數(shù)字孿生水網(wǎng)調(diào)控模型體系構(gòu)建若干思考

Thoughts on the construction of the control model system in digital twin water networks

陳曉楠

（中國南水北調(diào)集團中線有限公司，100038，北京）

摘要：國家水網(wǎng)以智慧調(diào)控為手段，調(diào)控模型是數(shù)字孿生水網(wǎng)模型平臺的核心組成。錯綜復雜的水網(wǎng)是典型大系統(tǒng)，水網(wǎng)調(diào)控具有多層次、多尺度、多水源、多用戶、多目標、多場景等特點，存在眾多難點和挑戰(zhàn)。針對水網(wǎng)調(diào)控的重點和難點，提出了模型體系構(gòu)建思路：在分析水網(wǎng)布局結(jié)構(gòu)和管理所屬基礎上，構(gòu)建網(wǎng)絡組成對象數(shù)據(jù)庫和拓撲結(jié)構(gòu)圖，明晰各網(wǎng)絡并列、串聯(lián)、包含關系以及各對象的基礎信息和相互關系，并實現(xiàn)數(shù)據(jù)庫與拓撲圖的動態(tài)映射；空間上，基于大系統(tǒng)分解協(xié)調(diào)原理分層分區(qū)進行分析計算；時間上，按照預測、調(diào)控、修正的思路實施不同時間尺度下的滾動決策；強化預演功能，采取機理和數(shù)據(jù)雙驅(qū)動模式進行仿真模擬，通過自主學習不斷完善模型參數(shù)或優(yōu)化模型結(jié)構(gòu)；分析調(diào)控模型體系中各類專業(yè)模型的關系和作用，構(gòu)建基于多指標的調(diào)控方案綜合評估模型，借鑒現(xiàn)代智能優(yōu)化算法策略，模擬生成可行方案集，并通過演化迭代實現(xiàn)優(yōu)化調(diào)控。

關鍵詞：國家水網(wǎng)；數(shù)字孿生水網(wǎng)；智慧調(diào)控；大系統(tǒng)分解協(xié)調(diào)；滾動決策

作者簡介：陳曉楠，正高級工程師。

基金項目：國家自然科學基金項目（U20A20316）；水利青年科技英才資助項目（JHYC202207）。

DOI：10.3969/j.issn.1000-1123.2025.03.002

黨的二十大作出以中國式現(xiàn)代化全面推進中華民族偉大復興戰(zhàn)略部署，明確要求構(gòu)建現(xiàn)代化基礎設施體系。國家水網(wǎng)是以自然河湖為基礎、引調(diào)排水工程為通道、調(diào)蓄工程為結(jié)點、智慧調(diào)控為手段，集水資源優(yōu)化配置、流域防洪減災、水生態(tài)系統(tǒng)保護等功能于一體的綜合體系。國家水網(wǎng)作為國家基礎設施體系的重要組成，是統(tǒng)籌解決水災害、水資源、水生態(tài)、水環(huán)境問題的關鍵舉措。目前，我國大部分水利基礎設施仍然智能化水平較低、信息化共享程度不高、精細化調(diào)度不足，亟須利用數(shù)字孿生等新一代信息技術(shù)與物理水網(wǎng)相結(jié)合，構(gòu)建新型水利基礎設施。中共中央、國務院印發(fā)的《國家水網(wǎng)建設規(guī)劃綱要》明確要求加快智慧發(fā)展，以自然地理、干支流水系、水利工程、經(jīng)濟社會信息為主要內(nèi)容，建設數(shù)字孿生水網(wǎng)。

數(shù)字孿生水網(wǎng)以物理水網(wǎng)為單元、時空數(shù)據(jù)為底座、數(shù)學模型為核心、水利知識為驅(qū)動，對物理水網(wǎng)全要素和建設運行全過程進行數(shù)字映射、智能模擬、前瞻預演，與物理水網(wǎng)同步仿真運行、虛實交互、迭代優(yōu)化，通過新型基礎設施實現(xiàn)對物理水網(wǎng)的實時監(jiān)控、聯(lián)合調(diào)度、風險防范。數(shù)字孿生水網(wǎng)總體框架包括信息化基礎設施、數(shù)字孿生平臺、典型業(yè)務應用等方面。而其數(shù)字孿生平臺由數(shù)據(jù)底板、模型平臺、知識平臺等組成，各類模型尤其是水網(wǎng)專業(yè)模型是數(shù)字孿生平臺的核心組成。大量各類水網(wǎng)專業(yè)模型構(gòu)成了整個調(diào)控模型體系的重要部分，通過協(xié)同作用實現(xiàn)水網(wǎng)聯(lián)合調(diào)控目標。本質(zhì)上，水治理的目的是“要讓水在適當?shù)臅r候按照適當?shù)乃亢瓦m當?shù)乃|(zhì)流至適當?shù)牡胤健?，即對水進行科學調(diào)控。因此，構(gòu)建功能強大、靈活實用、精確精準的水網(wǎng)調(diào)控模型體系至關重要。目前專門針對水網(wǎng)調(diào)控的研究較少，但在水庫、灌區(qū)優(yōu)化調(diào)度或者水庫群多目標聯(lián)合調(diào)控等方面已有豐富成果。例如，根據(jù)灌區(qū)分區(qū)特性、作物種類，以及作物生育階段水分敏感程度等，采用動態(tài)規(guī)劃等優(yōu)化方法研究灌區(qū)水資源優(yōu)化配置，分區(qū)、分作物、分生育階段優(yōu)化灌溉；根據(jù)水庫來水預測、水庫功能作用、河道洪水演進等，利用預報、優(yōu)化、評價等方法，對水庫群進行多目標優(yōu)化調(diào)度研究。這些研究成果可為水網(wǎng)調(diào)控模型構(gòu)建提供有益借鑒，但由于水網(wǎng)的復雜性，水網(wǎng)調(diào)控模型體系構(gòu)建需專門深入研究。

數(shù)字孿生水網(wǎng)建設涉及多學科交叉和新技術(shù)融合，構(gòu)建水網(wǎng)調(diào)控模型體系是實現(xiàn)水資源優(yōu)化配置、防洪減災、生態(tài)保護等多目標的核心。本文針對水網(wǎng)調(diào)控模型體系構(gòu)建中存在的重點和難點，結(jié)合現(xiàn)代人工智能技術(shù)手段，重點圍繞構(gòu)建調(diào)控模型的方式、方法進行思考，提出模型構(gòu)建思路，以期為數(shù)字孿生水網(wǎng)建設提供參考。

水網(wǎng)調(diào)控模型構(gòu)建難點分析

水網(wǎng)屬典型大系統(tǒng)，拓撲關系錯綜，涉水對象繁雜，調(diào)控目標多樣，運行工況復雜，水網(wǎng)調(diào)控具有多層次、多尺度、多水源、多用戶、多目標、多場景等特點，調(diào)控模型構(gòu)建存在眾多難點。

1.各級水網(wǎng)的結(jié)構(gòu)關系錯綜復雜

某級水網(wǎng)往往由多個子網(wǎng)組成，且子網(wǎng)間可能為串聯(lián)關系、并聯(lián)關系，子網(wǎng)與上級網(wǎng)絡可能為包含關系。各網(wǎng)絡間的接口，以及網(wǎng)絡間大量輸入、輸出信息的相互關系和具體內(nèi)容，均需要辨析明確；網(wǎng)絡包含對象眾多，需逐一明晰對象的空間位置、相互聯(lián)系，例如調(diào)蓄水量的水庫，輸送水體的渠道、河道，以及用水單元等，需概化為點、線等形式來形成反映物理拓撲結(jié)構(gòu)的網(wǎng)絡圖，以直觀反映結(jié)構(gòu)關系；河道、工程等的運行管理關系復雜，可能涉及水庫調(diào)度運行管理、河道管理、引調(diào)排水工程運行管理、用水戶分水管理，以及生態(tài)環(huán)保監(jiān)督管理等，存在多個利益主體，調(diào)控中需要大量的協(xié)調(diào)與合作，在物理網(wǎng)絡基礎上需從運行角度理清相關管理信息；水網(wǎng)調(diào)控涉及眾多目標，需系統(tǒng)梳理明晰網(wǎng)絡中各對象的要求或需求，如防洪要求、生態(tài)要求、水質(zhì)要求、用水需求、發(fā)電需求、航運需求等。

2.水網(wǎng)時空調(diào)控計算難度大

水網(wǎng)調(diào)控計算往往涉及對象多、目標多、約束多，范圍廣、時間長，水網(wǎng)中各河段、水庫等工程的水力聯(lián)系緊密，模型的構(gòu)建和求解方面仍存在不少難點。在空間上，水網(wǎng)中各條水道縱橫交織、結(jié)點密布，在眾多自然河湖組成的水系基礎上，又包含大量水庫、渠道、隧洞、管道、泵站等水利工程，各個調(diào)控結(jié)點有自身的控制規(guī)則和調(diào)控目標，需要整體統(tǒng)籌調(diào)控計算。調(diào)控模型體系組成涉及專業(yè)面廣，包括降水分析、產(chǎn)流匯流、洪水演進、調(diào)洪演算，以及生活、生產(chǎn)、生態(tài)、灌溉用水分析等多個方面，要實現(xiàn)將適量水配置在適地的目標，需要進行水資源配置和水力調(diào)控等復雜建模和計算。在時間上，降水的時間分配不均，且來水和用水過程往往不匹配，易出現(xiàn)旱澇災害，需要將水在時間上進行調(diào)配，而較長時間尺度下的調(diào)控計算很大程度依賴于對未來情勢的預測，由于降水、徑流、洪水等存在很大的不確定性，目前中長期預報的精度還需提升，在時間維度上的調(diào)控決策模型也需要進一步研究完善。

3.仿真預演技術(shù)尚需進一步提升

強化數(shù)字孿生水網(wǎng)“四預”（預報、預警、預演、預案）功能，預演是關鍵。強大的仿真模型是精準模擬水網(wǎng)復雜運行場景、對水網(wǎng)實施科學調(diào)控的重要支撐手段。由于水網(wǎng)的復雜性，對水網(wǎng)進行大尺度時空模擬仿真計算存在很多困難，水量調(diào)度效果、水力調(diào)控結(jié)果的預演精度和效率均需要進一步提升。在預演模型構(gòu)建方面，無論是傳統(tǒng)的機理模型還是基于數(shù)據(jù)挖掘的智能算法，都有各自短板。例如，在水動力學模擬方面，傳統(tǒng)水力學利用圣維南方程組、達西定律、謝才公式等對恒定和非恒定流進行計算，在設計和運行中得到廣泛應用。但由于機理的復雜性，以及實際情況與理想條件的差異，基于機理構(gòu)建的水力模型一般經(jīng)過了邊界條件的簡化，并采用了經(jīng)驗系數(shù)，隨著時空尺度的增大，計算誤差也累計增大，導致模擬效果不理想。隨著現(xiàn)代智能技術(shù)發(fā)展，各類數(shù)據(jù)挖掘方法在各領域得到廣泛應用，但純數(shù)據(jù)驅(qū)動完全拋棄機理，存在泛化能力弱等問題，特別當數(shù)據(jù)代表性不充分時往往擬合效果不佳。實際應用場景的復雜性和運行邊界條件的多變性對預演模型的靈活性提出了高要求，模型需要適應水網(wǎng)中對象數(shù)量的變更、調(diào)控目標的改變、工程運行規(guī)則的優(yōu)化等多種可能出現(xiàn)的邊界條件而變化。模型還需要具備較強的自學習能力，能夠根據(jù)不斷積累的歷史數(shù)據(jù)自適應完善模型自身或優(yōu)化模型參數(shù)，提升模擬仿真的有效性。

4.水網(wǎng)優(yōu)化調(diào)控計算對算法、算力要求高

水網(wǎng)優(yōu)化調(diào)控模型的構(gòu)建中，由于涉及大量調(diào)控目標和眾多約束條件，基于簡單的約束條件結(jié)合單一組合目標函數(shù)的傳統(tǒng)方法難以有效刻畫和解決如此復雜的多目標協(xié)調(diào)問題，需要構(gòu)建全面的綜合評價體系，建立各層級評價指標體系，確定因子權(quán)重，并通過綜合評判方法實現(xiàn)對各非劣解的評估。此外，由于水網(wǎng)包含對象繁多，優(yōu)化計算量巨大。例如，我國的河流大多采取梯級開發(fā)，水庫以串聯(lián)、并聯(lián)、混聯(lián)等方式構(gòu)成了復雜的水庫群，在水庫群調(diào)控計算中，隨著水庫群優(yōu)化調(diào)度規(guī)模的增加和調(diào)度時間步長的精細化，此類問題的決策變量維度逐漸增加到數(shù)百數(shù)千維，現(xiàn)有的約束處理策略配合傳統(tǒng)優(yōu)化算法在求解水庫群聯(lián)合調(diào)度高維優(yōu)化問題時，常出現(xiàn)收斂精度、穩(wěn)定性無法保障和易陷入局部最優(yōu)等問題，且易發(fā)生“維數(shù)災難”，除了不斷強化提升算力外，還需要不斷改進優(yōu)化調(diào)控方法。

水網(wǎng)組成對象庫及拓撲結(jié)構(gòu)圖

水網(wǎng)以自然河湖為基礎、引調(diào)排工程為通道、調(diào)蓄工程為節(jié)點，結(jié)構(gòu)一般錯綜復雜，包含對象數(shù)量大、類型多，對象之間關聯(lián)密切，且實際運行中網(wǎng)絡的情況（如對象數(shù)量、運用方式等）也時有改變。因此，需要在全面分析水網(wǎng)特征基礎上，構(gòu)建網(wǎng)絡組成對象庫，能夠靈活地根據(jù)實際動態(tài)調(diào)整，并可自動映射形成拓撲結(jié)構(gòu)圖，直觀展示水網(wǎng)邏輯結(jié)構(gòu)和基本信息，便于調(diào)控模型的構(gòu)建。網(wǎng)絡的分布結(jié)構(gòu)和包含對象的信息是實施水網(wǎng)調(diào)控計算的基礎，構(gòu)建調(diào)控模型前，需要首先理清水網(wǎng)所包含的所有對象及其關系，包括自然水系和水利工程等。此外，調(diào)控的順利實施離不開有效的運行管理，需梳理明晰河流、湖泊、輸水工程、水庫、泵站等各網(wǎng)絡組成對象的管理所屬?；趯ο蟮幕A信息，建立完備、靈活的數(shù)據(jù)庫體系，根據(jù)實際變化進行動態(tài)維護，增加、刪減、調(diào)整網(wǎng)絡對象和相關信息，并實現(xiàn)數(shù)據(jù)庫與拓撲圖的自動映射，為后續(xù)復雜的調(diào)控建模和計算提供基礎支撐。

1.構(gòu)建水網(wǎng)組成對象數(shù)據(jù)庫

構(gòu)建水網(wǎng)組成對象數(shù)據(jù)庫，根據(jù)所研究水網(wǎng)的自然水系、水利工程的組成元素和分布特點，將整個網(wǎng)絡分解為大量的節(jié)點類和鏈路類對象。節(jié)點類對象表示網(wǎng)絡中連接線路的關鍵點，例如具有調(diào)蓄功能的水庫、湖泊，具有控制水流作用的泵站、閘站，以及水流的分叉點等。鏈路類對象是兩相鄰節(jié)點的連接部分，例如河段或渠段等。針對每個網(wǎng)絡組成對象，分類、分層構(gòu)建信息庫，包括對象的基礎技術(shù)參數(shù)，如工程參數(shù)、河流水系特征值等，也包括相關管理信息，如運行管理單位、水務部門等，還包括附加信息，如對象的位置信息、與相鄰對象的上下游邏輯關系、子網(wǎng)層級設定、對象自身運用規(guī)則等?？傊?，利用數(shù)據(jù)庫技術(shù)將網(wǎng)絡分布結(jié)構(gòu)數(shù)據(jù)、對象特征參數(shù)、運行管理信息等存儲形成各類關聯(lián)的數(shù)據(jù)表，為計算提供數(shù)據(jù)基礎。

2.動態(tài)映射網(wǎng)絡拓撲結(jié)構(gòu)圖

通過對數(shù)據(jù)庫的管理，實現(xiàn)對網(wǎng)絡中各個對象的管理，包括增加、刪除、調(diào)整等操作，以適應實際中網(wǎng)絡對象變化的需要。例如，若需要在原有河段增設一座泵站，則將原河段對象拆分為兩個河段對象，并增加泵站節(jié)點，補充和調(diào)整相關信息；若某水庫庫容曲線重新復核，則可以更新該水庫節(jié)點的水位與庫容關系；若某分水口不再使用，則可將該對象及其下游各對象從庫中刪除。根據(jù)需要分層建立各類庫表，通過關鍵字段將其關聯(lián)，對信息量較大的要單獨構(gòu)建多個明細表，由上級數(shù)據(jù)表相關字段指向?qū)骷毐?。總之，通過建立層次分明、邏輯清晰、內(nèi)容完備的網(wǎng)絡組成對象數(shù)據(jù)庫，方便靈活適應實際中的調(diào)整需求。此外將節(jié)點類對象按特性用不同節(jié)點符號表示，例如水庫、泵站、閘站、分叉處等用自定義符號進行表征；鏈路類對象用線段表示，可根據(jù)需要使用不同的線形、色彩進行區(qū)別，例如用虛線表示暗涵、實線表示渠道，河道與渠道用不同顏色線段區(qū)分等。根據(jù)對象展示的設定規(guī)則，實現(xiàn)網(wǎng)絡結(jié)構(gòu)的概化顯示，基于對象的位置信息和邏輯關系，可通過數(shù)據(jù)庫自動映射產(chǎn)生對應的拓撲圖，直觀展示網(wǎng)絡分布結(jié)構(gòu)，并可根據(jù)實際情況變化調(diào)整數(shù)據(jù)庫信息，相應動態(tài)更新拓撲圖。

水網(wǎng)時空調(diào)控基本策略

水網(wǎng)結(jié)構(gòu)復雜，組成對象繁多，較大時空尺度下的調(diào)控計算面臨著建模關聯(lián)多、計算維數(shù)高、預測精度低、誤差累計大等問題。因此，在強化提升算力的同時，還需優(yōu)化水網(wǎng)調(diào)控計算策略，可按照“化繁為簡”“化整為零”的思想，結(jié)合大系統(tǒng)分解協(xié)調(diào)原理和動態(tài)決策思想，對水網(wǎng)調(diào)控在時空上進行分解。空間上，可基于大系統(tǒng)分解協(xié)調(diào)原理，按分層次、分區(qū)域的原則，將網(wǎng)絡劃分為若干小的子網(wǎng)，根據(jù)需要還可將子網(wǎng)進一步細化為更小的網(wǎng)絡單元。時間上，可基于滾動決策思想，針對來水和用水的不確定性，耦合短尺度預測結(jié)果實施未來較長時間尺度下的預測預報，并根據(jù)監(jiān)測數(shù)據(jù)進行實時水力調(diào)控等，在過程中隨著實測數(shù)據(jù)的積累不斷修正預測結(jié)果，動態(tài)更新調(diào)控方案。通過在時空尺度上的分解對水網(wǎng)進行調(diào)控，簡化計算對象，修正預測偏差，動態(tài)優(yōu)化決策，過程中將各個子系統(tǒng)的計算結(jié)果耦合，實現(xiàn)水網(wǎng)整體的時空調(diào)控分析計算。

1.基于大系統(tǒng)分解協(xié)調(diào)的空間調(diào)控

大系統(tǒng)往往具有高維數(shù)、多目標、關聯(lián)性、分散性、復雜性等特點，進行整體分析和集中計算的困難很大。分解協(xié)調(diào)技術(shù)是應對大系統(tǒng)的有效途徑，通過將大系統(tǒng)分解成若干相對獨立的子系統(tǒng)，將大系統(tǒng)的復雜建模和求解問題轉(zhuǎn)化為規(guī)模相對較小的多個子系統(tǒng)進行處理，使得被研究的大系統(tǒng)降階、降維，以便計算處理。當大系統(tǒng)被分解為若干子系統(tǒng)后，形成多層遞階結(jié)構(gòu)，逐一對各個子系統(tǒng)分析計算，再通過建立關聯(lián)模型，綜合考慮各個子系統(tǒng)的聯(lián)系，在總體目標和約束下組成大系統(tǒng)的整體模型，即分解協(xié)調(diào)法。分解與協(xié)調(diào)的思路是處理大系統(tǒng)問題的有效方法，常構(gòu)建上級“協(xié)調(diào)器”和下級多個“局域控制子系統(tǒng)”的模式，通過協(xié)調(diào)控制各子系統(tǒng)實現(xiàn)大系統(tǒng)的整體最優(yōu)化。水網(wǎng)系統(tǒng)是復雜的大系統(tǒng)，組成對象數(shù)量和種類多，調(diào)控目標和約束條件多，對象相互之間關聯(lián)復雜。利用大系統(tǒng)的思想，綜合考慮各網(wǎng)絡的物理結(jié)構(gòu)和其管理所屬等因素，將網(wǎng)絡分解為若干子網(wǎng)，各子網(wǎng)間可能存在串聯(lián)關系、并聯(lián)關系，甚至更復雜的包含關系。針對各個子網(wǎng)，在防洪、供水、生態(tài)、發(fā)電等各個目標和多種工程運用約束條件下進行調(diào)控計算，優(yōu)化局域控制子網(wǎng)的計算結(jié)果。通過分析各子網(wǎng)關聯(lián)關系，逐層協(xié)調(diào)，以滿足各種約束下的整體綜合效益最大為目標，耦合子系統(tǒng)調(diào)控結(jié)果，實現(xiàn)整體水網(wǎng)的優(yōu)化調(diào)控分析計算。

水網(wǎng)大系統(tǒng)分解協(xié)調(diào)示意

2.基于動態(tài)決策的時間調(diào)控

變化是常態(tài)，必須接受變化和適應變化。具有復雜性的大系統(tǒng)往往處于隨機、動態(tài)、多變的約束下，對其的調(diào)控存在大量的不確定性，且涉及的因素眾多，是復雜的決策問題。在調(diào)控決策過程中，需要對各種因子進行不同時間尺度的預測預報，而由于決策因子的隨機性和波動性，較長時間尺度的預測精度很難滿足實際需求，根據(jù)預測預報制定的大時間尺度下的決策方案與實際情況會有較大偏差。因此，預報和其對應的調(diào)控均應是一個不斷反饋和修正的過程，根據(jù)當前面臨時段的實際情況，滾動預測未來形勢，并據(jù)實更新調(diào)控決策，以適應變化。對應滾動修正機制，還應建立不同時間尺度調(diào)控決策互饋機制，針對長期、中期、短期調(diào)控方案實施動態(tài)調(diào)整，并在多時間尺度下滾動嵌套、聯(lián)動互饋，發(fā)揮各自作用。在長期、中期、短期的調(diào)控計劃基礎上，根據(jù)實時監(jiān)測數(shù)據(jù)進行實時調(diào)度，并根據(jù)已發(fā)生的歷史調(diào)度結(jié)果，逐級反饋修正短期、中期和長期調(diào)控的邊界條件，若已實施和計劃存在偏差則調(diào)整余期的調(diào)控計劃，再次進行不同時間尺度的調(diào)控計算，動態(tài)修正生成新的調(diào)控方案。

在水網(wǎng)調(diào)控中，以水資源管理與配置為例，一般需要對來水進行動態(tài)預測，預測未來多時間尺度下（如年、月、旬、日等）的水資源情況，并根據(jù)實測數(shù)據(jù)的積累，動態(tài)調(diào)整預測結(jié)果。同時，對用水進行動態(tài)分析，根據(jù)氣象條件、人口變化、用水結(jié)構(gòu)等因素，滾動預測不斷修正需求分析。結(jié)合來水、用水供需分析，以及輸水能力等因素，實施水資源動態(tài)調(diào)配，進行滾動調(diào)控決策。

在防洪調(diào)度方面，基于動態(tài)決策思想滾動預報洪水過程情況，實施動態(tài)防洪調(diào)控。如針對不同時期，利用不同設施和水文、水動力模型，構(gòu)筑雨水情監(jiān)測預報“三道防線”，對云中雨、落地雨、河道徑流的雨水情進行實時監(jiān)測和預報預警，實施科學調(diào)控措施。在水網(wǎng)調(diào)控過程中，基于滾動預測進行水量動態(tài)調(diào)控決策時，還應充分考慮輸水通道和調(diào)蓄能力等因素，實現(xiàn)水力調(diào)控目標。對具備條件的調(diào)水工程，如南水北調(diào)中線工程，以各時期水量調(diào)度計劃（供水計劃）為邊界條件，實施根據(jù)水情、工情的自動化實時水力調(diào)控。

機理與數(shù)據(jù)雙驅(qū)動的預演仿真

預演是數(shù)字孿生水利體系“四預”功能中的關鍵核心。鑒于水網(wǎng)的復雜性，在現(xiàn)代水網(wǎng)綜合調(diào)控方面，傳統(tǒng)的非線性優(yōu)化計算方法很難取得滿意的效果，需要通過預演仿真方式，對生成的典型調(diào)控方案結(jié)果和效果進行精準精確模擬，支撐作出科學決策。預演仿真功能在水網(wǎng)調(diào)控模型構(gòu)建中十分重要，在應對大尺度水網(wǎng)調(diào)控問題上，先通過前述的大系統(tǒng)分解協(xié)調(diào)和滾動決策思路，降低尺度，簡化問題，對分解后的子網(wǎng)調(diào)控進行模擬仿真后，經(jīng)統(tǒng)籌協(xié)調(diào)形成整體網(wǎng)絡調(diào)控決策結(jié)果。目前，基于傳統(tǒng)機理模型模擬的結(jié)果往往精度不理想，尤其是在較大的時空尺度下易出現(xiàn)誤差積累導致計算結(jié)果失真等。物理水網(wǎng)本身就是1:1原型，應充分利用好長期積累的原型實測數(shù)據(jù)來支持模型構(gòu)建。另外，受到實際運行條件等因素限制，實際中的數(shù)據(jù)質(zhì)量、代表性、完備性等都存在一定問題，完全基于數(shù)據(jù)驅(qū)動構(gòu)建模擬模型也存在泛化能力弱等不足。因此，應結(jié)合機理分析和數(shù)據(jù)挖掘方法的各自優(yōu)勢，考慮基于機理和數(shù)據(jù)雙驅(qū)動進行預演模型的構(gòu)建。此外，預演模型還需具備自學習能力和靈活性，能自動適應現(xiàn)實中邊界條件的改變，也能夠隨著歷史數(shù)據(jù)的積累，自主學習完善自身模型結(jié)構(gòu)或優(yōu)化參數(shù)，不斷提升模型的模擬精度和適用廣度，使模型具有生命力。

1.實現(xiàn)預演仿真功能

機理分析模型與數(shù)據(jù)挖掘模型各有優(yōu)缺點。機理分析模型一般基于物理定律構(gòu)建微分方程，能夠保障計算結(jié)果符合機理規(guī)律，但由于實際應用中的復雜性，通常會對模型進行簡化，各類模型參數(shù)通過經(jīng)驗給出，若沒有基于實測數(shù)據(jù)的修正，在較大時空尺度下的模擬效果常常不理想。數(shù)據(jù)挖掘模型基于數(shù)據(jù)驅(qū)動，可利用歷史數(shù)據(jù)構(gòu)建精度較高的非線性回歸關系，但實踐中由于數(shù)據(jù)數(shù)量、質(zhì)量、完備性等原因，很難獲得涵蓋范圍廣泛、每個局部都有充分數(shù)據(jù)代表的樣本集，數(shù)據(jù)驅(qū)動得到的模型在訓練集范圍附近擬合效果佳，但泛化能力較弱，外延預測結(jié)果較差。由于完全依賴數(shù)據(jù)，計算結(jié)果甚至可能出現(xiàn)不符合物理機理的情況。

機理和數(shù)據(jù)不應割裂考慮，機理分析模型通過實測數(shù)據(jù)進行參數(shù)反演和率定，而在構(gòu)建數(shù)據(jù)挖掘模型時一般也需要通過機理分析選擇合適的輸入、輸出因子。應結(jié)合機理分析和數(shù)據(jù)挖掘優(yōu)勢，建立機理和數(shù)據(jù)雙驅(qū)動的預演模型。主要有以下構(gòu)建策略：

一是對相對簡單問題的建模，可使用機理分析模型較好地刻畫時，優(yōu)先利用機理分析。也就是通過機理能較精準計算的，不必通過積累大量數(shù)據(jù)挖掘相關關系。

二是根據(jù)可獲取的實測數(shù)據(jù)分布范圍確定合適的建模方式，分別構(gòu)建模型?！扒蓩D難為無米之炊”，可對實測數(shù)據(jù)較完備的數(shù)據(jù)區(qū)間選擇數(shù)據(jù)挖掘方式，根據(jù)數(shù)據(jù)分布情況針對性地分別構(gòu)建模型，而對數(shù)據(jù)量較少甚至無實測數(shù)據(jù)支撐的區(qū)間暫使用機理分析模型，隨著數(shù)據(jù)積累豐富再優(yōu)化構(gòu)建方式。如在南水北調(diào)中線過閘流量分析計算中，根據(jù)歷史數(shù)據(jù)分布情況實施自動聚類，并按分組分別自主構(gòu)建過閘流量關系模型，較好地提升了計算精度。

三是對于建模相對復雜，且訓練數(shù)據(jù)覆蓋范圍也有限的情況，可利用數(shù)據(jù)挖掘方法建立輸入因子與機理模型關鍵參數(shù)的數(shù)據(jù)驅(qū)動模型，再利用這些關鍵參數(shù)通過機理模型計算最終的輸出結(jié)果。筆者曾構(gòu)建基于信息擴散的徑向基神經(jīng)網(wǎng)絡來回歸計算過閘流量公式中的綜合過閘流量系數(shù)，再利用傳統(tǒng)水力學公式計算得到過閘流量，取得較好的效果。

2.強化自學習功能

預演仿真計算結(jié)果總會與實際存在一定偏差，尤其在較大時空尺度條件下容易出現(xiàn)誤差積累，導致模擬結(jié)果偏差大。因此，模型需要強化基于自主學習完善自身的功能，根據(jù)實測數(shù)據(jù)的積累和不斷豐富，利用日漸完善的感知體系，自動利用監(jiān)測數(shù)據(jù)優(yōu)化訓練集，不斷更新模型，提升模型的模擬精度，這樣的預演模型才具有“生命力”。由于實際中邊界條件的改變時有發(fā)生，模型的構(gòu)建應具備靈活性，與前述的水網(wǎng)對象數(shù)據(jù)庫和拓撲圖的構(gòu)建相結(jié)合，當條件發(fā)生變化，通過數(shù)據(jù)的更新反饋給計算模型，而模型程序的研發(fā)則需要具備接受動態(tài)參數(shù)組的功能，例如以動態(tài)數(shù)組等方式作為程序函數(shù)的形式參數(shù)，基于變化的條件自動修正，相比人工率定后再通過源代碼修改參數(shù)的傳統(tǒng)方式更加便利。

根據(jù)模型構(gòu)建的模式，修正方式一般可分為兩種：一是對于機理和數(shù)據(jù)相融合的模型，可利用實測數(shù)據(jù)自動修正模型參數(shù)；二是對于具備單純利用實測數(shù)據(jù)可較好構(gòu)建的數(shù)據(jù)驅(qū)動模型，自動修正整個模型的結(jié)構(gòu)，例如通過神經(jīng)網(wǎng)絡、隨機森林、支持向量機等構(gòu)建的模型。無論采取何種方式，數(shù)據(jù)是修正的基礎，實際中數(shù)據(jù)的質(zhì)量、數(shù)量、代表性等均對完善模型有較大影響，需要結(jié)合實際綜合運用相關數(shù)據(jù)處理方法以南水北調(diào)中線工程過閘流量模擬計算為例，雖運行多年來積累了大量實時水情數(shù)據(jù)，但受控制模式和用水需求等因素影響，監(jiān)測數(shù)據(jù)值多集中于少量局部范圍，缺少覆蓋大范圍的代表性數(shù)據(jù)。筆者通過雙調(diào)和樣條插值法，充分利用現(xiàn)有實測數(shù)據(jù)的位置信息，對實測水情數(shù)據(jù)進行插值，再利用量綱分析進行計算，提升了計算精度。由于實際運行工況復雜，僅修正參數(shù)有時難以適應各種場景下的預演模擬，需要對模型計算輸出值或向量與實測數(shù)據(jù)進行專門模型訓練，形成對應的修正關系。對于輸入數(shù)據(jù)不易精準獲取的情況，例如汛期降水進入明渠等情況，也可考慮利用實測數(shù)據(jù)調(diào)整修正輸入過程。

水網(wǎng)多目標優(yōu)化調(diào)控

水網(wǎng)調(diào)控涉及目標眾多，需要統(tǒng)籌考慮調(diào)控的各種功能作用，在滿足相關約束條件的前提下，實施多目標決策，優(yōu)選調(diào)控方案。針對多目標調(diào)控，分別構(gòu)建水文水資源模型、水動力學模型、水質(zhì)水生態(tài)模型等各類專業(yè)模型，并將其相互配合，形成調(diào)控專業(yè)模型體系，支撐水網(wǎng)調(diào)控預演仿真功能，模擬不同調(diào)控措施的結(jié)果。一般對于相對簡單的優(yōu)化問題，可通過建立目標函數(shù)進行求解計算，但由于水網(wǎng)調(diào)控目標繁多、關聯(lián)復雜，很難僅利用簡單的函數(shù)進行描述，因此需構(gòu)建多目標綜合評價模型，采用“黑箱”方式對任意可行的調(diào)控方案進行量化的優(yōu)劣評估，主要包括建立評價指標體系、確定評價指標權(quán)重、選擇綜合評價方法等環(huán)節(jié)。基于各類約束條件，生成可行調(diào)控方案，利用各專業(yè)模型進行結(jié)果模擬，通過評價模型評估方案效果對比優(yōu)劣，再基于現(xiàn)代智能優(yōu)化方法的思想，按照某種進化策略對方案進行迭代優(yōu)化，最終尋找出滿意的調(diào)控方案。

1.水網(wǎng)多目標調(diào)控模型構(gòu)建

水網(wǎng)集水資源優(yōu)化配置、流域防洪減災、水生態(tài)系統(tǒng)保護等功能于一體，水網(wǎng)調(diào)控需綜合考慮防洪、供水、灌溉、發(fā)電、生態(tài)、航運等具體功能，涉及各類專業(yè)模型，主要包括：水文水資源模型，如降雨預報、氣溫預報、冰情預報、咸情預報、產(chǎn)匯流計算、徑流預測、供水需水分析等；水動力學模型，如洪水演進、輸水河渠水力分析、泥沙動力分析、冰水動力分析、有壓管道瞬變流計算等；水質(zhì)水生態(tài)模型，如水質(zhì)預測、水污染溯源分析、水生態(tài)預測、生態(tài)需水分析等。各類專業(yè)模型共同作用實現(xiàn)不同調(diào)控方案、各類調(diào)控目標下的預演功能，形成了水網(wǎng)調(diào)控專業(yè)模型體系。利用各類專業(yè)模型，針對各種目標，通過用水需求分析、水量調(diào)配分析、水力調(diào)控分析，從來水、用水、輸水等角度進行模擬仿真，計算分析不同調(diào)控方案的結(jié)果。

由于水網(wǎng)多目標調(diào)控的復雜性，還需構(gòu)建多因素綜合評價體系，根據(jù)調(diào)控方案的計算結(jié)果，對調(diào)控效果和影響進行綜合量化評價，可分三個主要環(huán)節(jié)：一是構(gòu)建評價指標體系，綜合考慮各類目標，分層級選擇各評價指標，結(jié)合專業(yè)知識，分別量化確定單指標對應的各評價等級的取值區(qū)間；二是確定評價指標權(quán)重，利用主觀權(quán)重法、客觀權(quán)重法，或者兩者相結(jié)合的方式，對各層級各評價指標進行權(quán)重確定，如利用層次分析法實現(xiàn)權(quán)重主觀確定，利用熵權(quán)法進行客觀權(quán)重賦值，利用兩種方法加權(quán)合成主客觀權(quán)重等；三是選擇綜合評價方法，根據(jù)構(gòu)建的評價指標體系及調(diào)控方案模擬計算得到的指標值，利用綜合評價方法對方案的相對優(yōu)劣進行量化評估。目前綜合評價方法很多，如模糊評價、灰色關聯(lián)、集對分析、物元分析、神經(jīng)網(wǎng)絡、數(shù)據(jù)包絡等，各種方法各有優(yōu)缺點，可根據(jù)評價問題的特點和實際情況選擇合適方法或多種方法結(jié)合運用。

通過各類專業(yè)模型和綜合評價模型，實現(xiàn)對調(diào)控方案的結(jié)果預演和多目標評判，對各方案的相對優(yōu)劣作出量化比對，為優(yōu)化調(diào)控決策奠定基礎。例如，對水網(wǎng)進行調(diào)控效果評價，主要根據(jù)其發(fā)揮的功能作用（防洪、供水、發(fā)電、生態(tài)、航運等）和組成特點（大江大河、中小河流或輸水工程為骨干）等，分類別、分層級構(gòu)建評價指標體系（考慮社會、經(jīng)濟、環(huán)境、效率等方面），并對每個單指標量化明確等級評價區(qū)間，形成評價指標體系。采用層次分析法、熵權(quán)等方法計算指標的權(quán)重。根據(jù)給定的調(diào)控方案的各指標值，通過綜合評判方法（基于評價指標體系和指標權(quán)重計算）進行綜合評估，量化評判調(diào)控方案效果的優(yōu)劣。

2.水網(wǎng)優(yōu)化調(diào)控

水網(wǎng)調(diào)控屬于典型多目標決策。多目標評價和優(yōu)化問題長期以來一直是研究熱點。多個目標或因子之間存在矛盾，待評價方案的某些指標值變“優(yōu)”，而另外一些指標值必將變“劣”，使得多目標問題往往沒有“最優(yōu)解”，而只能從眾多“非劣解”中尋求出所謂的“滿意解”，這意味著評價結(jié)果存在一定主觀性。水網(wǎng)調(diào)控方案優(yōu)選中，可將調(diào)控的流量過程作為決策變量序列，基于專業(yè)模型和評價模型對方案效果進行多目標評估，利用優(yōu)化算法尋求滿意解。由于調(diào)控涉及變量多，約束條件多，控制目標多，在較大的時空尺度下，傳統(tǒng)尋優(yōu)計算的難度大。隨著人工智能技術(shù)的發(fā)展，大量智能優(yōu)化算法涌現(xiàn)，如遺傳算法、粒子群算法、蟻群算法、蜂群算法、布谷鳥算法等，分析相關主流智能優(yōu)化算法步驟，其基本思路均為：確定合適的評價函數(shù)，能夠量化比較可行解；隨機生成大量的初始可行解；利用評價函數(shù)評價各個可行解的優(yōu)劣，優(yōu)勝劣汰；利用某種進化策略，結(jié)合各個可行解的優(yōu)劣情況，形成新的可行解的集合，通過不斷演進，搜索全局最優(yōu)解。進化策略是各智能優(yōu)化算法的核心，如遺傳算法通過選擇、交叉、變異操作來更新描述可行解的“染色體”群，粒子群算法則源自對鳥群捕食行為研究，將問題的解作為“粒子”，根據(jù)各個“粒子”最優(yōu)坐標和全局最優(yōu)坐標，調(diào)整自身移動的距離和方向。因此，可參考智能優(yōu)化算法思想，通過模擬生成滿足約束條件的調(diào)控方案，利用評價的“黑箱”模型，按照某種進化策略不斷優(yōu)化迭代，實現(xiàn)優(yōu)化調(diào)控目的。也可根據(jù)實際情況簡化優(yōu)選過程，如根據(jù)各類調(diào)控目標，生成多個典型方案作為代表，利用各相關專業(yè)模型得到各方案調(diào)控模擬結(jié)果，根據(jù)計算結(jié)果基于多目標評價模型綜合評判，優(yōu)選出相對優(yōu)的調(diào)控方案。例如，在對水網(wǎng)優(yōu)化調(diào)控計算時，根據(jù)各類約束，生成多個可行的調(diào)控方案群體，模擬仿真各方案的效果，并通過綜合評價模型對各調(diào)控方案進行量化評價，在此基礎上，利用某種現(xiàn)代優(yōu)化方法的演化策略，逐代更新調(diào)控方案的群體，最終找到滿意的調(diào)控方案。

結(jié)語

①開展水網(wǎng)調(diào)控模型研究十分必要和緊迫。水網(wǎng)調(diào)控模型是數(shù)字孿生水網(wǎng)模型平臺的核心，構(gòu)建安全、高效的水網(wǎng)調(diào)控模型是實現(xiàn)水網(wǎng)的水資源優(yōu)化配置、流域防洪減災、水生態(tài)保護等功能的重要基礎支撐。由于水網(wǎng)組成對象繁多、結(jié)構(gòu)復雜，包括“綱、目、結(jié)”等重要元素，實現(xiàn)快速、精準的水網(wǎng)調(diào)控計算仍面臨著許多挑戰(zhàn)，需要抓緊深入研究水網(wǎng)調(diào)控模型體系構(gòu)建。本文根據(jù)水網(wǎng)的特點和難點，對構(gòu)建水網(wǎng)調(diào)控模型的若干關鍵問題進行了思考，初步提出了構(gòu)建水網(wǎng)調(diào)控模型體系的思路。

②系統(tǒng)分析了水網(wǎng)調(diào)控特點和難點。水網(wǎng)是復雜的大系統(tǒng)，對象繁多、關系復雜、目標多樣，水網(wǎng)調(diào)控具有多層次、多尺度、多水源、多用戶、多目標、多場景等特點。水網(wǎng)調(diào)控技術(shù)當前面臨諸多難點：各級水網(wǎng)的結(jié)構(gòu)關系錯綜復雜，理清拓撲關系有挑戰(zhàn)；水網(wǎng)調(diào)控計算往往涉及對象多、目標多、約束多，范圍廣、時間長，時空調(diào)控計算難度大；現(xiàn)實運行條件和工況非常復雜，預演仿真技術(shù)需進一步提升；涉及大量調(diào)控目標和眾多約束條件，對優(yōu)化算法和算力要求高。

③初步提出了水網(wǎng)調(diào)控模型的構(gòu)建思路。首先，理清網(wǎng)絡對象組成和結(jié)構(gòu)關系，形成對象數(shù)據(jù)庫，且可自動映射形成網(wǎng)絡結(jié)構(gòu)拓撲圖，靈活應對實際中邊界條件的變化，直觀展示水網(wǎng)對象邏輯關系，為水網(wǎng)調(diào)控計算奠定基礎；其次，基于化繁為簡的思想，從時空方面對水網(wǎng)調(diào)控進行分層級、逐時段分析，利用大系統(tǒng)分解協(xié)調(diào)、滾動決策等思路，實現(xiàn)復雜網(wǎng)絡的分析計算；再次，強化預演功能，基于機理和數(shù)據(jù)雙驅(qū)動模式構(gòu)建模型，同時增強自學習能力，通過預演仿真得到精確的模擬調(diào)控結(jié)果；最后，構(gòu)建調(diào)控方案多目標綜合評價體系，根據(jù)調(diào)控方案模擬仿真結(jié)果，量化評估方案優(yōu)劣，基于現(xiàn)代智能優(yōu)化算法思想，通過迭代演化實現(xiàn)調(diào)控方案的尋優(yōu)。

Abstract: The national water network employs intelligent regulation, with control models serving as a core component of the digital twin water network modeling platform. The intricate water network is a typical large-scale system characterized by multiple levels, scales, sources, users, objectives, and scenarios, presenting numerous challenges. Addressing the key points and difficulties of water network regulation, this paper proposes ideas for constructing a model system. Based on analyzing the layout and management of the water network, a database of network components and a topology diagram are established to clarify the parallel, serial, and inclusive relationships of each network, as well as the basic information and interrelationships of each component, achieving dynamic mapping between the database and topology diagram. Spatially, analysis and calculations are conducted hierarchically and partitioned based on the principle of decomposition and coordination of large-scale systems. Temporally, rolling decision-making at different time scales is implemented following the approach of prediction, regulation, and correction. The preview function is enhanced by adopting a dual mechanism and data-driven mode for simulation, continuously improving model parameters or optimizing model structures through autonomous learning. By analyzing the relationships and roles of various specialized models in the control model system, a comprehensive evaluation model of control schemes based on multiple indicators is constructed. Drawing on strategies from modern intelligent optimization algorithms, a set of feasible schemes is simulated and optimized through evolutionary iteration.

Keywords: national water network; digital twin water network; intelligent regulation; large-scale system decomposition and coordination; rolling decision-making

本文引用格式：

陳曉楠.數(shù)字孿生水網(wǎng)調(diào)控模型體系構(gòu)建若干思考[J].中國水利，2025（3）：14-21.

責編王慧

校對李博遠

審核軒瑋

監(jiān)制趙洪濤

聲明：本文系轉(zhuǎn)載自互聯(lián)網(wǎng)，請讀者僅作參考，并自行核實相關內(nèi)容。若對該稿件內(nèi)容有任何疑問或質(zhì)疑，請立即與鐵甲網(wǎng)聯(lián)系，本網(wǎng)將迅速給您回應并做處理，再次感謝您的閱讀與關注。