数字孪生流域:定义、组成等
1 数字孪生流域(Digital Twin Basin/Watershed)总则
1.1 定义
数字孪生流域是以物理流域为单元、时空数据为底座、数学模型为核心、水利知识为驱动,对物理流域全要素和水利治理管理活动全过程进行数字映射、智能模拟、前瞻预演;与物理流域同步仿真运行、虚实交互、迭代优化,实现对物理流域的实时监控、发现问题、优化调度的新型基础设施。
数字孪生流域包括物理流域、虚拟流域、实时连接交互、数字赋能服务、孪生流域数据及孪生流域知识 6 个基本要素。
- 物理流域:将物理流域信息及时反馈给流域虚拟孪生体( 即虚拟流域) ,包括自然地形地貌、水利工程、流域治理管理活动对象及与其关联的监测控制信息化设施设备。在现有监测站网基础上,构建天空地一体化水利感知网,及时、准确地采集物理流域的水文、水资源、水利工程、水土保持、河湖、经济社会和生态环境等信息,全面掌握流域下垫面数字地形、植被覆盖、河道阻水建筑物、河滩占用、水文大断面和重要河段水下地形等信息,为“由实入虚”提供基础,支撑数字孪生流域的运行。
- 虚拟流域:重点构建多维度多尺度的虚拟模型或数字孪生模型,包括几何模型( MG) 、机理模型( MM) 、数据模型( MD) 、机理和数据融合模型( MM&D) 、智能识别模型( MR) 、行为模型( MB) 、知识模型( MK) ,这些模型能够从多时空尺度多维度对WV进行描述与刻画。
- 实时连接交互:由业务网、工控网、政务网、互联网、传感网及通信协议、输入输出设备、安全保障设施及相关技术组成,实现物理流域、虚拟流域、数字赋能服务、孪生流域数据和孪生流域知识间的高效连接传输、协同交互操控及同步迭代优化。
- 数字赋能服务:数字孪生流域建设的目的,面向水行政主管部门、水利工程运行管理单位、社会公众、技术开发运维人员等不同用户,通过集成物联网、大数据、云计算、人工智能、虚拟现实、区块链等技术,实现物理流域与虚拟流域的平行运行,以虚拟流域在虚拟空间中的实时更新数据反馈优化物理流域
- 孪生流域数据:数字孪生流域的动力源,是建设数字孪生流域的基础
- 孪生流域知识:知识通常分为描述性和程序性知识,由事实、概念、过程和规则组成
在6 个要素协同下,完成对流域的动态监控、诊断评估、模拟仿真、预测预报、决策优化、管理控制等功能。其中,虚拟流域是物理流域的数字镜像,是数字孪生流域的虚拟孪生体; 物理流域是数字孪生流域的物理孪生体。
1.2 适用范围
- 流域管理机构
- 省行政管理部门
主要适用于大江大河大湖及主要支流、重点流域和重点区域的数字孪生流域建设。
1.3 建设目标
数字孪生流域建设总体目标是:按照“需求牵引、应用至上、数字赋能、提升能力”要求,以数字化、网络化、智能化为主线,以数字化场景、智慧化模拟、精准化决策为路径,在水利一张图基础上构建全国统一的数据底板,升级扩展三维展示、数据融合、分析计算、动态场景等功能,建设完善数字孪生平台、提升信息化基础设施能力,建成大江大河大湖及主要支流、重点流域和重点区域的数字孪生流域,实现与物理流域同步仿真运行、虚实交互、迭代优化,支撑“四预”(预报、预警、预演、预案)功能实现和“2+N”智能应用运行,加快构建智慧水利体系,提升水利决策与管理的科学化、精准化、高效化能力和水平,为新阶段水利高质量发展提供有力支撑和强力驱动。
1.4 建设原则
- 需求牵引,应用至上
- 系统谋划,分步实施
- 统筹推进,协同建设
- 整合资源,集约共享
- 更新迭代,安全可控
2 数字孪生流域框架与组成
2.1 数字孪生流域框架
智慧水利由数字孪生流域、业务应用、网络安全体系、保障体系等组成。
其中,数字孪生流域是智慧水利建设的核心与关键,包括数字孪生平台和信息化基础设施;流域防洪、
水资源管理与调配以及N项业务应用调用数字孪生流域提供的算据、算法、算力等资源。总体框架如图2-1所示。
2.2 数字孪生流域组成
数字孪生流域建设框架如下:
2.2.1 数字孪生平台
数字孪生平台主要由数据底板、模型平台、知识平台等构成。
数字孪生平台各组成部分功能与关联为:
- 数据底板汇聚水利信息网传输的各类数据,经处理后为模型平台和知识平台提供数据服务;
- 模型平台利用数据底板成果,以水利专业模型分析物理流域的要素变化、活动规律和相互关系,通过智能识别模型提升水利感知能力,利用模拟仿真引擎模拟物理流域的运行状态和发展趋势,并将以上结果通过可视化模型动态呈现;
- 知识平台汇集数据底板产生的相关数据、模型平台的分析计算结果,经水利知识引擎处理形成知识图谱服务水利业务应用。
2.2.2 信息化基础设施
信息化基础设施主要由水利感知网、水利信息网、水利云等构成。
信息化基础设施各组成部分功能与关联为:
- 水利感知网负责采集数字孪生流域所需各类数据;
- 通过水利信息网将数据传输至数字孪生平台数据底板;
- 水利云平台负责提供数据计算和存储资源
3 数字孪生平台(Platform of digital twin)
基于水利信息基础设施,利用三维仿真技术,对江河湖泊、水利工程、水利治理管理对象、影响区域等进行数字映射,利用模型平台和知识平台实现智慧模拟、仿真推演,支撑“2 + N”水利业务应用。
3.1 数据底板(Data base)-“数据”支撑
数据底板应在水利一张图基础上升级扩展,完善数据类型、数据范围、数据质量,优化数据融合、分析计算等功能:主要包括数据资源、数据模型和数据引擎等内容。
数据底板的建设目标是在现有数据共享体系的基础上,收集流域范围的水利基础数据、业务管理数据、动态监测数据、地理空间数据以及跨行业共享数据,以数据模型为核心进行数据关联与融合,形成基础数据统一、监测数据汇集、二三维一体化、跨层级、跨业务的数据底板,实现全要素的数字化映射,并与模型平台、知识平台集成,实现业务数据标准化,形成具备持续性更新能力的数据支撑体系。
同时,以流域为单元实现数据资源的一体化管理机制与多层次的数据服务体系,保障“四预”业务的高效运转。
数据特性:
- 多来源(空、天、地)
- 多尺度(多级流域)
- 多维度(时、空)
3.1.1 数据资源
数据采集与整编:对流域范围内分散在各级水利部门、各水利业务领域的数据资源进行调查与梳理,对现有数据进行采集与整编,同时通过共享交换的方式接入其他行业数据,形成数据资源池。
数据资源按类型可分为5类,主要包括基础数据、监测数据、业务管理数据跨行业共享数据、地理空间数据等内容。
- 水利基础数据:包括流域范围内的流域、水系、水库、湖泊、堤防、蓄滞洪区、阻水建筑等数据。
- 动态/实时监测数据:包括流域范围内的雨情、水情、工情、灾情、视频监控、卫星反演等实时监测数据。
- 业务管理数据:包括流域范围内的防洪相关应急预案、水利工程调度规程、水库调度方案、水库汛期调度运用
计划等防汛业务数据,以及水利业务应用运行中产生的数据。 - 跨行业共享数据:包括需从自然资源、气象、规划、统计、住建等部门以接口或离线方式共享的数据。
- 地理空间数据:包括行政区划、地形地貌、土地覆盖、遥感影像、BIM(Building Information Modeling)数据等。
由于地理空间数据能够提供统一的空间基底,是其他数据联接和传递的中枢,《大纲》进一步指出地理空间数据是数据底板建设的重点。地理空间数据主要包括各类GIS和BIM(Building Information Modeling)数据,天然具备三维属性。
按照业务尺度则可分为三类,三级数据底板技术(L1、L2、L3) 是指在数字孪生流域中构建多层次的数据底板。
具体尺度,可分为宏观尺度、中观尺度和微观尺度:
- 宏观尺度:关注整个流域的全局信息,以“水利一张图”为基础,包括矢量地图数据、卫星遥感影像地图和 DEM 高程地图数据等。
- L1级:面向宏观尺度,关注流域全局信息,以“水利一张图”为基础,覆盖流域的中等精度数据,包括“水利一张
图”矢量地形图数据、优于2 m高分卫星遥感影像、优于30 m的DEM(Digital Elevation Model)数据、水文地质分区
等,结合河流水系、水利工程等基础数据,为数字孪生流域数字化场景构建提供全域范围的统一空间数据基础
- 中观尺度:关注重点水利工程所在的某一河段或库区的信息,包括卫星遥感影像图、精细化手工模型数据、倾斜摄影模型数据和高精度 DEM 数据等。
- L2级:面向中观尺度,重点关注某一具体河段、库区内的信息,包括高分辨率优于1 m 遥感影像DOM(Digital
Orthophoto Map)数据,河、湖、水库管理范围矢量,主要河段倾斜摄影数据,优于15 m高精度DEM数据等。
- 微观尺度:关注具体的水利工程和设备层面,如水利物联网设备和水库大坝,通过 GIS、BIM 和物联网技术,实现设备模型的建立和细节展示。
- L3级:面向具体水利工程层面,属于微观尺度,关注某一个水库大坝、库区或蓄滞洪区的信息,基于GIS+BIM+IoT技术,生产制作水闸、水坝、水位站、水文站、潮位站、雨量站、气象站、堤防等设施的三维精细化模型,水利工程满足LOD2.0级别BIM数据、关键机电设备满足LOD3.0级别BIM数据、三维仿真模型数据。
通过构建这样一个多层次的数据底板,可以实现从宏观到微观的全方位数据支撑,为数字孪生流域的建模和仿真提供数据基础。
3.1.2 数据模型
在汇集不同层级数据信息后,需要构建数据模型,以对不同类型的数据进行有效组织,使多维度、动态更新的
数据能与后台可视化模型以及业务计算模型进行挂钩嵌套,使决策者能从虚拟世界中直观感受到外界发生变化,并为模型提供动态变化的计算边界。
数据模型可分为流域信息数据模型、地理信息参考模型以及多维可视化模型。其中,流域信息数据模型可基于知识图谱技术对不同信息进行组织整理;地理信息参考模型则是重点针对复杂得多源地理信息,参考国土领域的地理信息存储方式,建立一套标准化信息解析与存储的方法体系;多维可视化模型则应用物理世界各种空间和时间信息,构建高保真可视的物理模型。各种数据模型构建方式如下:
(1)流域信息数据模型。通过节点(实体模型对象)及节点之间的逻辑关系,构建物理流域实体之间的关联关系、指标关系、空间关系等,从而快速形成数据模型及知识图谱,通过统一的数据模型及知识图谱融通相关数据资源,主要包括物理对象属性数据、物理对象活动运行数据、物理对象之间水力联系和调度关系数据等。
(2)地理信息参考模型。不同来源的地理信息需要有一套标准化的方法体系以达到拼接和共享的目标。地理信
息的标准化涉及地理信息互操作定义、基本数据类型(如时空信息)、建模规则、现实世界现象的语义、元数据、服务等多个方面。
(3)多维可视化模型。水利多维可视化模型是以3D+GIS、BIM、VR/AR/MR等技术为基础支撑,结合流域水工程防灾联合调度的数据特点,定制开发可视化模型的处理、集成、发布与管理工具,可为建立多尺度、多维度可视化模型提供工具支撑。以该工具为基础,可针对联合调度各要素在地理分布规律和发展过程中的时空特征,快速建立可视化模型,为模拟仿真提供实时渲染和可视化呈现,为物理空间提供流域-区域-工程宏微观一体化供多维度、多时空尺度的高保真数字化映射。
数据模型包括水利数据模型和水利网格模型。
- 水利数据模型是面向水利业务应用多目标、多层次复杂需求,构建的完整描述水利对象的空间特征、业务特征、关系特征和时间特征一体化组织的数据模型。
- 水利网格模型是根据行政区划、自然流域、水资源功能区和数值计算等需求构建的网格化管理模型,实现流域防洪水资源管理与调配等水利业务的网格化联动。
3.1.3 数据引擎
数据引擎主要包括数据汇聚、数据治理、数据挖掘、数据服务等内容。
多源异构数据汇聚:主要解决数据源头采集的原始数据到“数据湖”的全量数据层的问题。在进行数据汇聚之前,需要对数据源进行认证,并明确数据源管理原则。
(1)完善数据汇聚渠道。根据数据源的梳理和分析情况,明确流域内数据采集的范围、方式和频次,统一水利数据采集标准;切实打通多级水利部门内部及其与外部相关部门的数据交换通道,构建跨行业的共享交换机制,为数据底板提供充实的数据基础。
(2)确定数据汇聚手段。根据数据实体是否入湖,将入湖方式归纳为物理入湖和虚拟入湖两种。物理入湖是将原始数据复制到数据湖中,包括批量处理、数据复制同步、消息集成和流集成等方式。虚拟入湖是指原始数据不在数据
湖中进行物理存储,通过元数据注册、共享服务接入的方式实现其信息虚拟入湖,满足统一资产目录构建和全域数据检索的需要。
(3)多源异构数据汇聚引擎。数据采集入湖的流程依托数据汇聚引擎来实现,采用基于工作流的汇聚引擎,按照“定义数据源、定义采集方式、配置存储位置、配置调度策略、执行采集任务”的流程进行数据汇聚的过程。
多源多尺度数据融合:对汇聚来的原始数据,按照统一的数据标准及业务应用需求进行多维多尺度数据融合处理,解决多源数据一致性、空间数据一致性、水利基础对象逻辑一致性、数据脱敏等问题。
(1)多源数据一致性处理。原始数据普遍缺乏统一的数据标准,因而汇聚来的多源数据存在不一致的问题。
以水库数据为例,水库相关信息来源包括水利普查数据库、风险普查数据库、“水利一张图”平台、防洪工程库等,由于数据分辨率、时相、格式等标准不一致,存在各种冲突。因而需要通过字段映射、空间叠加、人工核实等方式进行融合处理。
(2)多类型多尺度空间数据融合处理。空间数据存在空间参考不一致、矢量与影像数据无法套合、水利对象的
空间拓扑关系不正确等,需要通过空间数据处理工具进行一致性处理。
空间数据融合还包括地形与BIM模型融合、地形与倾斜摄影数据融合、倾斜摄影与BIM模型融合及数据切片与建立索引等。
(3)空间数据与业务数据融合。在水利基础数据与空间数据进行了一致性处理的基础上,还要考虑空间数据与
业务数据的关联融合,包括统一对象编码和统一接口、属性挂接、拓扑关系建立和空间关系挂接等。
(4)数据脱敏。所有敏感数据须经过专业部门脱敏后才能在系统中使用。数据脱敏具体包括地形数据脱敏、水利工程经纬度脱密处理、人员等基本信息脱敏处理、实时坐标转换处理等步骤。
模型数据标准化:防洪“四预”涉及构建水文模型、水动力模型、智能模型等多种模型,需制定各种模型所需要的各项数据标准,包括水文模型实时运行数据标准、水动力学模型实时运行数据标准、智能模型样本数据标准等,通过接口、数据库、文件、服务等方式,提供水文模型、水动力学模型、智能算法模型的数据需求。
(1)水文模型实时运行数据标准:针对水文模型输入的雨量数据、实时流量数据、实时水位数据,按照模型驱动要求制定统一标准,包括历史数据、实时数据、预报数据标准等。
(2)水动力模型输入数据数据标准:针对水动力学模型实时驱动过程中变边界、变初始条件等情况,模型输入的雨量数据、实时流量数据、实时水位数据、实时工况数据按照模型驱动要求制定统一标准,满足水动力学模型实时驱动要求。
(3)智能化模型输入数据标准:针对深度学习、AI算法等相关智能算法训练和实时驱动计算要求,制定智能算法
实时驱动所需要的各类数据标准,满足智能算法模型实时驱动要求。
数据服务:针对数据底板中发布的各类数据API、空间数据服务等进行全面的管理,实现从服务发布、服务管理、服务目录到服务鉴权的全过程。
3.2 模型平台-“算法”支撑
多维多时空尺度数学模型用于描述流域内各种复杂的水文过程和水资源系统。这些模型需要考虑不同空间尺度(如点、面、体)、时间尺度(如小时、日、年)和维度(如水文、生态、社会经济)等因素,以全面反映流域的动态变化。
按照“标准化、模块化、云服务”的要求,制定模型平台开发、模型调用、共享和接口等技术标准,保障各类模型的通用化封装及模型接口的标准化,以微服务方式提供统调用服务,供各级单位进行调用。
主要包括水利专业模型、智能识别模型、可视化模型和模拟仿真引擎。
3.2.1 水利专业模型(Water conservancy model)
水利专业模型包括机理分析模型(基于物理机理的专业模型)、数理统计模型(基于数据技术的数据驱动模型)、混合模型等三类。
- 机理分析模型是基于水循环自然规律,用数学语言和方法描述物理流域的要素变化、活动规律和相互关系的数学模型;
近年来,气候变化以及人类活动对流域水循环的扰动加剧,使流域水循环及其伴生过程机理发生较大变化,对其扰动机理的认识面临诸多困难与挑战,导致模型精度的提升已面临瓶颈。而随着水利数据爆发性增长以及现代信息技术的革新,基于数据驱动(Data-driven)的模型构建技术逐渐崭露头角。
-
数理统计模型是基于数理统计方法,从海量数据中发现物理流域要素之间的关系并进行分析预测的数学模型;
-
混合模型是将机理分析与数理统计进行相互嵌入、系统融合的数学模型。
3.2.2 智能识别模型
智能识别模型将人工智能与水利特定业务场景相结合实现对水利对象特征的自动识别,进一步提升水利感知能力。
3.2.3 可视化模型
可视化模型包括自然背景、流场动态、水利工程、水利机电设备等,通过对各类模型进行可视化构建,面向具体的业务应用真实展现物理流域中各种水利业务场景。
- 自然背景包括河流、湖泊、侵蚀沟、地下湖、地下河、植被、建筑、道路等;流场动态包括水流、泥沙运动、潮汐、台风等;
- 水利工程包括水库、水闸、堤防、水电站、泵站、灌区、调水、淤地坝等;
- 水利机电设备包括水泵、启闭机、闸门等。
3.2.4 模拟仿真引擎
模拟仿真引擎以数据底板为基础,以虚拟现实(VR,VirtualReality)、增强现实(AR,Augmented Reality)、混合现实(MR,MixedReality)和全息现实(HR,HolographicReality)为支撑,实现数字孪生流域与物理流域同步仿真运行,包括模型管理、场景配置、模拟仿真等功能。
3.3 知识平台-“智能”支撑
知识平台利用知识图谱和机器学习等技术实现对水利对象关联关系和水利规律等知识的抽取、管理和组合应用,为数字孪生流域提供智能内核,支撑正向智能推理和反向溯因分析,主要包括水利知识和水利知识引擎。
其中,水利知识提供描述原理、规律、规则、经验、技能、方法等的信息,水利知识引擎是组织知识、进行推理的技术工具,水利知识经知识引擎组织、推理后形成支撑研判、决策的信息。知识平台应关联到可视化模型和模拟仿真引擎,实现各类知识和推理结果的可视化。
3.3.1 水利知识
水利知识为决策分析提供支撑信息,包括水利对象关联关系、业务规则、历史场景、专家经验和预报调度方案等。
- 水利对象关联关系用于描述物理流域中的江河湖泊、水利工程和水利对象治理管理活动等实体、概念及其关系,是其他水利知识融合的基础,对数据资源进行抽取、对齐、融合等处理,并进行结构化分类和关联,便于水利知识的快速检索和定位。
3.3.2 水利知识引擎
水利知识引擎主要实现水利知识表示、抽取、融合、推理和存储等功能。
- 知识表示利用人机协同的方式构建水利领域基础本体和业务本体,实现陈述性和过程性知识表示;
- 知识抽取采用统计模型和监督学习等方法,结合场景配置需求和数据供给条件,构建实体一关系三元组知识,并抽取各类水利对象实体的属性,对水利领域实体类别及相互关系、领域活动和规律进行全方位描述;
- 知识融合针对多源知识的同一性与异构性,构建实体连接、属性映射、关系映射等融合能力;
- 知识推理通过监督学习、半监督学习、无监督学习和强化学习等算法,构建水利推理性知识;
- 知识存储采用图计算引擎管理和驱动水利知识,实现超大规模数据存储。
4 信息化基础设施
信息化基础设施按照“整合已建、统筹在建、规范新建”原则统筹规划,提升对物理流域状态进行监测和智能感知的能力,加强存储和计算资源的集约化利用,为水利业务应用提供基础支撑环境。
主要包括天空地一体化水利感知网、国家水网智能化改造、常规应急兼备水利通信设施、泛在互联水利业务网、多算力融合水利云、集约高效基础环境等具体任务。
4.1 水利感知网-“感知系统”
天空地一体化水利感知网指利用遥感技术、地理信息系统、物联网等技术构建一个空间、天空和地面一体化的感知系统,从物理流域中获取全面、真实、客观、动态水利数据和信息应,围绕数字孪生流域和“2+N”水利业务应用需求,利用传感、定位、视频、遥感等监测技术,扩大对物理流域的监测范围,补充完善监测要素类型和数据内容。
通过该系统可以获取地表水文、水资源、土壤、气象等多种数据,为数字孪生流域的建模和实时更新提供数据支持。
4.2 水利信息网-“神经系统”
水利通信设施和业务网是智慧水利的“神经系统”,为智慧水利各类数据在主客体中的传递提供传输服务。
水利信息网主要包括:
- 水利业务网
- 水利工控网
4.2.1 水利业务网
水利业务网包括广域网、城域网、部门网,其中广域网包括骨干网、流域省区网、地区网等。应依托现有水利网络资源,充分利用国家电子政务外网,通过租赁专线、自建光纤、网络VPN、卫星通信等多种方式,扩展网络覆盖范围提高网络带宽,实现各单位之间的全面互联,支持日常通信传输和应急通信服务保障。
4.2.2 水利工控网
水利工控网应与水利业务网物理隔离,宜分为实时控制区和过程监控区。
4.3 水利云-“算力支撑”
水利云是智慧水利的算力支撑,提供云端按需扩展和安全可信的大规模联机计算服务。
水利云可采用自建云,共享行业云和政务云等方式,主要包括一级水利云、二级水利云及水利工程管理单位计算存储资源。
4.4 国家水网智能化改造
国家水网智能化改造是围绕国家水网的“纲、目、结”构建智慧化体系,全面实现仿真智能化和调度控制自动化。
5 数字孪生流域工程
七大数字孪生流域工程:
-
数字孪生长江——长江流域全覆盖水监控
-
数字孪生黄河(智慧黄河)——黄河下游防洪工程安全监测
-
数字孪生淮河——淮河重点区域数字孪生及智慧防洪“四预”建设
-
数字孪生海河——海河流域水安全保障能力提升
-
数字孪生珠江———粤港澳大湾区水安全监控
-
数字孪生松辽——松花江数字孪生流域及东北黑土粮食主产区水安全监控
-
数字孪生太湖——长三角一体化数字太湖
“2+N”水利智能业务应用体系
“2+N”水利智能业务应用体系的“2”是指流域防洪、水资源管理与调配,“N”是指水利工程建设和运行管理、河湖长制及河湖管理、水土保持、农村水利水电、节水管理与服务、南水北调工程运行和监管、水行政执法、水利监督、水文管理、水利行政、水利公共服务等。
流域防洪应用
- 洪水防御数字化场景
- 洪水防御应用
- 旱情防御应用
水资源管理与调配应用
- 水资源管理与调配数字化场景
- 水资源管理应用
- 水资源调度应用
- 城市供水安全保障应用
- 用水强度评价应用
N项业务应用
- 水利工程建设和运行管理
- 河湖长制及河湖管理
- 水土保持
- 农村水利水电
- 节水管理与服务
参考
1、《数字孪生流域建设技术大纲(试行)》-水利部
2、论文-J2022-面向防洪“四预”的数字孪生流域数据底板建设-刘业森