数字孪生灌区精细化水量调控关键技术研究与应用

ｈｔｔｐ：／／ｗｗｗ．ｒｅｎｍｉｎｚｈｕｊｉａｎｇ．ｃｎ
ＤＯＩ：１０ ３９６９／ｊ ｉｓｓｎ １００１ ９２３５ ２０２４ ０４ ００５第４
５卷第４期人民珠江　２０２４年４月　ＰＥＡＲＬＲＩＶＥＲ
基金项目：国家重点研发计划（２０２２ＹＦＣ３２０２２０４）收稿日期：
２０２３－０７－２４作者简介：罗朝林（１９８３—），男，硕士，高级工程师，主要从事水利信息化、智慧水利等工作。

Ｅ－ｍａｉｌ：２７３９０６６８２＠ｑｑ．ｃｏｍ通信作者：孟庆魁（１９９５—），男，硕士，工程师，主要从事水利信息化、智慧水利等工作。

Ｅ－
ｍａｉｌ：１８３９２５２５２７２＠１６３．ｃｏｍ罗朝林，孟庆魁，陈武奋，等．数字孪生灌区精细化水量调控关键技术研究与应用［Ｊ］．人民珠江，
２０２４，４５（４）：３３－３９．数字孪生灌区精细化水量调控关键技术
研究与应用
罗朝林，孟庆魁 ，陈武奋，张　波
（珠江水利委员会珠江水利科学研究院，广东　广州　５
１０６１１）摘要：为提高中国水资源利用效率，推动灌区精细化管理，基于目前灌区发展现状，提出了数字孪生灌区精细化
管理框架，并分别对灌区可供水量预测、作物需水预测、灌区渠道水量优化配置以及测控一体化闸门的关键技术进行了研究，并构建了一套数字孪生灌区“四预”平台，通过“多要素立体感知”“全周期需水预报”“旱涝风险靶向预警”
“水资源全过程预演”“防灾减灾科学预案”５条路径，实现灌区全方位、智慧化、科学化的管理。

数字孪生灌区“四预”平台部分功能已在广州市流溪河灌区成功应用。

数字孪生灌区全过程精细化水量调控关键技术通过对“供水－需水－配水－调水”全过程的水量调配，实现了水资源优化配置，提高了水资源利用效率，对数字孪生灌区的推广与应用具有指导意义。

关键词：数字孪生灌区；精细化；“四预”；流溪河灌区
中图分类号：
Ｓ２７５ 文献标识码：Ａ 文章编号：１００１ ９２３５（２０２４）０４ ００３３ ０７ＲｅｓｅａｒｃｈａｎｄＡｐｐｌｉｃａｔｉｏｎｏｆＫｅｙＴｅｃｈｎｏｌｏｇｉｅｓｆｏｒＲｅｆｉｎｅｄＷａｔｅｒＣｏｎｔｒｏｌ
ｉｎＤｉｇｉｔａｌＴｗｉｎＩｒｒｉｇａｔｉｏｎＡｒｅａｓ
ＬＵＯＺｈａｏｌｉｎ牞ＭＥＮＧＱｉｎｇｋｕｉ
牞ＣＨＥＮＷｕｆｅｎ牞ＺＨＡＮＧＢｏ
牗ＰｅａｒｌＲｉｖｅｒＷａｔｅｒＲｅｓｏｕｒｃｅｓＲｅｓｅａｒｃｈＩｎｓｔｉｔｕｔｅｏｆＰｅａｒｌＲｉｖｅｒＷａｔｅｒＲｅｓｏｕｒｃｅｓＣｏｍｍｉｓｓｉｏｎ牞Ｇｕａｎｇｚｈｏｕ５１０６１１牞Ｃｈｉｎａ牘Ａｂｓｔｒａｃｔ牶ＴｏｉｍｐｒｏｖｅｔｈｅｅｆｆｉｃｉｅｎｃｙｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｉｎＣｈｉｎａａｎｄｐｒｏｍｏｔｅｒｅｆｉｎｅｄｍａｎａｇｅｍｅｎｔｏｆｉｒｒｉｇａｔｉｏｎａｒｅａｓ牞ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｒｅｆｉｎｅｄｍａｎａｇｅｍｅｎｔｆｒａｍｅｗｏｒｋｆｏｒｄｉｇｉｔａｌｔｗｉｎｉｒｒｉｇａｔｉｏｎａｒｅａｓｂａｓｅｄｏｎｔｈｅｃｕｒｒｅｎｔｄｅｖｅｌｏｐｍｅｎｔｏｆｉｒｒｉｇａｔｉｏｎａｒｅａｓ．Ｍｅａｎｗｈｉｌｅ牞ｉｔｓｔｕｄｉｅｓｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｉｅｓｏｆｗａｔｅｒｓｕｐｐｌｙｐｒｅｄｉｃｔｉｏｎｉｎｉｒｒｉｇａｔｉｏｎａｒｅａｓ牞ｃｒｏｐｗａｔｅｒｄｅｍａｎｄｐｒｅｄｉｃｔｉｏｎ牞ｏｐｔｉｍａｌｗａｔｅｒｖｏｌｕｍｅａｌｌｏｃａｔｉｏｎｉｎｉｒｒｉｇａｔｉｏｎａｒｅａｓ牞ａｎｄｉｎｔｅｇｒａｔｅｄｍｅａｓｕｒｅｍｅｎｔａｎｄｃｏｎｔｒｏｌｇａｔｅｓ．Ａｓｅｔｏｆ ＦＥＤＥ ｐｌａｔｆｏｒｍｓｆｏｒｄｉｇｉｔａｌｔｗｉｎｉｒｒｉｇａｔｉｏｎａｒｅａｓｈａｖｅｂｅｅｎｃｏｎｓｔｒｕｃｔｅｄ牞ａｎｄｆｉｖｅｐａｔｈｓｏｆ ｍｕｌｔｉ ｆａｃｔｏｒｔｈｒｅｅ ｄｉｍｅｎｓｉｏｎａｌｐｅｒｃｅｐｔｉｏｎ 牞 ｆｕｌｌ ｃｙｃｌｅｗａｔｅｒｄｅｍａｎｄｆｏｒｅｃａｓｔｉｎｇ 牞 ｔａｒｇｅｔｅｄｗａｒｎｉｎｇｏｆｄｒｏｕｇｈｔａｎｄｆｌｏｏｄｒｉｓｋｓ 牞 ｆｕｌｌ ｐｒｏｃｅｓｓｒｅｈｅａｒｓａｌｏｆｗａｔｅｒｒｅｓｏｕｒｃｅｓ 牞ａｎｄ ｓｃｉｅｎｔｉｆｉｃｐｌａｎｓｆｏｒｄｉｓａｓｔｅｒｐｒｅｖｅｎｔｉｏｎａｎｄｒｅｄｕｃｔｉｏｎ ａｒｅａｄｏｐｔｅｄ．Ａｓａｒｅｓｕｌｔ牞ｃｏｍｐｒｅｈｅｎｓｉｖｅ牞ｉｎｔｅｌｌｉｇｅｎｔ牞ａｎｄｓｃｉｅｎｔｉｆｉｃｍａｎａｇｅｍｅｎｔｏｆｉｒｒｉｇａｔｉｏｎａｒｅａｓｉｓｒｅａｌｉｚｅｄ．Ａｄｄｉｔｉｏｎａｌｌｙ牞ｓｏｍｅｆｕｎｃｔｉｏｎｓｏｆｔｈｅ ＦＥＤＥ ｐｌａｔｆｏｒｍｏｆｄｉｇｉｔａｌｔｗｉｎｉｒｒｉｇａｔｉｏｎａｒｅａｓｈａｖｅｂｅｅｎｓｕｃｃｅｓｓｆｕｌｌｙａｐｐｌｉｅｄｔｏｔｈｅＬｉｕｘｉＲｉｖｅｒｉｒｒｉｇａｔｉｏｎａｒｅａ牞Ｇｕａｎｇｚｈｏｕ．Ｔｈｅｋｅｙｔｅｃｈｎｏｌｏｇｙｏｆｐｒｅｃｉｓｅｗａｔｅｒｖｏｌｕｍｅｃｏｎｔｒｏｌｔｈｒｏｕｇｈｏｕｔｔｈｅｅｎｔｉｒｅｐｒｏｃｅｓｓｏｆｄｉｇｉｔａｌｔｗｉｎｉｒｒｉｇａｔｉｏｎａｒｅａｓａｃｈｉｅｖｅｓｏｐｔｉｍａｌｗａｔｅｒｒｅｓｏｕｒｃｅａｌｌｏｃａｔｉｏｎａｎｄｉｍｐｒｏｖｅｓｗａｔｅｒｒｅｓｏｕｒｃｅｕｔｉｌｉｚａｔｉｏｎｅｆｆｉｃｉｅｎｃｙｂｙｒｅａｌｉｚｉｎｇｗａｔｅｒｖｏｌｕｍｅａｌｌｏｃａｔｉｏｎｔｈｒｏｕｇｈｏｕｔｔｈｅｅｎｔｉｒｅ ｗａｔｅｒｓｕｐｐｌｙ ｗａｔｅｒｄｅｍａｎｄ ｗａｔｅｒｄｉｓｔｒｉｂｕｔｉｏｎ ｗａｔｅｒｔｒａｎｓｆｅｒ ｐｒｏｃｅｓｓ．Ｔｈｉｓｈａｓａｇｕｉｄｉｎｇｓｉｇｎｉｆｉｃａｎｃｅｆｏｒｔｈｅｐｒｏｍｏｔｉｏｎａｎｄａｐｐｌｉｃａｔｉｏｎｏｆｄｉｇｉｔａｌｔｗｉｎｉｒｒｉｇａｔｉｏｎａｒｅａｓ．
Ｋｅｙｗｏｒｄｓ牶ｄｉｇｉｔａｌｔｗｉｎｉｒｒｉｇａｔｉｏｎａｒｅａ牷ｒｅｆｉｎｅｄ牷 ＦＥＤＥ 牷ＬｉｕｘｉＲｉｖｅｒｉｒｒｉｇａｔｉｏｎａｒｅａ
人民珠江
２０２４年
２０２２年，农业用水总量为３７８１．３亿ｍ３
，占用
水总量的６３．０％，为保障粮食安全，需更加合理地进行农业水资源配置，并提高农业水资源利用效率
［１－３］。

灌区作为水资源调配的关键工程，是农业
发展的重要保障，在中国农业发展过程中起着重要的作用
［４］。

但相关研究表明，中国目前农业用水方
式仍然为粗放型，中国农田灌溉水有效利用系数仅为０．５５４，与发达国家０．７以上的有效利用系数仍有很大差距
［５］。

因此各级灌区管理部门积极探索
可持续发展的管理思路，致力于推进数字孪生灌区发展，通过精细化管理提升灌区管理水平
［６］。

在灌
区水资源配置方面，
通过精细化的可供水量预测、需水预测、渠道水量分配以及水量精准调控等方式提高水资源利用效率。

２
０２２年１２月水利部印发的《关于开展数字孪生灌区先行先试工作的通知》明确要求，打造一批现代化数字灌区，推进灌区数字化、监控自动化、调度智能化，动态优化灌区调度，充分发挥灌区综合效益。

数字孪生灌区为精细化水量调控提供了数据支持和决策依据，通过数字化建模和仿真技术，
可以实现对灌溉过程的精确监测和优化调控，提高水资源利用效率和农业生产效益。

目前国内外对于数字孪生灌区的研究已有了部分成果。

各学者分别从数字孪生灌区发展思考［７－８］
、建设架构
［９－１０］
、关
键技术
［１１］
、物联网平台
［１２］
等方面开展了研究。

目前相关研究只是针对数字孪生灌区的发展提
出构想，并未实地应用，并且缺乏对于灌区水量调控的“供水－需水－配水－调水”全过程的研究，无法实现数字孪生灌区全过程精细化水量调控。

本研究以流溪河灌区为试点，在数字孪生灌区的框架下，通过对灌区水量调控过程的关键技术研究与应用，系统实现了“
供水－需水－配水－调水”的链条化管理，实现流溪河灌区精细化管理，对数字孪生灌区的推广与应用具有指导意义。

１　数字孪生灌区总体结构
数字孪生灌区的总体架构见图１。

系统分为物理流域、基础设施、数字孪生平台以及业务应用。

其中物理流域主要包括灌区相关的河道、
水库、灌渠、农田以及闸泵。

基础设施分为两部分，一部分是灌区水情、
工情、视频等监测设备，另一部分是数据传输网络，包括业务网和工控网两部分。

数字孪生平台包括数据底板、模型平台以及知识平台。

数据底板部分包括地理空间数据、
监测数据、业务管理数据集成以及数据治理等内容，为数字孪生平台提供数据基础。

模型平台包括灌区专题模型（
来水预报、需水预测、水资源配置等）、智能识别模型（遥感识别、视频识别、图像识别等）以及可视化模型，结合知识平台为业务应用提供支撑。

业务应用包括防汛抗旱、
灌区水资源管理与调配以及工程管理等，并实现灌区“四预”功能。

图１
　数字孪生灌区框架Ｆｉｇ．１Ｆｒａｍｅｗｏｒｋｏｆｄｉｇｉｔａｌｔｗｉｎｉｒｒｉｇａｔｉｏｎａｒｅａ
４
３
第４期罗朝林，等：数字孪生灌区精细化水量调控关键技术研究与应用
２　精细化水量调控关键技术研究
２．１　灌区可供水量预测
灌区可供水量包括上游供水水库水量以及水库到灌区的渠道水量，其中上游水库水量可占总供水量的９５％以上。

因此，开展灌区供水水库可供水量预测对于农业生产和水资源管理具有重要意义。

传统的预测方法往往依赖于统计模型和经验规则，其预测精度有限。

基于长短时记忆神经网络（ＬＳＴＭ）的水库可供水量预测方法能够自动学习时间序列数据中的复杂关系，不需要依赖于人工定义的规则。

此外，该方法还能够利用历史数据中的长期依赖关系，提高预测的准确性。

因此，该方法能够有效地提高预测精度，实现灌区可供水量的动态预测，为农业生产和水资源调配提供有力支持。

２．２　作物需水预测
作物需水量预测是实现实时灌溉预报的基础［１３］，参考作物需水量（ＥＴ０）是反映各种气候条件对作物需水量影响的综合因素，联合国粮农组织（ＦＡＯ）推荐ＰＭ公式为计算ＥＴ０的方法，但ＰＭ公式需要一系列的经验系数和复杂的公式、很多参数需要地区校正，给实际预测带来一定的困难，在需水量预测方面存在缺陷，限制了它的应用和推广。

通过建立作物需水量预测模型可有效解决ＰＭ公式存在的不足，可为灌溉预报及决策提供较为准确的ＥＴ０预报数据。

根据国内外需水预测的研究，预测方法大概可以分为回归分析、自回归积分滑动平均模型和神经网络模型［１４］。

这些预测方法依据所研究区域、预测周期和资料收集等情况的不同，会导致抗随机因素能力差别大，计算精度不是完全一致。

在农田中，土壤、作物和气候会对作物腾发量产生影响，传统的作物需水预测模型影响因素较多，无法在数字孪生灌区系统中应用，而深度神经网络可以有效解决该问题［１５］。

作物需水量预测一般需要较长的时间序列数据，与其他模型相比，长短期记忆网络（ＬｏｎｇＳｈｏｒｔ ＴｅｒｍＭｅｍｏｒｙ）在长时间关系的拟合能力方面更优。

本研究通过对作物需水量的相关影响参数进行分析，选择温度、风速、湿度以及日照时长作为关键影响参数，构建了基于ＬＳＴＭ的作物需水预测模型。

模型主要由４个网络层（输入、输出、隐藏、模型训练）构成［１６］。

基于ＬＳＴＭ的作物需水预测模型的训练步骤：①对选择的温度、风速、湿度以及日照时长的原始数据进行预处理，并选择归一化处理方式；②将归一化处理后的数据分为训练集和测试集；③构建ＬＳＴＭ模型，通过优化各参数进行模型训练，使模型效果达到最优。

２．３　灌区渠道水量优化配置
灌区涉及多级渠道，系统构建整个灌区渠系动态优化配水模型时，将总干、干渠及支渠作为研究对象。

通过作物需水预测模型，可获得未来一段时期（周或旬）不同区域需要灌溉的日期和水量。

之后，需要结合灌区的实时工情、水情等信息，开展智慧决策调度，合理进行渠系配水，保证水源供水通过各级渠系“适时、适量”进入所需的灌溉区域，满足作物精准灌溉的需求。

２．３．１　灌区可供水量
根据基于长短时记忆神经网络的水库可供水量预测模型的预测结果作为灌区可供水量依据。

２．３．２　数学模型构建
２．３．２．１　目标函数
ａ）渠系输水损失最小：
ｍｉｎＷ
ｓ
＝Ｗ
ｚｓ
＋Ｗ
ｇｓ
＋Ｗ
ｚ’ｓ
（１）
式中　Ｗ
ｓ
———灌区各级渠系输水总损失水量；
Ｗ
ｚｓ
———灌区总干渠输水损失；Ｗ
ｇｓ
———灌区
参与输水的干渠损失水量；Ｗ
ｚ’ｓ
———灌区参与配水的支渠损失水量。

渠道输水损失与渠道正常运行流量、输配水时间、渠道水利用系数、渠道长度及衬砌情况、渠床特性等有关，可采用理论计算公式结合实测数据修正。

ｂ）渠道输水过程的流量变化最小：
ｍｉｎＳＣ
Ｖ
＝Ｃ
ｚＶ
＋Ｃ
ｇＶ
（２）
式中　ＳＣ
Ｖ
———总干渠和干渠的输水过程流量变异
系数；Ｃ
ｚＶ
———总干渠的流量变异系数；
Ｃ
ｇＶ
———各条干渠的流量变异系数。

５
３
人民珠江２０２４年
２．３．２．２　约束条件
按照灌区渠道运行的要求，该模型的约束条件
包括：①支渠配水流量约束，实际配水流量为设计流量的０．６～１．０倍；②最大轮期约束，渠系总配水时间小于根据灌溉预报计算确定的允许最大总配水时间；③上下级渠道输水水量平衡约束；④上下级渠道输水连续性约束。

２．３．３　模型求解及运行结果验证
ａ）模型求解流程。

①模型输入：进行渠系资料、需水资料的输入；②子系统模型优化：采用遗传算法进行模型优化，生成最优解方案下各干渠各时段配水流量Ｑ
ｉｔ
（ｉ＝１，２，３，４；ｔ＝１，２，Ｔ），然后将各个子系统最优解对应的各时段配水流量反馈给总干系统协调层；③总干系统协调层按照配水准则进行
模型优化得到修正后的干渠流量过程Ｑ
ｉｔ
′（ｉ＝１，２，３，４；ｔ＝１，２，Ｔ），子系统再根据修正后的干渠流量过程，进行干－支渠子系统优化，直至总干渠目标函数值达到最优或修正前后干渠流量变化最小为止。

ｂ）模型运行结果分析。

数学模型及其求解方法以Ｐｙｔｈｏｎ编程实现，得到渠系各干渠额运行方案，并与经验法确定的渠道运行方案进行比较，评价模型运行结果。

２．４　测控一体化闸门
渠道输配水过程的精确计量和控制是实现灌区用水总量定额管理的基础［１７］。

智能测控一体化闸门，采用视觉型明渠流速检测装置测量的流速、水位信息，与阀门控制系统组合来完成对渠道内输配水的精确监控。

本研究采用解耦控制使水位波动降至最低，以保证所有分水口供水的平稳；通过按需供水进行水量分配，提高灌区用水效率。

智能测控一体化闸门分为闸门本体机械电气单元、智能测控单元及太阳能光伏供电单元三大主要模块，详细结构见图２，其中测控单元的信息采集模块可接受视觉式明渠流量测量设备测量的流量、水位，为闸门智能控制提供依据。

测控单元硬件组成见图３，主要包括主控模块、数据采集模块、数据存储模块、ＬＣＤ显示模块、视频／图像采集模块、无线通信模块、电源模块、ＲＳ２３２／４８５接口及电机驱动接口等。

图２　智能测控一体化闸门结构示意
Ｆｉｇ．２Ｉｎｔｅｇｒａｔｅｄｇａｔｅｓｔｒｕｃｔｕｒｅｏｆｉｎｔｅｌｌｉｇｅｎｔ
ｍｅａｓｕｒｅｍｅｎｔａｎｄｃｏｎｔｒｏ
ｌ
图３测控单元结构示意
Ｆｉｇ．３Ｍｅａｓｕｒｅｍｅｎｔａｎｄｃｏｎｔｒｏｌｕｎｉｔｓｔｒｕｃｔｕｒｅ
主控模块是核心器件，其性能直接决定了整个测控单元的综合功能和各项性能指标，本研究采用３２位嵌入式ＡＲＭ处理器；视频／图像采集模块负责现场环境场景的信息采集，并为结合视觉式明渠流量测量设备提供水流和水尺的原始图像；数据采集模块负责采集闸门开度并接入结合视觉式明渠流量测量设备提供的水位、流量数据；无线通信模块负责将现场采集各项参数和计算的流量信息传送到远程监控中心，并接收监控中心下达的调度控制指令，采用４Ｇ无线通信技术，满足视频／图像远程传输的需要。

６３
第４期罗朝林，等：数字孪生灌区精细化水量调控关键技术研究与应用
２．５　数字孪生灌区“四预”平台构想
为全面提高灌区的智能化水平，供水管理的精准化水平及对水资源的调控能力，本文设计了一套数字孪生灌区“四预”平台。

该平台通过“多要素立体感知”“全周期需水预报”“旱涝风险靶向预警”“水资源全过程预演”“防灾减灾科学预案”５条路径，可以对灌区进行全方位、智慧化、科学化的管理，实现农业用水高效、增产增值。

２．５．１　多要素立体感知
多要素立体感知是智慧灌区管理体系构建的基础，通过全面的立体感知体系，为实现智慧化的灌区管理提供全面可靠的数据信息；通过强化卫星、无人机遥感和地面监测的联动应用，建立集降雨量、流量、水位、水质、图像视频、遥感信息的空天地网立体监测网络，打造雨情－水情－险情－灾情多要素多层次信息链，打破单一要素感知的局限，为灌区的“四预”工作的开展和指挥决策提供支撑。

２．５．２　全周期需水预报
灌区灌溉水量直接影响作物产量，通过开展作物全生命周期需水量预测，获得农作物生长最佳需水量和灌溉时间，依照作物的生长需求，科学、精量、适时地为作物补充水分；结合作物种植结构可预测灌区各典型田块灌溉用水量，根据灌区各级水利用系数及灌溉工程现状，实现整个灌区的需水预测。

２．５．３　粗放用水靶向预警
紧盯重点取用水户取水量、灌区重要排水沟排水量、灌区地下水位、主要河流生态流量等关键指标，落实“人防＋物防＋技防”三位一体监测措施，用水实时数据与用水定额先进指标对比，以水资源承载力临界超载和超载响应为上限，基于云技术构建新一代灌区节水预警通用模型平台，切实加强对灌区用水行为的动态监测监管。

２．５．４　水资源全过程预演
根据不同预见期的旱涝预报成果和全灌区水资源需求形势，基于“四预”平台的数字化场景，从水源、全渠系（干支斗农）到终端用水户动态预演不同形势下的水量分配和输配水方案，分区分段多尺度展示输配水发展态势，评估不同方案的可行性和防灾减灾作用，并自动迭代优化水量分配和输配水方案，达到旱涝灾害减灾、工程隐患少成灾的目的。

２．５．５　防灾减灾科学预案
在灾情方面，为应对灌区突发旱涝灾害，通过“四预”平台将水资源全过程预演的水量分配结果与灌区输配水过程融合，进一步解构防旱涝目标和重点，落实落细旱涝防御对策，从需水、供水、耗水、排水４个方面给予灌区科学精准指导，形成智能型灌区防汛抗旱预案，提高灌区韧性防御能力。

３　数字孪生灌区应用
３．１　试验区概况
广州市流溪河灌区由大坳渠首枢纽工程、李溪拦河坝引水枢纽工程和灌溉渠系（图４）组成，是以引水为主，蓄、引、提相结合的灌溉系统。

在灌区中建设包括水雨情监测、土壤墒情监测、测控一体化闸门、视频监控、明渠流量计等硬件设施设备，并构建了数字孪生灌区管理平台实现对灌区的智慧化管理。

３．２　实施效益
为实现流溪河灌区精细化管理，融合智能感知、需水预报、水量调度和数字孪生等先进技术构建了广州流溪河智慧灌区“四预”平台。

系统于２０１９年４月正式上线应用，经不断迭代升级，能够实现农作物生长最佳需水量和灌溉时间预测，并且可自主根据作物需求驱动设备完成智能化灌溉，实现了高效智能的灌溉决策，实现按需、按期、按量高效供水，做到计划用水、优化配水，提高了灌区综合效益。

截至２０２３年，流溪河灌区灌溉供水保障率达到９５％以上，并入选２０２２年省级节水型灌区。

平台包括灌区一张图、可供水量预测、需水预测、水量配置以及自动控制等功能，系统实现了“供水－需水－配水－调水”的链条化管理，有效改变了原来按照设计和计划供水的模式，为实现“按需供水，精准配水，减少弃水”的目标提供了科学手段。

ａ）灌区一张图。

在数字化场景中动态展示灌区运行的各类信息，主要包括作物信息、气象信息、用水统计、闸门运行状态、设备状态、作物需水预测等，为管理单位及时了解灌区运行状况、合理调配水资源提供科学依据，见图５。

７
３
人民珠江２０２４
年
图４
　广州市流溪河灌区渠系分布Ｆｉｇ．４ＣａｎａｌｓｙｓｔｅｍｄｉｓｔｒｉｂｕｔｉｏｎｉｎＬｉｕｘｉＲｉｖｅｒｉｒｒｉｇａｔｉｏｎａｒｅａｏｆＧｕａｎｇｚｈｏ
ｕ
图５
　灌区一张图模块界面Ｆｉｇ．５Ｏｎｅ ｍａｐｍｏｄｕｌｅｉｎｔｅｒｆａｃｅｏｆｔｈｅｉｒｒｉｇａｔｉｏｎａｒｅａ
ｂ）可供水量预测。

驱动可供水量预测模型，实现了流溪河灌区上游流溪河水库及黄龙带水库全年月、旬尺度的可供水量预测，以及未来１周的日来水量预测。

ｃ）需水预测。

综合作物当前的生长周期、气象预测预报数据，灌区实时监测数据，渠系水利用系数等因素，对当前作物的需水情况进行精准预测（图６）。

ｄ）水量配置。

根据来水和需水情况进行供需平衡分析，
驱动水资源优化配置模型，按照“缺水量最小、弃水量最小”原则，灵活制定“组内续灌，组间轮灌”
策略，输出每条渠道的配水流量、配水量、配水开始和结束时间，生成灌区配水方案。

ｅ）自动控制。

根据自动生成调度指令，通过远程控制测控一体化闸门启闭，实现对灌区内的水资源进行科学调配。

８
３
第４期罗朝林，等：
数字孪生灌区精细化水量调控关键技术研究与应用
图６
　需水预测模块界面Ｆｉｇ．６Ｉｎｔｅｒｆａｃｅｏｆｗａｔｅｒ ｄｅｍａｎｄｍｏｄｕｌｅ
４　结论
开展了对灌区精细化管理关键技术的研究与应用，并将关键技术与灌区管理系统融合构思了数字孪生灌区“
四预”平台的功能和效果，为未来数字孪生灌区的发展提供了思路。

系统在流溪河灌区的应用表明，其有效提高了灌区水资源利用率和管理水平，
实现了灌区的可持续发展。

但是对于本文提出的数字孪生灌区中的防灾减灾科学预案并未能在流溪河灌区中实现，后续需要进行进一步研究应用。

参考文献：
［１］谭倩，缑天宇，张田媛，等．基于鲁棒规划方法的农业水资源多目
标优化配置模型［Ｊ］．水利学报，
２０２０，５１（１）：５６－６８．［２］翟浩辉．我国农业节水与国家粮食安全［Ｊ］．中国农村科技，
２０１１（２）：４２－４５．
［３］王海龙，王会肖，刘海军，等．农业水资源高效利用的若干问题研
究［
Ｊ］．南水北调与水利科技，２０１０，８（１）：８２－８７，９８．［４］姜明梁，邓忠．我国灌区信息化建设现状与发展对策［Ｊ］．中国农
村水利水电，
２０１９（１０）：１３２－１３３，１３８．［５］刘峰．我国农业水资源利用存在的问题及管理对策［Ｊ］．乡村科
技，
２０２１，１２（２９）：１００－１０２．［６］张波，陈武奋，江显群．数字孪生灌区建设中的关键技术应用
［Ｊ］．水利建设与管理，
２０２０，４０（９）：７２－７６．［７］邱俊楠，王宏伟，李树元，等．数字孪生灌区建设探讨［Ｊ］．农业科
技与信息，
２０２２（３）：１１８－１２１．［８］戴玮，李益农，章少辉，等．数字孪生灌区建设发展思考［Ｊ］．中国
水利，
２０１８（７）：４８－４９．［９］史良胜，查元源，胡小龙，等．数字孪生灌区的架构、理论和方法
之初探［
Ｊ］．水利学报，２０２０，５１（１０）：１２１２－１２２２．［１０］王自云．数字孪生灌区的架构、理论和方法之我见［Ｊ］．低碳世
界，
２０２１，１１（７）：９１－９２．［１１］杨志静．数字孪生灌区建设中的关键技术应用［
Ｃ］／／２０２１中国水资源高效利用与节水技术论坛论文集，
２０２１．［１２］李子阳，马福恒，李涵曼，等．人民胜利渠灌区智慧管理平台的
物联网架构［Ｊ］．中国农村水利水电，２０１９（６）：８８－９２．［１３］谢家兴，高鹏，孙道宗，等．基于长短期记忆的柑橘园蒸散量预
测模型［
Ｊ］．农业机械学报，２０２０，５１（Ｓ２）：３５１－３５６．［１４］董云程，周明，杜坤，等．城市需水量预测方法与模型综述［
Ｊ］．软件导刊，
２０１９，１８（１２）：１－５．［１５］邢立文，崔宁博，董娟．基于Ｌ
ＳＴＭ深度学习模型的华北地区参考作物蒸散量预测研究［Ｊ］．水利水电技术，２０１９，５０（４）：６４－７２．［１６］ＴＩＡＮＹ牞ＸＵＹＰ牞ＹＡＮＧＺ牞ｅｔａｌ．Ｉｎｔｅｇｒａｔｉｏｎｏｆａｐａｒｓｉｍｏｎｉｏｕｓ
ｈｙｄｒｏｌｏｇｉｃａｌｍｏｄｅｌｗｉｔｈｒｅｃｕｒｒｅｎｔｎｅｕｒａｌｎｅｔｗｏｒｋｓｆｏｒｉｍｐｒｏｖｅｄｓｔｒｅａｍｆｌｏｗｆｏｒｅｃａｓｔｉｎｇ犤Ｊ犦．Ｗａｔｅｒ牞２０１８牞１０牗１１牘．ＤＯＩ牶１０．３３９０／ｗ１０１１１６５５．
［１７］侯文涛，白美健，陈炳绅，等．测控一体化闸门及其调控技术研
究分析［
Ｊ］．节水灌溉，２０２１（８）：４７－５１．（责任编辑：向　飞）
９
３。