Medical Journal of the Chinese People's Armed Police Forces

Journal of Changjiang River Scientific Research Institute >

2024 , Vol. 41 >Issue 8: 197 - 206

DOI: https://doi.org/10.11988/ckyyb.20230421

Special Column on Basic Theory and Key Technologies of Digital Twin

Research and Application Advances of Hydrodynamic Models in Digital Twin of Water Resources

  • HUANG Wei , 1 ,
  • CHEN Duan 1 ,
  • YANG Qing-yuan 1 ,
  • HUANG Yan 2
Expand
  • 1 Hydraulics Department, Changjiang River Scientific Research Institute, Wuhan 430010, China
  • 2 Changjiang Water Resources Commission, Wuhan 430010,China

Received date: 2023-04-19

  Revised date: 2023-07-15

  Online published: 2023-11-01

Fold

Abstract

The digital twin technology has been developing rapidly in the water resources field. This paper outlines how hydrodynamic models underpin the digital twin of water resources, and proposes the requirements for advancing hydrodynamic models and suggests corresponding model solutions. Key techniques for enhancing the capabilities of typical models in digital twins of water resources, such as 1D free surface and/or pressurized hydrodynamic models, are introduced. Techniques for improving the computational efficiency of 2D hydrodynamic models in large areas with high resolution are also described. Specifically, the mathematical challenges, key techniques and applications of recently developed models inclusive of coupled hydrodynamics and sediment transport models for the breaching processes of dams and dikes as well as hydrodynamic models for flash floods aiming at optimizing early warning systems are expounded. Finally, directions for further development of hydrodynamic models are proposed, including the need for higher-dimensional models and coupled models involving different dimensions, models for multi-phase processes, further investigation into evaluation and real-time modification techniques for hydrodynamic modeling, development of integrated models combining physically-based and data-driven approaches, and the establishment of mutual connections and feedback models for virtual modeling and physical reality control.

Key words： digital twin of water resources; hydrodynamic models; key technologies of modelling and application; improvements of modelling capacity and efficiency

Cite this article

HUANG Wei , CHEN Duan , YANG Qing-yuan , HUANG Yan . Research and Application Advances of Hydrodynamic Models in Digital Twin of Water Resources[J]. Journal of Changjiang River Scientific Research Institute, 2024 , 41(8) : 197 -206 . DOI: 10.11988/ckyyb.20230421

开放科学(资源服务)标识码(OSID):

0 引言

《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》明确指出: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。水利部明确将智慧水利作为新阶段高质量发展的显著标志和六条实施路径之一[1]。数字孪生流域是智慧水利体系的核心,其中数字孪生、大数据、人工智能、区块链等技术在水利业务中的应用研究是科技创新推动智慧水利建设的重要体现。2022年是我国数字孪生水利建设元年,水利部先后印发或发布数字孪生流域、数字孪生水利工程、数字孪生水网、数字孪生灌区等相关技术文件和政策性文件十余份[2⇓⇓-5]。通过先行先试,全面形成了数字孪生水利建设氛围,形成了一批可复制可推广的应用案例,实现了数字孪生技术在水利行业多方面应用。同时,数字孪生技术在水利行业的应用也是当前国际上行业研究的热点[6⇓⇓⇓-10]。
数字孪生平台是数字孪生流域的“大脑”,主要由数据底板、模型平台、知识平台等组成。模型平台主要包括通用水利专业模型库、智能模型库、可视化模型库。水利专业模型是数字孪生水利的核心,支撑智能模拟、前瞻预演、智慧决策等目标。水力学模型作为水利专业模型库中的重要一类,不仅直接支撑防洪“四预”业务,还是泥沙、水生态、水环境、水利工程安全等模型的基础。尽管水力学模型已经逐步应用到数字孪生水利中,但水力学模型在数字孪生中的作用、存在问题以及发展趋势尚未有系统分析。本文对水动力学模型在数字孪生中的作用以及部分水动力学模型研发中的关键技术进行梳理,为更好地支撑智慧水利建设,提出水动力学模型的基础和应用研究方向。

1 水动力学模型在数字孪生中的作用

1.1 水动力学模型是水利业务的重要支撑

水利专业模型是数字孪生的“大脑”,水利专业模型包括水文、水资源、水环境、水力学、泥沙动力学、水土保持、水利工程安全等几大类。水动力学模型是模拟水流的运动特性,以及水流对环境影响的一类模型,可以对流量、水位、水深、流速等水力要素及其变化过程进行模拟。本文从具体业务支撑角度论述水动力学模型的作用。数字孪生流域中洪水防御和水资源调度应用业务离不开水动力学模型[11-12]。一维和二维水动力学模型是支持防洪“四预”功能的重要模拟分析工具,如淹没区洪水分析等[7]。在数字孪生水利工程中,大坝闸门泄流控制、溢洪道泄洪、底孔消能等及其安全预警业务都需要水动力学模型的计算分析。在数字孪生调水工程中,水动力学模型是智能调度、安全预警、水力过渡过程分析等业务必不可少的组成部分。在数字孪生水网中,水网中各渠系连通特性及其水动力特性和闸泵实时控制都需要水动力学模型分析作为支撑。数字孪生灌区既具备灌溉供水、防汛抗旱排涝等功能,又兼具流域、水网和水利工程的特性。因此,对物理灌区的安全运行预警、优化调度均需要水动力学模型的支撑,尤其要实现供水渠道及闸阀的智能化控制,更是离不开水动力学模型的水力要素预测。水动力学模型也是数字孪生山洪灾害[13]、数字孪生城市内涝[14]、数字孪生水闸、数字孪生堤防等的重要支撑。此外,水动力学模型也是构建耦合数据驱动的智能模型以及高阶知识模型的基础。
同时,水动力学模型对水利数字孪生其他组成部分也提出了需求。水动力学模型对数据底板和算力建设提出了很高的要求,主要表现为水动力学模型需要地形数据、实测和预报的流量、水位数据。最新的地形资料是保证水动力学模型复演和预测结果的基础,从而需要更高更新频率的地形资料;模型率定需要较高的监测站网密度,因此监测站网布设规划需要考虑水动力学模型的需求。水文模型预测的流量过程往往作为水动力学模型上边界输入条件,其精度对水动力学模型结果也有影响。此外,为了支撑数字孪生相关业务,水动力学模型的计算时长必须在可接受范围内,这就要求有强大的算力作为支撑。

1.2 数字孪生促进水动力学模型发展

虽然水动力学模型在水利数字孪生中起着至关重要的作用,但是当前的水动力学模型还不能完全满足水利数字孪生建设的需求。当前水动力学模型的核心算法仍待提高,虽然我国的水动力模型在理论上并不逊色,但是尚未形成国产化的模拟平台及模型品牌,目前很多国外的模型如DHI Mike、HR Wallingford等仍被广泛用于数字孪生平台建设中。存在的问题主要表现在3个方面:
一是水动力学模型的通用性不强。首先,现有模型要么是针对某一具体工程应用开发,抑或是针对某个具体的数值模拟关键技术研发,将模型移植到其他问题时仍需要重新编制模型。其次,模型不能满足实际工程中遇到的各种复杂场景和不断变化的环境。由于数字孪生直接服务于工程实践,涉及到数量众多、型式多样的水工程及其复杂的水力联系和调度规则,均对水动力学模型的模拟能力提出了很高要求,国内外能够同时满足这些现实需求的水动力学模型尚未见到。最后,变化条件下水动力学模型的参数快速给定方法和率定方法存在不足。
二是计算效率还有待进一步提升,尤其是针对复杂河网、大范围、多阻隔、城市建筑物密集等复杂情景下的高精度洪水演进计算耗时较长。高效计算能够在洪涝事件来临前,提供更充分的准备时间,辅助制定可靠的应对策略;而在指挥调度过程中,高效计算有助于系统提升应急反应能力。现有调度决策往往是通过预设联合调度方案等措施及模拟结果,应对时在方案库中进行匹配,这种方式仍不够智能,无法将系统实时状态与环境变量进行有效的交互。无论是机理模型使用的高分辨率数值算法,抑或是大数据、人工智能技术的深度神经网络算法,都需要能够并行处理高强度计算的算力支撑。
三是快速建模工具库缺乏。随着数据底板建设和监测感知网构建的逐渐完善,水动力学模型的边界条件可更新周期明显缩短,目前的建模周期仍然较长,制约了模型及时更新。
要解决上述问题,可采用如下措施:
一是针对模型关键技术问题持续开展研发,虽然数字孪生技术不能解决模型内在的物理机制,但是面对水利数字孪生建设提出的各种需求和涉及的复杂应用场景,可以通过持续研发丰富模型的模拟能力,增强模型的通用性。
二是通过改进模型算法和利用先进的计算机技术(CPU并行、GPU并行、云计算等),在不降低计算精度的前提下提高计算效率。也可针对多过程、多维度、多尺度、多模块相融合的复杂数字孪生系统,研发新的模拟架构,将复杂系统计算拆解成多个子任务,并根据算力、算据对子任务合理分配,采用多任务并发执行模式,实现对复杂问题的分解和高性能计算。还可以通过开发更有效的智能算法,提升硬件水平,软硬件协同,完成从对物理实体的虚拟映射到决策支持的数字孪生平台建设。
三是开发系列水动力学模型前处理工具,实现不同来源数据处理、计算网格生成与地形差值、边界条件实时更新等功能,与数据底板和监测感知网络高度融合,缩短水动力学模型建模周期。

2 典型水动力学模型关键技术

尽管不同水动力学模型的成熟度有较大差异,但模型关键技术研发均旨在增加模型功能、提高模拟精度、缩短模拟时间和拓展应用场景。下面针对数字孪生中经常应用到的典型水动力学模型和发展前沿中的特殊水动力学模型的关键技术进行介绍。

2.1 天然河道一维水动力学模型

一维水动力学模型是数字孪生流域建设中不可或缺的模型,对于长河段洪水演进过程的预测提供了很好地支撑。尽管一维水动力学模型相对成熟,计算效率高,但是传统模型以隐式格式为主,仍然存在着一些关键问题需要改进。例如在处理急缓流过渡问题时会产生数值振荡,甚至失稳,山丘区应用受到限制。
模型控制方程组形式1为:
B ∂ Z ∂ t + ∂ Q ∂ x = 0 ,
∂ Q ∂ t + ∂ ∂ x Q 2 A = - g A ∂ ∂ x ( A h ) + g A ( S B - S f ) 。
式中: B为河道宽度; Z为水位; Q为流量;t为时间;x为坐标; A为过水断面面积; g为重力加速度; h为水深;SB为底坡源项; S f为阻力源项。
模型控制方程组形式2为:
∂ A ∂ t + ∂ Q ∂ x = 0 ,
∂ Q ∂ t + ∂ ∂ x Q 2 A = - g A ∂ Z ∂ x - g n 2 Q | Q | R 4 / 3 A 。
式中R为水力半径。
另外,若模型控制方程形式选择不合理(控制方程组形式1),在模拟天然复式河道洪水演进会出现水位突变等非物理现象(图1)。本文通过控制方程形式的合理选择(控制方程组形式2)、采用隐式格式离散阻力源项、Godunov有限体积法结合黎曼算子离散控制方程组等关键技术构建新的一维水动力学模型,不仅能够处理光滑的古典解,还能处理间断问题,能自动适应流态的时空过渡,从而提升模拟能力。本文模型已应用到八曲河流域洪水预报系统中(图2)。
图1 不合理控制方程形式产生数值振荡和水位突变

Fig.1 Numerical oscillation and abrupt change of stage due to unreasonable governing equations

图2 八曲河流域历史洪水复演和未来洪水预报

Fig.2 Illustration of historical flood replaying and future flood prediction for the Baqu River catchment

2.2 有压管道一维水动力学模型

有压管道一维水动力学模型常应用在有压输水过渡过程计算、城市内涝管网水流运动模拟等方面。在城市管网水动力学模拟中,现有模型主要采用暴雨洪水管理模型(Storm Water Management Model,SWMM)及基于其开发的系列软件。尽管SWMM功能丰富、应用广泛,但是其采用“LINK-NODE”计算模式,无法细致模拟管道内部的水流运动;同时由于其采用有限差分法,自动捕捉复杂流态过渡问题较为困难。例如在对大坡度管段模拟上会产生数值振荡,在没有检查井的管道坡度发生变化时模拟结果不够准确。
对于明满流交替水流模拟常用的处理方法有2种:一种是通过Preissmann窄缝法假设,采用统一的控制方程组模拟无压流和有压流;另一种是分别针对有压和无压流动采用不同控制方程组,其中无压管控制方程组同式(3)和式(4),有压管道控制方程组见式(5)和式(6)[15]。
∂ ρ f A f ∂ t + ∂ ρ f Q ∂ x = 0 ,
∂ ρ f Q ∂ t + ∂ ∂ x ρ f Q 2 A f + A f p = - ρ f g A f ∂ Z ∂ x - ρ f g n 2 Q | Q | R 4 / 3 A f ,
a g = d ( A f p ) d ( A f ρ f ) 1 / 2 ,
p = p r + a 2 ρ f - ρ r 。
式中:ρf为水锤压缩水流密度;Af为管道横断面面积;p为断面中心点的压强;pr和ρr分别为参考压强和参考密度;n为糙率系数;d为管道直径;ag为理论压力波速;a为压力波速。
对于水锤压力传播,控制方程组不封闭,有3个未知变量ρf、p和Q。在单相压力流中,压力波速a一般被认为是常数,可通过结构力学相关的表达式推导得到,即
a = k f / ρ r 1 + ( k f / E ' ) ( d / e ) 1 / 2 。
式中:e为管壁厚度; E '为管道材料的塑性杨氏模量;kf为管道流体的可压缩性系数。如果假设管道具有无限刚性(等价于Af为常数),将式(7)中的ag用a替换,对式(7)积分可以得到关于p和ρf之间的表达式。
采用高精度有限体积法进行控制方程离散,能够准确模拟非恒定流过程和明满流交替情况,结合水库、末端阀门、中部调流阀、水泵、调压井、串联管、通气阀等内部和边界条件的合理处理(限于篇幅,不详细介绍),能够适应城市排水管网复杂拓扑结构下的洪涝水动力过程模拟,也能够满足有压引调水工程水力过渡过程的模拟。

2.3 平面二维水动力学模型

平面二维水动力学模型在城镇区域、洪泛区和蓄滞洪区等大范围的洪水演进模拟上起着重要作用。大范围洪水模拟除了要解决水流间断和急缓流交替变化、小水深、密集建筑物等水动力特征和复杂地形边界条件外,最重要的是提升计算效率。目前提升平面二维水动力学模型计算效率的途径有两大类:一是通过改进模型算法,二是采用计算机并行技术。对于改进模型算法的途径可以进一步细分为3类:
一是通过自适应网格[16-17]或贴体网格技术[18],在满足计算精度条件下减少计算网格数量,尤其针对大范围洪水演进计算效率提升效果较好。
二是采用分区预测校正隐式方法模型[19],该方法充分发挥了隐格式时间步长较大的优点,但也需要注意隐格式在小水深情况下收敛较为困难的问题。
三是采用局部时间步长技术[20],主要思想是针对不同网格单元采用不同的计算时间步长,减少模型通量计算次数。
关于利用并行计算方法提高计算效率[19],主要思想是将计算任务分解为多个子任务进行并行处理,以此节约时间。借鉴CPU(Central Processing Unit)和GPU(Graphical Processing Units)加速方法改造现有模型可以提高计算效率。在CPU上实现并行加速,主要方法有共享内存式和分布内存式。现有水动力学模型常采用OpenMP(Open Multi-Processing)技术实现共享内存式的多线程加速方法,但加速效果有限。另外,也可以采用MPI(Message Passing Interface)技术实现分布内存式方法对模型进行加速。

2.4 坝堤溃决过程水沙耦合动力学模型

坝堤溃决是强烈的水沙(土)耦合作用过程,是一种剧烈冲淤的极端泥沙运动,其模拟还存在明显短板。传统模型不考虑水沙之间的相互作用,提出了大量不合理且不必要的假设。因此,要开展堰塞湖溃决过程的数值模拟研究,研发具有明确物理机理和模式的数值模拟技术,在不引入假定和不确定性参数条件下,实现对堰塞湖溃决过程和流量过程的快速精确模拟,给出最大洪峰流量及出现时刻,直接用于堰塞湖应急除险决策[21]。堤防溃决类似,并且堤防由于其形成历史悠久,堤身是不断加高培厚的结果,堤基由沙土、黏土、甚至卵石河床构成,堤身结构和材料种类复杂,其模拟技术更加具有挑战性。目前堤防溃决模拟多将其展宽过程概化为随时间线性变化,溃口底高概化为瞬间达到地面高程,溃口流量采用宽顶堰流假设[22],这些假设忽略了堤防溃决机理,对溃决过程的描述不合理,导致经某一案例率定得到的参数不能推广到其他案例,是现有模型通用性不强的根本原因。
控制方程组建立在流体力学基本守恒律基础上的二维浅水水沙动力学控制方程包括水流和泥沙的质量守恒方程和动量守恒方程。模型控制方程在传统水流连续方程和动量方程中考虑了泥沙输移和河床变形对水流的影响,即实现了水、沙和河床三者之间物理上的耦合。守恒型式的控制方程如下:
∂ U ∂ t + ∂ F ∂ x + ∂ G ∂ y = S ,
U = η q x q y q c = η h u h v h c ,
F = h u h u 2 + 0.5 g ( η 2 - 2 η z ) h u v h u c ,
G = h u h u v h v 2 + 0.5 g ( η 2 - 2 η z ) h u c ,
S = 0 - g η ∂ z ∂ x - g η ∂ z ∂ y 0 + 0 - τ b x ρ - ( ρ s - ρ w ) g h 2 2 ρ ∂ c ∂ x - ( ρ 0 - ρ ) ( E - D ) u ρ ( 1 - p 0 ) - τ b y ρ - ( ρ s - ρ w ) g h 2 2 ρ ∂ c ∂ y - ( ρ 0 - ρ ) ( E - D ) v ρ ( 1 - p 0 ) E - D ,
∂ z ∂ t = D - E 1 - p 0 。
式中:U为守恒量向量;F、G分别为x和y方向的对流通量向量;S为源项向量;y为坐标;η为水面高程;u、v分别为x和y方向的水流流速;z为河床高程;c为泥沙的深度平均体积含沙量; τbx和τby分别是x和y方向的床面剪切应力; qx、qy、分别为x和y方向的单宽流量;qc为泥沙通量;p0为泥沙孔隙率;E为上扬通量;D为沉降通量总量;ρw和ρs分别为清水和泥沙的密度,分别取1.0×103 kg/m3和2.65×103 kg/m3;ρ为水沙混合体密度,且ρ=ρw(1-c)+ρsc;ρ0为床沙饱和湿密度,且ρ0=ρwp0+ρs(1-p0)。
控制方程中部分未知量不能直接通过求解方程得到,需要额外提供本构关系式才能确定,主要为床面阻力和泥沙通量。对于床面阻力采用曼宁糙率公式计算。
床面附近的水流与河床间泥沙交换包括两种不同的机理,分别为由湍流作用引起的泥沙上扬和重力作用引起的泥沙沉降,沉降通量和上扬通量计算表达式分别为:
D = α w c ,
E = α w c e 。
式中:α为近底含沙浓度与垂线含沙浓度差异系数;w为单颗粒泥沙静水沉降速度;ce为局部水流饱和输沙率,可以根据具体应用对象采用相应的泥沙输移经验公式计算。
本文水沙耦合动力学模型可应用于堰塞坝溃决过程和溃决洪水演进的模拟分析,支撑应急处置方案效果预测与评估。该模型也可应用于堤防溃决过程模拟,实现堤内外洪水演进的同步模拟,同时能够指导人工扒口方案的制定,避免人工开挖初始溃口过小或过大。本文模型曾应用于白格堰塞坝溃决过程复演(图3)和堤防溃决试验模拟(图4)均取得了较好的结果。模型已经集成到数字孪生江垭皂市(澧水流域)中(图5)。
图3 白格堰塞湖溃决流量过程模拟结果比较

Fig.3 Comparison of discharge hydrograph of Baige landslide dam breach between observation and computation

图4 堤防溃决过程模拟结果比较

Fig.4 Comparison of dike breach between observation and computation

图5 堤防溃决模拟平台

Fig.5 Platform of dike breach modelling

2.5 小流域暴雨山洪水动力学模型

目前小流域暴雨山洪主要采用水文学方法进行模拟。近些年采用水动力学模型研究山洪开始兴起[19,23 -24]。模型控制方程采用二维浅水动力学方程组,同时考虑降雨和入渗物理过程。为了能够适应天然情况下广泛存在的复杂水流状态和不规则地形,建立和谐型的守恒形式基本控制方程:
∂ U ∂ t + ∂ F ∂ x + ∂ G ∂ y = S ,
U = η q x q y = η h u h v ,
F = h u h u 2 + 0.5 g ( η 2 - 2 η z ) h u v ,
G = h v h u v h v 2 + 0.5 g ( η 2 - 2 η z ) ,
S = r - f - g η ∂ z ∂ x - τ b x ρ w - g η ∂ z ∂ y - τ b y ρ w 。
式中:r为降雨强度;f为入渗强度 。
鉴于目前尚无广泛适用的坡面阻力公式,本文仍沿用明渠水流的阻力公式。这里选取曼宁阻力公式,即床面剪切应力为
τ b x = ρ g n 2 q x q x 2 + q y 2 / h 7 / 3 , τ b y = ρ g n 2 q y q x 2 + q y 2 / h 7 / 3 。
入渗强度根据研究对象土壤特性可以选择霍顿、格林-安普特等渗流公式。
暴雨山洪水动力学模型的应用较为广泛:
一是可以替换现有水文模型中运动波、扩散波等水文模型参数,例如应用水动力学模型计算15 min和30 min单位线。
二是可以分析缺资料流域的洪水风险频率,经过少量实测资料验证后,采用水动力学模型对不同频率降雨条件下的沟道洪水进行模拟,将其结果作为洪水风险频率分析的资料。
三是应用暴雨山洪动力学模型,制定山洪预警指标(临界降雨量),并通过对系列设计降雨量、前期土壤含水量组合工况进行模拟,提取流域内每个计算单元的水流信息(水深、流速)计算灾害指标,进一步由临界灾害指标计算得到临界降雨量。
该方法结果不局限于流域出口断面的水位、流量,还能给出流域内临界降雨量的空间分布,如图6所示,流域内临河区域临界降雨量小、其他区域临界降雨量大。同时,可以根据实时降雨资料和短临预报降雨给出流域类灾害等级分布(图7),基于水动力学方法的暴雨山洪灾害预警,较传统水文学方法更加精细化,预警对象和范围针对性更强。
图6 临界降雨量空间分布

Fig.6 Spatial distribution of critical rainfall

图7 不同时刻灾害等级空间分布

Fig.7 Spatial distribution of hazard level at different times

3 水动力学模型发展趋势

从水动力学模型本身发展上看,在模型维度方面,现有单维度的模型难以满足水利数字孪生建设的系统性需求,无论是从模拟功能,还是从计算效率上讲,都需要单维度模型向多维模型耦合发展。从模拟对象看,单一水相动力过程模拟向多场、多相、多组分等发展是发展趋势。例如泄洪消能涉及典型水气两相流运动,其计算结果是大坝安全分析预警业务的重要支撑。
在水动力学模型实际应用上,水动力学模型结果评估与实时校正技术亟需研发。由于监测感知体系布设数量、测量能力和频率的限制,实测资料总是不足的。部分资料缺乏实测值,其估计具有较大的不确定性,通过要素的传播和时间的累积,会反映到有实测数据的断面或测点。因此,需要根据有实测数据的断面或测点的结果,对于不确定的输入需要进行实时校正。参数智能调整技术是实时校正的关键技术之一。水动力学模型中最重要的参数为糙率,其取值大小与多个因素相关。一方面应建设水动力学模型参数管理库,对不同模型的参数以及同一模型在不同应用场景的参数进行规范标准化管理。另一方面,水流往往相互之间存在影响,局部糙率值的改变可能引起更大范围的水流条件变化,因此需要发展智能调参技术。
从水力学模型类型来看,具有物理机制的模型和基于数据分析、统计学等统计模型(大数据、神经网络)融合发展是今后发展的趋势。统计学模型构造简单,可以快速响应,但因其是基于历史数据学习率定而得,无法预测超出历史事件相关要素范围的事件;而机理模型虽然能够较好揭示物理原理,但其模型参数众多,过程计算复杂,无法满足变化环境下数字孪生中多情景快速响应快速生成的需求。为使水动力学模型能够满足实时计算、动态更新的需求,一方面在计算效率上,进一步研究基于CPU、GPU、云计算等并行计算技术在水动力学模型上的应用。更为重要的是采用“参数分离、对象解耦”方式,建立水动力学模型的通用化开发封装技术及模型的标准化接口,耦合多维多尺度模型结果,使水动力学模型能通过自动适应外部环境变化自适应调整模型参数。结合模型的松散耦合特性,通过模型服务相互调用,使不同水动力学模型能够进行深度融合,克服传统水动力学模型大多只围绕相对单一的信息要素和过程进行模拟的难题。同时,水动力学模型库也是构建耦合数据驱动的智能模型以及高阶知识模型的基础。在物联网、人工智能、大数据分析等新兴技术的驱动下,数字孪生为基于数据驱动的模型构建提供了更加丰富的数据样本,使传统机理模型与强化智能学习模型的融合模型,甚至是纯数据驱动的代理模型在水利业务中的广泛应用成为可能。相对于传统水动力学模型,数据驱动的智能模型能够更有效地应对数据样本量大、特征维度多、系统耦合度高的计算场景,并且更能有效利用模型误差信息,对模型进行自适应反馈修正[25]。
回归数字孪生思想本源,虚拟仿真与物理实体互馈模型的研发,即监测感知与智慧化模拟预测相互融合也是今后发展趋势之一。监测感知获取的资料是水动力学模型输入的基础,输入数据的质量决定了模型的功能和质量,应满足全面性、时效性和准确性要求。具体如下:
(1)全面性是指数学模型要适应监测感知体系的功能,也要注意挖掘监测感知数据的潜力,尽量用实测资料,减少因数据不足而带来误差。
(2)时效性。在实时预报预警和科学决策时,对时效性的要求是显而易见的。对于计算初始条件、边界条件发生变化时,也应该及时更新模型相关资料。
(3)准确性。由于理论上数学模型的精度不可能高于实测资料的精度,因此提高监测感知数据准确性是提升模型精度的重要途径之一。同时,水动力学模型计算结果也支撑物理实体运行,例如水动力学模型预演结果可以生成操作指令指导闸门启闭过程。因此,如何实现水动力学模型与监测感知和水利工程运行调度设施等更加紧密结合,提升智慧运行管理水平,也是今后需要深入研究的内容。

4 结束语

本文详细论述了水动力学模型在水利数字孪生建设中的作用、典型和特殊水动力学模型关键技术、模型发展趋势等方面。尽管部分水动力学模型较为成熟,但是现有模型仍然存在着较多不足,不能完全满足数字孪生建设需要,亟需在通用化、高效化、便捷化等多个方面关键技术深入研究予以解决。水动力学模型还需从模型本身维度及其耦合、模型评估与校正技术、机理模型与数据驱动模型融合、虚实模型互馈等方面进一步发展才能满足数字孪生和智慧水利建设的需要。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
李国英. 推动新阶段水利高质量发展全面提升国家水安全保障能力:写在2022年“世界水日”和“中国水周”之际[N]. 人民日报, 2022-03-22( 14).

(LI Guo-ying. Promoting the High-quality Development of Water Conservancy in the New Stage and Comprehensively Improving the National Water Security Capacity: Written on the Occasion of World Water Day and China Water Week in 2022[N]. People’s Daily, 2022-03-22( 14). (in Chinese))

[2]
中华人民共和国水利部. 关于大力推进智慧水利建设的指导意见[R]. 北京:中华人民共和国水利部, 2021.

(Ministry of Water Resources of the People’s Republic of China. Guiding Opinions on Vigorously Promoting the Construction of Smart Water Conservancy[R]. Beijing: Ministry of Water Resources of the People’s Republic of China, 2021. (in Chinese))

[3]
中华人民共和国水利部. 水利部关于印发《数字孪生流域建设技术大纲(试行)》的通知(水信息[2022]147号)[R]. 北京:中华人民共和国水利部, 2022.

(Ministry of Water Resources of the People’s Republic of China. Notice of the Ministry of Water Resources on Printing and Distributing the Technical Outline for the Construction of Digital Twin River Basins (Trial) (Shui Xin [2022] No. 147)[R]. Beijing: Ministry of Water Resources of the People’s Republic of China, 2022. (in Chinese))

[4]
中华人民共和国水利部. 水利部关于印发《数字孪生水利工程建设技术导则(试行)》的通知(水信息[2022]148号)[R]. 北京:中华人民共和国水利部, 2022.

(Ministry of Water Resources of the People’s Republic of China. Notice of the Ministry of Water Resources on Printing and Distributing the Technical Guidelines for the Construction of Digital Twin Water Conservancy Projects (Trial) (Shui Xin [2022] No. 148)[R]. Beijing: Ministry of Water Resources of the People’s Republic of China, 2022. (in Chinese))

[5]
中华人民共和国水利部. 水利部办公厅关于展宽数字孪生灌区先行先试工作的通知(办农水函[2022]1163号)[R]. 北京:中华人民共和国水利部, 2022.

(Ministry of Water Resources of the People’s Republic of China. Notice of the Ministry of Water Resources on Pilot Digital Twin Irrigation Area([2022] No. 1163)[R]. Beijing: Ministry of Water Resources of the People’s Republic of China, 2022. (in Chinese))

[6]
HENRIKSEN H, SCHNEIDER R, KOCH J, et al. A New Digital Twin for Climate Change Adaptation, Water Management, and Disaster Risk Reduction (HIP Digital Twin)[J]. Water, 2022, 15(1): 25.

[7]
RANJBAR R, DUVIELLA E, ETIENNE L, et al. Framework for a Digital Twin of the Canal of Calais[J]. Procedia Computer Science, 2020, 178: 27-37.

[8]
RAMOS H M, MORANI M C, CARRAVETTA A, et al. New Challenges towards Smart Systems’ Efficiency by Digital Twin in Water Distribution Networks[J]. Water, 2022, 14(8): 1304.

[9]
ALVES R G, MAIA R F, LIMA F. Development of a Digital Twin for Smart Farming: Irrigation Management System for Water Saving[J]. Journal of Cleaner Production, 2023, 388: 135920.

[10]
BERGLUND E Z, SHAFIEE M E, XING L, et al. Digital Twins for Water Distribution Systems[J]. Journal of Water Resources Planning and Management, 2023, doi:10.1061/jwrmd5.wreng-5786.

[11]
黄艳. 数字孪生长江建设关键技术与试点初探[J]. 中国防汛抗旱, 2022, 32(2): 16-26.

(HUANG Yan. Study on Key Technology and Pilot of Digital Twin Yangtze River Construction[J]. China Flood & Drought Management, 2022, 32(2): 16-26. (in Chinese))

[12]
刘昌军, 吕娟, 任明磊, 等. 数字孪生淮河流域智慧防洪体系研究与实践[J]. 中国防汛抗旱, 2022, 32(1):47-53.

(LIU Chang-jun, LÜ Juan, REN Ming-lei, et al. Research and Application of Digital Twin Intelligent Flood Prevention System in Huaihe River Basin[J]. China Flood & Drought Management, 2022, 32(1):47-53. (in Chinese))

[13]
韩培, 王新涛, 郭东光, 等. 数字孪生山洪灾害“四预” 试点建设构想及展望: 以新疆托里县为例[J]. 中国防汛抗旱, 2022, 32(10): 40-47.

(HAN Pei, WANG Xin-tao, GUO Dong-guang, et al. Conception and Prospect of the Pilot Construction of FEDE of Digital Twin Flash Flood Disaster—Taking Tuoli County in Xinjiang as an Example[J]. China Flood & Drought Management, 2022, 32(10): 40-47. (in Chinese))

[14]
叶陈雷, 徐宗学. 城市洪涝数字孪生系统构建与应用: 以福州市为例[J]. 中国防汛抗旱, 2022, 32(7): 5-11, 29.

(YE Chen-lei, XU Zong-xue. Development and Application of Digital Twin System for Urban Flood and Waterlogging: Case Study of Fuzhou City[J]. China Flood & Drought Management, 2022, 32(7): 5-11, 29. (in Chinese))

[15]
BOUSSO S, DAYNOU M, FUAMBA M. Numerical Modeling of Mixed Flows in Storm Water Systems: Critical Review of Literature[J]. Journal of Hydraulic Engineering, 2013, 139(4): 385-396.

[16]
HUANG W, CAO Z, PENDER G, et al. Coupled Flood and Sediment Transport Modelling with Adaptive Mesh Refinement[J]. Science China Technological Sciences, 2015, 58(8): 1425-1438.

[17]
HUANG W, CAO Z X, CARLING P, et al. Coupled 2D Hydrodynamic and Sediment Transport Modeling of Megaflood Due to Glacier Dam-break in Altai Mountains, Southern Siberia[J]. Journal of Mountain Science, 2014, 11(6): 1442-1453.

[18]
GUERRA M, CIENFUEGOS R, ESCAURIAZA C, et al. Modeling Rapid Flood Propagation over Natural Terrains Using a Well-balanced Scheme[J]. Journal of Hydraulic Engineering, 2014,DOI:10.1061/(ASCE)HY.1943-7900.0000881.

[19]
WU J, HU P, ZHAO Z, et al. A GPU-accelerated and LTS-based 2D Hydrodynamic Model for the Simulation of Rainfall-runoff Processes[J]. Journal of Hydrology, 2023, 623: 129735.

[20]
HU D, ZHONG D, ZHANG H, et al. Prediction-Correction Method for Parallelizing Implicit 2D Hydrodynamic Models. I: Scheme[J]. Journal of Hydraulic Engineering, 2015,DOI:10.1061/(ASCE)HY.1943-7900.0001012.

[21]
胡春宏, 郭庆超, 张磊, 等. 数字孪生流域模型研发若干问题思考[J]. 中国水利, 2022(20): 7-10.

(HU Chun-hong, GUO Qing-chao, ZHANG Lei, et al. Thinking on some Problems in the Development of Professional Models for Digital Twin Basins[J]. China Water Resources, 2022(20): 7-10. (in Chinese))

[22]
徐卫红, 刘舒, 张红萍, 等. 水动力学模型在淹没区防汛应急中的应用[J]. 中国防汛抗旱, 2021, 31(12):34-38.

(XU Wei-hong, LIU Shu, ZHANG Hong-ping, et al. Application of Hydrodynamic Model in Flood Prevention and Emergency Response for Inundated Area[J]. China Flood & Drought Management, 2021, 31(12):34-38. (in Chinese))

[23]
HUANG W, CAO Z X, QI W J, et al. Full 2D Hydrodynamic Modelling of Rainfall-induced Flash Floods[J]. Journal of Mountain Science, 2015, 12(5): 1203-1218.

[24]
黄卫, 岳志远, 孙楠, 等. 暴雨山洪水动力学模拟研究进展[J]. 水文, 2023, 43(4):8-14,20.

(HUANG Wei, YUE Zhi-yuan, SUN Nan, et al. Review on Hydrodynamic Modelling of Flash Floods[J]. Journal of China Hydrology, 2023, 43(4):8-14,20. (in Chinese))

[25]
WEI C C, HSU N S. Optimal Tree-based Release Rules for Real-time Flood Control Operations on a Multipurpose Multireservoir System[J]. Journal of Hydrology, 2009, 365(3/4): 213-224.

Options
Outlines

/

〈 〉

Copyright © Journal of Changjiang River Scientific Research Institute, All Rights Reserved.
Powered by Beijing Magtech Co. Ltd.