淹没分析等）进行可视化处理和展示，通过水花大小反映开闸过程中的出水流量变化，通过粒子的颜色深浅度（alpha值）或热力图反映水位变化，通过矢量箭头表示颗粒前进方向，从而达到对洪水的渲染。将水利专业模型计算出的完整洪水过程进行逐帧渲染，可以向决策者直观呈现历史洪水过程，快速进行决策分析，满足“预演”对于快速获取信息的需求。
图2.1.2-1邱庄水库闸门调度模拟 2.1.3 数字孪生引擎数字孪生引擎通过对数字孪生三维场景中模型、地形、材质、粒子效果的优化和增强，能够帮助提升虚实融合程度。虚幻等引擎能够优化已建BIM模型、地理空间模型的细节，在展示效果方面增强用户在虚拟世界的沉浸式体验。邱庄水库三维场景在构建的过程中使用虚幻引擎，在收集的空间地理数据的基础上，对山体勾画出岩石纹理，在陆地土壤表层添加花草等植被细节。虚幻引擎重点应用在开闸泄水流量过程模拟功能中，创建溢洪道的开闸泄水过程中水花的溅射效果，消力池中水流的下泄效果，以及下游河道的水流动画效果。
图2.1.3-1使用虚幻4引擎优化BIM模型、地理空间模型 防汛减灾管理是智慧水利的核心关键业务之一，主要包括对水情、灾情的预测、预报及预警，并在数字孪生流域中，利用防汛模拟仿真模型，对典型历史事件场景下的水利工程调度进行精准复演，确保防汛模型准确、易用。通过防汛模拟仿真技术，保持数字孪生流域与物理流域交互的精准性、同步性、及时性，实现“预报精准化、预警超前化、预演数字化、预案科学化”的水利业务应用。 2.2.1 降雨径流模型降雨径流模型对雨水情信息进行采集处理，主要是根据各流域已有的预报降雨资料，考虑适合目标区域下垫面条件的产流模式，结合不同河流水系特征值，进行产流计算，得到地表及地下径流过程。 以新安江模型为例：三水源新安江模型采用自由水蓄水库的结构来解决水源划分的问题。按蓄满产流模型求出的产流量R，先进入自由水蓄水库S，再划分水源。此水库有两个出口，一个底孔形成地下径流RG，一个边孔形成壤中流RI。其出流规律均按线性水库出流。由于新安江模型考虑了产流面积（FR）问题，所以这个自由水蓄水库只发生在产流面积上。当自由水蓄水深S超过其最大值SM时，超过部分成为地面径流RS。 底孔出流量RG和边孔出流量RI分别进入各自的水库，并按线性水库的退水规律流出，分别成为地下水总入流TRG和壤中流总入流TRI，并认为地面径流的坡地汇流时间可以忽略不计。所以地面径流RS可认为与地面径流的总入流TRS相同。地面径流总入流TRS、壤中流总入流TRI、地下水总入流TRG各自进入河网，经河网单位线调蓄计算后，即成为单元面积的出流流量，然后经河道汇流，成为出口断面流量。根据上述概念可列出三水源新安江模型的流程图，如下。
图2.2.1-1新安江三水源模型流程图 根据降雨径流模型，得出不同区间、子流域的径流或洪水过程。 2.2.2 防洪调度模型防洪调度分为实时调度和历史数据规则调度，前者根据雨洪预报情况，结合水库、河道、保护区等实际需求，在专家会商的前提下拟定具体调度运用方式；后者根据方案、预案中的规则，对历史典型洪水或设计洪水进行方案计算。通过该模型计算，能够根据下游保护对象、过流能力、水库自身等约束条件，实现不同调度方案计算，为管理人员提供决策依据。 防洪调度模型的流程是：以降雨径流模型输出的预报入库洪水过程或历史典型洪水过程作为输入，由水库调度模块按照一定的规则进行水库模拟调洪计算，将计算的出库洪水过程传递至河道演进模块进行河道演进计算，通过滞洪区分洪计算模块进行模拟分洪计算。某水库的典型调洪计算流程见下图。
图2.2.2-1某水库调洪计算流程 2.2.3 洪水动态风险分析模型 洪水动态风险分析及洪水风险图编制则是一种重要的防洪非工程措施。洪水动态风险分析及洪水风险图编制是结合洪水预报及防洪调度，对可能发生洪水的演进路线、到达时间、淹没水深、淹没范围及流速大小等过程特征进行预测，然后基于信息化手段，将地理信息和各类防汛信息有效集成，标示洪泛区内各处受洪水灾害的危险程度，客观反映地方防汛实际，形成直观、动态、准确的“风险图”和清晰直观的“作战图”，对于防汛应急决策具有重要的技术支撑作用。 模型根据最新的调度情况，在当前水库河道边界的基础上，结合高速计算技术，进行洪水演进的高速计算，提供河道水流的演进情况、淹没区域的地面漫流情况，给出水位、水深、流速等基本信息，结合灾情分析，给出风险分析结果。 洪水动态风险分析模型的流程是：以河道上游水库调度出库洪水过程或者控制性水文站实测（设计）洪水过程为输入，利用模型进行河道沿程水流的二维水流演进计算，在河道有溃决发生的情况下，模拟溃决水流的地面漫流发展过程，支撑洪水风险评估。主要分为以下几个步骤： （1）构建河道洪水动态风险分析模型； （2）参数率定与模型验证； （3）方案分析计算； （4）动态展示。模型计算流程见下图。
图2.2.3-1河道洪水动态风险结构图 2.2.4 灾情评估模型根据洪水动态风险模型计算得到的淹没范围、淹没水深及分布、流速分布、洪峰前锋到达时间和淹没历时等信息，结合淹没区社会经济情况分析评估洪水影响，主要内容包括淹没范围内和各级淹没水深区域内的人口分布、耕地面积、资产统计等，进行洪水损失评估。 模型能够读取洪水动态风险模型计算得到的每个网格最大淹没水深、最大流速、洪峰前锋到达时间和淹没历时等信息，与淹没区社会经济情况数据库相匹配，进行灾情评估。洪水影响统计主要有各河流各方案总体淹没情况汇总表，各方案不同水深淹没情况汇总表，各级行政区淹没情况汇总表，典型区域淹没情况汇总表等。 水资源管理系统是智慧水利“2+N”业务中核心之一，水资源供需、配置、调度模型是支撑水资源管理业务的重要模型，通过模型研发能够实现对地区经济社会发展用水预测、水源可供水量预测和供需形势评估，实现地区水资源合理配置和精细调度，提升地区水资源综合管理能力。 2.3.1 水资源供需分析模型水资源供需分析模型是全面评估地区水资源供需形势，及时掌握地区缺水程度，从水资源保障方面为地区经济社会发展提供技术支撑。水资源供需分析模型包括需水预测模型、可供水量预测模型以及供需平衡模型。 需水预测模型考虑地区经济社会发展要求，坚持“四水四定”原则，统筹地区用水实际和今后经济社会发展需求，结合经济社会发展指标预测和用水定额，预估地区今后经济社会发展用水需求。可供水量预测模型考虑河流来水、工程供水能力、河流生态用水等要求，综合地区各类水源供水实际和工程建设运用情况，通过分析调算预估地区各类水源可供水量。水资源供需平衡模型统筹地表水、地下水、非常规水源，结合生活、工业、农业、生态各行业用水需求，进行水资源供需平衡分析。 2.3.2 水资源配置模型水资源配置模型是以水资源供需平衡分析成果为基础，综合地区用水总量控制以及地下水压采实施方案等，分析地表水、地下水以及非常规水水源供水范围和行业水资源用途，构建水资源配置关系网络图，按照水资源配置原则，统筹多水源供水和分行业用水需求，通过多水源联合调配和分行业供用水平衡，统筹水源供水次序和行业水资源用途，提出地区水资源配置方案，为合理利用水资源、提供水资源利用效率、有效缓解水资源供需矛盾提供支撑。地区水资源配置关系网络图见图 。
图2.3.2-1 地区水资源配置关系网络图（以唐山市为例） 2.3.3 水资源调度模型水资源调度模型是统筹防洪、供水、生态和发电等要求，以供水效益最大化为目标，综合考虑工程最大可供水量、输水线路过流能力、节点水量平衡、控制断面生态流量等约束，采用线性规划方法进行优化求解，通过优化调度水资源，协调水源供水和行业用水，提出地区水资源调度方案，包括分河段县区用水分配、河道主要断面流量指标以及水库调度运用计划等，为地区精细化调度水资源提供技术支撑。地区多水源联合调度模型采用线性规划优化求解，模型求解步骤如下： （1）模型前处理。对多水源联合调度模型进行标准化处理，包括将目标函数标准化、非线性约束条件线性化处理等。 （2）模型数据准备。针对线性规划求解问题需求，准备模型计算数据，包括目标函数中决策变量系数矩阵，约束条件中决策变量系数矩阵和常数向量，决策变量上下限、整数与非整数等，形成线性规划求解的计算数据。 （3）模型求解。根据数学模型矩阵和向量数据，形成线性规划求解的标准化输入形势，采用线性规划对模型进行求解。 （4）结果输出。按照线性规划求解输出的标准规则，将计算的优化结果按方案分析格式输出。 图像智能识别技术是智慧水利系统中应用最为广泛的热点技术之一。输入河湖视频监控画面，图像智能识别技术可自动识别河湖违法事件、河道水位等应用场景，其核心技术点包含： 2.4.1 视频监控自动巡检流域管理部门公布的河湖管理规划中，对河道保护范围做出了明确规定，根据管理规划确定河湖违法事件监管时间及监管范围，在监管范围内筛选可用的高点位视频监控。高点位视频监控覆盖半径为2 km，巡检路径多样，须提前规划巡检路径，确保巡检范围不遗漏、不重复。当巡检区域为狭长型时巡检路径应自上游向下游，当巡检区域为面状时巡检路径应由外向内逆时针旋转，直至覆盖全部待检区域。通过监控设备的预置位巡航功能实现视频监控自动巡检，预置位宜选择在易发生采砂点位、河道与建筑物交叉处或水工建筑物布置处等关键位置，巡检过程中设备变焦倍数以可能出现的目标在画面中所占像素不低于80×80的要求来确定。 2.4.2 半自动图像标注机制与资源库建立河湖视频监控中，不同点位的视频监控画面差异很大，为提高算法准确率，建立与点位关联的图像资源库，通过半自动图像标注机制辅助人工标注样本。以现有的旱采特征物公开数据集为基础，使用LabelImg标注样本数据，汇总形成预训练集，经目标检测算法训练后形成预训练模型，使用该模型预测视频监控画面，获得初步预测结果，随后人工对预测结果进行调整，实现半自动标注并将样本存储至资源库中，由资源库统一管理河湖违法行为样本资源。在半自动图像标注机制的辅助下，样本会随着系统运行不断积累，算法训练集的数量不断增加、质量不断提高，进而提高算法的准确率。 2.4.3 基于Faster-RCNN目标检测算法的河湖违法行为识别技术利用基于深度学习的目标检测技术对监控画面中河湖违法行为特征物进行识别定位，高点位视频监控设备安装高度通常为30 m，监控画面范围大，而待检测目标通常为小目标，因此可采用面向小目标的多尺度Faster-RCNN目标检测算法，此算法高度契合河湖违法行为识别巡检需求，算法结构如下图。
图2.4.3-1 面向小目标的多尺度Faster RCNN目标检测算法结构 2.4.4 河湖违法行为监管采用目标检测算法技术检测到视频画面中存在违法行为特征物时，系统自动截取图片和视频片段，根据此刻监控设备状态信息和安装信息获得特征物的定位信息，固定疑似违法证据。通过GIS空间分析技术判断特征物与河道管理范围界的位置关系，当特征物位置在管理范围线内时系统自动触发违法告警行为，人工核查确认违法行为属实后，向执法人员推送告警信息及证据，执法人员完成业务闭环处置工作，人工核查确认的结果也会作为算法的样本数据反馈存储至系统图像资源库中。
图2.4.4-1 河湖违法行为监管业务流程 知识图谱是一种新型数据管理模式，通过模式定义、规律分析、关联分析，将多源异构水利数据进行融合，能够将数量大、数据类型多、涉及多专业的水利实体建立知识网络，构建知识关联体系。知识图谱对原本分散的多专业、多来源、多结构的水利知识进行科学的分类、集成、高效利用，并结合大数据、深度学习等技术手段开发智能应用，挖掘关联数据关系中的潜在价值，能够为水利管理提供高质量的决策辅助。 作为智慧水利的关键技术，知识图谱的分析和对水利工程与业务的构建整体知识架构，能够描述真实的工程布局、机电设备、金属结构、受水区域等实体、概念和关系，将水利知识融合。基于知识图谱的知识推理能够挖掘水利工程知识中的潜藏价值，实现水利知识的智能检索和推荐，从而赋能数字孪生工程基础的建设。 2.5.1 知识引擎唐山智慧水利知识图谱整合了预报方案、专家经验、历史典型洪水场景、工程调度规则、预案、水政执法条例等知识，开发知识检索功能，充分利用图结构对水利与实体关系的定义和索引，提高了对根据水利实体的关系进行查询的效率。实体和关系构成的知识网络，是物质实体、概念在虚拟世界形象精确的数字映射，使用智能语音机器人等工具，对实体和嵌入的属性、关系和嵌入的属性进行关键词、近义词的提取、加工、再组合，用文字描述或语音，进行形象、自然语言的回答，提高水利知识查询的准确度和用户体验。
图2.5.1-1 水行政法律法规、自由裁量权知识图谱 2.5.2 水利知识推理基于智慧水利知识图谱的知识推理旨在根据已有的知识图谱，挖掘、推理得到新的事实。在知识图谱的基础上，结合水利领域专业知识，定义推理规则。在概念层（schema），定义河流与水库之间存在流入关系，水库与溢洪道存在属于关系，可以根据此规则推断溢洪道所在的河流。将推理规则实例化，将抽象的概念替代成具体的示例，可推理出隐藏在智慧水利知识图谱中的隐藏知识。嵌入在知识图谱对实体的属性描述可以作为描述实体的特征向量，通过算法映射到向量空间，运用PageRank、中心性算法（Node Betweeness）等基于步长的关联性分析算法，找出水利实体之间的隐性相似关系，结合专业知识和规则建立现实世界之间的联系。 国家“十四五”规划纲要明确提出“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”。智慧水利建设是推动新阶段水利高质量发展的六条实施路径之一，也是新阶段水利高质量发展的显著标志。随着互联网+水利的融合发展，数字孪生、水利专业模型、图像智能识别以及知识图谱等关键技术在智慧水利的设计、实施和运维各个阶段积累了大量应用案例，形成了一定的应用广度和深度。本文以唐山市智慧水利建设为例，阐述建设过程中涉及到的多项关键技术，并简要介绍智慧水利技术助力唐山全域治水清水润城工程迈向新的高度。
图3-1 智慧水务总体实施框架 在设施运行管理子系统中，项目组基于数字孪生技术，搭建了邱庄水库三维场景、构建了邱庄水库水工建筑、金属结构与安全监测等精细化模型，并接入了水库现有各类安全监测设备的实时数据，构建了高保真的邱庄水库数字孪生场景，并再次基础上开发了水库安监、调水、防汛以及设施管理等水库业务场景。
图3.1-1 邱庄水库数字孪生场景
图3.1-2 邱庄水库实时监测业务页面 在防汛减灾管理子系统建设过程中，项目组积极践行了“防汛四预”工作要求，从预报、预警、预演、预案四个维度，对唐山市5条重点河流的防汛工作进行了开发实施。系统搭建了防汛四预业务平台，研发并融合了包括降雨径流模型、防洪调度模型、洪水动态风险分析模型、灾情评估模型5大专业数学模型，实现了防汛业务智能化、精准化应用。
图3.2-1实时监测功能页面
图3.2-2洪水演进功能页面
图3.2-3洪水预报功能页面 统筹智慧水利建设要求和唐山市水资源管理需求，建设集“监测-评价-供需-配置-调度”全业务，涵盖节水管理的全过程水资源管理系统，包括水资源综合服务、水资源评价、水资源供需平衡、水资源配置、水资源调度、节水管理等6个子系统。通过唐山市水资源管理建设，基本厘清唐山市水资源底账，摸清供用水状况，评价唐山市用水水平；预估唐山市用水需求，明晰地表水、地下水及非常规水源多水源统筹的可供水量，评估唐山市水资源供需态势；综合唐山市用水总量控制红线和地下压采措施，提出水资源配置方案；科学编制水资源调度方案，实时监测重点取水工程、重点断面取水过程，动态评估调度执行情况；精细编制计划用水，在线评估计划用水执行情况，实现计划用水全过程管控，全面监管唐山市重要用水单位节水改造情况，提升全社会节水水平。
图3.3-1 综合信息服务功能页面
图3.3-2 水资源供需平衡功能页面
图3.3-3 调度计划功能页面
图3.3-4 节水管理功能页面 在唐山市全域128条重点河流上，唐山智慧水务项目共建设862处视频监控点位，针对盗采现象频发的流域，均部署了可见光、热成像双光谱高速球机，以及基于深度学习的非法采砂识别算法。视频监控系统实现7*24小时不间断自动巡河，并针对河道管理范围线内的非法采砂行为进行自动识别报警，为市水利局提供不间断的智能巡河。 系统建成后，已多次辅助市水利局进行非法采砂抓捕行动，工作人员通过热成像监控画面，固定犯罪证据，跟踪盗采团伙的逃离路线，并定位其藏匿点，远程指挥现场人员实施抓捕，显著提升了非法采砂行为的识别率与执法行动的成功率，助力河湖采砂监管“眼明手快”。
图3.4-1 智能识别告警功能页面 在水政监察执法管理子系统建设过程中，项目组利用知识图谱、无人机巡检、水政执法仪等技术手段，构建了水政执法知识图谱。在工作人员执法过程中，系统可自动生成执法裁决书，实现掌上执法、智慧执法。
图3.5-1 无人机巡检工作台
图3.5-1 水政执法在知识图谱中的应用 供稿：黄河勘测规划设计研究院有限公司工程院 |
|
|
来自： DICT观察者 > 《DICT软件技术服务》
