流域防洪“四预”关键技术研究与应用
摘要：流域防洪“四预”（预报、预警、预演、预案）是数字孪生流域建设的出发点和落脚点，是提升流域防洪减灾能力、保障人民生命财产安全的重要手段。在智慧水利体系和数字孪生流域技术框架下，设计了流域防洪“四预”通用业务流程框架，建立了预案执行驱动的预报结果滚动调整、预警信息动态更新、预演干预对象调整的动态互馈机制；构建了“三道防线”驱动的流域洪水预报调度技术框架，支撑滚动预报和正反向预演；研究了由核心智能体和方案匹配、方案评估、自学习、自优化辅助智能体组成的“1+4”多智能体系统架构，提出了流域防洪预案自学习自优化智能决策新模式。成果可为流域防洪“四预”业务流程标准化、雨水情监测预报“三道防线”建设应用、水利行业大模型研发提供支撑。
随着全球气候变化影响日益显著，极端天气事件频发重发，水旱灾害的复杂性和不确定性显著增加，对国家水安全构成严峻威胁。习近平总书记关于网络强国的重要思想和关于治水重要论述，强调利用现代信息技术手段提升水利治理能力的重要性。水利部高度重视数字孪生水利建设，将其作为发展水利新质生产力、推动水利高质量发展、保障国家水安全的实施路径之一。流域防洪“四预”（预报、预警、预演、预案）是数字孪生流域建设的出发点和落脚点，是提升流域防洪减灾能力、保障人民生命财产安全的重要手段。在智慧水利体系和数字孪生流域技术框架下，紧扣流域防洪业务，锚定“四预”目标，开展流域防洪“四预”关键技术研究与应用，为数字孪生水利建设探索可复制、可推广的技术思路与实现路径，具有现实的借鉴和指导意义。
当前数字孪生流域建设取得阶段性进展，流域防洪“四预”应用场景成果相对较多，但仍存在不少亟须研究和解决的问题，主要表现在防洪“四预”流程需要进一步通用化、规范化、精细化，“三道防线”预报预警作用需要进一步发挥，正算反演过程交互能力、模拟效率需要进一步提升，“四预”中预案功能应用效果需要进一步夯实等方面。重点针对以上问题，以流程优化配置为核心内容，构建流域防洪“四预”通用流程体系，通过流程驱动预报、预演、预案相关关键技术研究，明确“三道防线”驱动的流域洪水预报、流域防洪“正向—反向—正向”预演、流域防洪预案功能自优化智能决策等关键技术框架，保障“四预”业务流程、核心功能与关键技术的相互匹配和相互支撑；最后聚焦三峡工程、洞庭湖流域等典型工程、典型流域，通过流程移植和技术应用，对防洪“四预”通用流程体系、关键技术体系的适用性进行验证。
01、流域防洪“四预”业务流程优化
1.业务流程总体框架
防洪“四预”业务中的预报、预警、预演、预案四者既环环相扣、层层递进，也存在随预案执行过程的动态变化反馈逻辑。这些业务环节是建立在“三道防线”监测与模型预报基础上，对防汛起到辅助会商决策的智能支撑作用。反馈逻辑主要体现在随着工程调度信息的更新，预报结果会滚动调整，预警信息会动态更新，预演的目标和干预对象随之发生变化。防洪“四预”业务流程框架如图所示。
▲流域防洪“四预”业务流程框架
实况是对“三道防线”监测信息的实时接入与全面呈现；预报是对水文、水动力、洪水风险要素的提前预判；预警是对不同水利对象各类预警信息及时发布提醒；预演是对流域防洪场景进行“正向—反向—正向”调度优化推演；预案是对水利工程调度运用与组织实施的动态执行；会商是对实况信息的综合态势分析与防洪“四预”结果的科学运用。
2.“三道防线”支撑风险要素预报
预报是防洪“四预”的首个核心业务环节。以“三道防线”为基础，结合感知与模型联合模拟同化技术，形成从传统水文水动力要素预报向风险要素预报转变的核心流程。该流程包括“三道防线”接入、利用模型的自动预报任务配置、作业预报及成果发布等阶段。
（1）监测要素与模型接入
加密监测站网与预报要素，提高预见期与预报精度。在构建现代化的雨水情监测预报“三道防线”体系基础上，进一步加密监测站网，并接入降雨预报模型、产汇流水文模型和洪水演进水动力学模型，实现预报要素的同步加密与增加。通过逐级延伸洪水演进传导预报，有效提高洪水预报精度和应急响应速度。
（2）自动预报配置
增加数据同化效率与预报场景，形成集合预报多类成果。考虑“三道防线”实测降雨与预报降雨的融合，接入气象水文实时库，同步驱动模型计算引擎。通过配置预见期与预报频率，实现实况数据实时同化与初始场自动校正。自动预报模型库考虑配置多种边界组合场景，通过并行算法实现多预报模式的同步模拟，并输出多类集合预报成果。
（3）作业预报制作
融合滚动成果与预报方案，强化预报调度同步运行。充分利用预报模型参数自率定功能，承接不同自动预报模式热启动状态，缩短作业时间。考虑专家经验和历史相似案例，对多种预报方案进行比较优选。强化预报调度一体化，实现实时在线互通，提高预报时效性。预报会商环节组织相关部门进行联合会商，形成综合意见。成果发布环节及时将预报成果报送相关部门并向社会统一发布。
3.潜在洪水风险靶向预警
预警是防洪“四预”的第二个业务环节。以雨水情监测预报“三道防线”体系为基础，形成洪水靶向预警的核心流程，包括感知预报加密获取、预警信息靶向发布、响应措施精准服务三个阶段。
（1）感知预报加密获取
加强与模型耦合，增加预报对象并延伸预报要素。充分利用雨水情监测预报“三道防线”体系，加密监测感知站网密度，耦合模型提升预见期和预报精度。预报要素由传统水文要素向水动力、风险要素延伸扩展，为预警工作赢得先机，并扩大预警对象范围。
（2）预警信息靶向发布
加强与多行业衔接，拓宽发布渠道并加快警情发布。制定水灾害风险指标和阈值，确定预警对象、范围和等级。构建动态预警模式，及时将预警提示推送至一线人员和社会公众。利用防洪“四预”系统预演功能进行防汛会商，拓宽预警信息发布渠道。
（3）响应措施精准服务
加强与地方联动，科学制定响应措施并动态更新。加强超标准、极端洪水情景下的预案编制，确定启用条件与程序。构建动态响应业务流程，为采取响应措施提供指引和信息服务。
4.“正向—反向—正向”预演
预演是防洪“四预”的第三个业务环节。以水文-水动力耦合通用模型和数据底板支撑实例化模型为基础，形成“正向—反向—正向”工程调度优化迭代流程。
（1）正向预演
干预工程规则调度，推演现状工程体系下洪水风险形势与影响。承接预报功能中当前滚动预报方案，模拟现状工程体系下洪水风险形势与影响。若存在洪水警情或险情，干预模型边界条件库或调度规则库，优化调度对象与执行方案。
（2）反向预演
设置调度目标约束，推演现状工程体系下最优动态调度方案。在明确控制断面调度目标条件下，通过建立多目标优化调度模型或构建干预模型调度规则的调度方案集，采用人工智能算法优化联合调度，解决超额洪水量再分配、调度方案最优化问题。
（3）正向预演
基于最优调度方案，推演现状与应急状态洪水风险形势与影响。正向推演流域洪水最优化调度防御过程，掌握关注断面水文水动力特征、堤防安全及漫溢风险状况。考虑超标准洪水情景下的人工干预场景，增设预防溃口、加高挡水防线的临时应急工程，推演洪水对下游的影响。
5.动态优化调度执行预案
预案是防洪“四预”的最终目的。预案功能包括水利工程调度运用、非工程措施制定、组织实施等。根据预演确定的方案，考虑水利工程最新工况、经济社会情况，明确规定各类水利工程的具体运用方式。非工程措施制定包括值班值守、物料设备配置、查险抢险人员配备等应对措施。组织实施包括落实执行机构、权限和职责，明确信息报送内容、方式和要求，在预演的基础上，可以有效增加准备时间，实现预案执行过程的动态化、科学化和精准化。
2、流域防洪“四预”关键技术研究
1.“三道防线”驱动的流域洪水预报技术
（1）基于“三道防线”的多源降雨融合
降雨是“降雨—产流—汇流—演进”链条的首要环节，是预报、预警、预演、预案“四预”流程的关键驱动因子。传统洪水预报基于“落地雨”，预见期不超过流域汇流时间；气象水文耦合洪水预报从“云中雨”出发，降雨预报的精度和预见期直接影响洪水预报的精度和预见期。“三道防线”提供了气象卫星、测雨雷达、雨量站等多种来源，实测、估测、外推等多种类型，以及时空尺度、预见期、精度各不相同的降雨监测预报数据。在“三道防线”建设背景下，构建多源降雨融合方案（见下图），充分发挥气象卫星覆盖范围广、雷达时空分辨率高、数值模式预见期长、雨量站精度高的优势，为洪水预报滚动提供时空精度最优、预见期无缝衔接的降雨监测预报输入，是现阶段实现延长洪水预见期与提高洪水预报精准度有效统一的可行路径。融合过程以当前时刻分为实测降雨融合和预报降雨融合。在自动预报和作业预报流程中，可根据实际业务需求和雨情发展趋势灵活选用“实测融合”“预报融合”“实测融合+预报融合”作为降雨输入。融合降雨以网格形式呈现，便于进一步处理成流域洪水预报计算单元所需的面雨量。
▲基于“三道防线”的多源降雨融合方案
①实测降雨融合技术
国家气象信息中心在多源降雨融合方面的研究与应用起步相对较早，从“地面-卫星”二源融合到“地面-雷达-卫星”三源融合，时空分辨率不断提高，同时证实了融合降雨精度优于任何单一来源降雨。参考国家气象信息中心三源降雨融合技术框架，对气象卫星反演降雨、雷达估测降雨和雨量站实测降雨进行融合，主要包括系统误差订正、背景场构建、空间降尺度、三源降雨融合四个步骤。系统误差订正采用概率密度函数匹配法，一定程度上消除了卫星、雷达降雨的系统误差，订正后的雷达、卫星降雨保持了原来的空间分布形态，但量值上与雨量站更加接近。背景场构建基于贝叶斯模型平均原理，以后验概率作为权重对卫星、雷达降雨进行加权平均，得到最接近雨量站降雨的背景场。空间降尺度引入更多来自雷达降雨的关键降雨细节（如强降雨中心等），利用比例订正因子对背景场进行空间降尺度，得到更高分辨率的背景场。三源降雨融合采用最优插值，在高分辨率背景场基础上，加上一定空间范围内雨量站降雨与背景场偏差的加权估计，实现卫星、雷达、雨量站三源降雨融合。最终的三源融合降雨覆盖完整，保留了雷达降雨的高分辨率、雨量站降雨的高精度特征。
②预报降雨融合技术
气象卫星现阶段侧重于强对流云团覆盖范围内强降雨风险预警等定性应用，重点关注基于雷达外推和数值模式的预报降雨融合。融合过程的实质是“取长补短”，按预见期可分为0~1h、1~6h、6h以上无缝衔接的三个阶段。预见期0~1h完全采用雷达外推预报，主要是考虑到数值模式在起始阶段预报误差均较大，不及雷达外推预报效果好。预见期1~6h采用雷达外推预报与数值模式预报加权平均，雷达外推权重逐渐减少，数值模式权重逐渐增大，主要考虑到雷达外推预报能力随预见期延长而迅速下降，而数值模式经过预热和同化，预报能力随预见期延长而提高。动态权重可以按照雷达外推、数值模式预报技巧评分赋值，也可采用正弦权重、双曲正切权重、实时滚动权重等方法计算确定。预见期6h以上完全采用数值模式预报，主要考虑到雷达外推预报6h以后已不具备参考价值，而包含动力学过程的数值模式仍保持一定的预报能力。
未来气象卫星外推由定性向定量发展，临近预报降雨融合也可以从二源向三源深入；三个阶段的划分不是一成不变的，需根据各类型降雨预报技术的进步适时调整；延长短临、短中期降雨预报模型预见期和提高精准度仍十分必要，如将气象卫星和雷达监测数据同化融入数值模式背景场，开展降雨集合预报等。
（2）基于“三道防线”的预报调度一体化
洪水预报和防洪调度是防汛工作的重要技术支撑。预报以调度为边界条件提前预知洪水，调度以预报为主要依据合理安排洪水，调度调整触发预报滚动更新，预报更新驱动调度实时调整。从业务逻辑层面，预报与调度相辅相成、互馈互益，本就是一体的；而在实际业务层面，预报一般由水文部门进行作业，调度则由水旱灾害防御部门组织实施，预报调度一体化机制主要依靠“离线”人工方式实现，两者融合度还不够。现阶段，数字孪生水利建设大力推进，为赋能预报调度一体化从“离线”走向“在线”带来了机遇。
数字孪生水利建设背景下的预报调度一体化，应充分发挥雨水情监测预报“三道防线”和数字孪生水利知识平台的支撑能力。如下图所示，“三道防线”通过“硬件”（气象卫星和测雨雷达、雨量站、水文站等）和“软件”（降雨预报模型、产汇流水文模型、洪水演进水动力学模型等）耦合应用，形成贯通“云雨水”、覆盖“天空地水工”的完整监测预报链条，是实现预报调度一体化在线的关键基础。水利知识平台通过定制训练，掌握了现有调度方案预案、历史调度案例、调度经验习惯、调度对象关联关系等调度领域知识，具备了调度方案动态生成能力，是实现预报调度一体化在线的智能核心。知识平台依据“三道防线”提供的雨水情信息，对当前防汛形势进行解析，推理生成推荐的预见期调度方案，驱动水文水动力学模型模拟预见期洪水过程。当预演结果不符合预期调度目标，请求知识平台再次推荐预见期调度方案，以此循环；若符合预期则提交会商决策，形成正式调度方案。调度方案在执行过程中实时进行效果评估，如无法达到预期调度目标应适时进行人工干预；对于执行效果好的调度方案，应反馈至知识平台，进一步增强未来调度方案的生成能力。
▲基于“三道防线”和知识平台的预报调度一体化框架
①预报模型实时交互技术
随着“三道防线”建设的加快推进，流域下垫面遥感、水文实时监测、水工程调度运行等多源数据高频汇集，形成丰富的算据资源。将反映物理流域最新状态的监测信息实时融入“三道防线”产汇流水文预报模型、水动力学预报模型，动态干预模型运行轨迹，促进预报滚动迭代，有助于提高预报精准度和可靠性。
数据同化是将多源监测信息应用于模型模拟预报的一种有效手段，被公认是提高模型模拟预报精度、量化不确定性方面最具前途的方法。“三道防线”监测感知信息不仅可以作为输入直接驱动预报模型，还可以通过数据同化实现与模型更深层次的交互。上图中，预报模型可以看作是由一组包含状态和参数的方程构成，与模型的实时交互实际上是对其状态和参数的动态调整。数据同化基于最优控制、误差估计等数理统计理论，通过不断引入新的实测信息，寻求预报模型状态或参数的最优解并反馈至模型，从而达到减小预报误差、获得更高精度预报结果的目的。
土壤湿度是流域洪水预报模型重要的状态变量，对预报精度影响极大。挖掘利用“第一道防线”卫星遥感反演土壤湿度和土壤墒情站监测数据的有效信息，借助数据同化技术，改进预报模型土壤湿度状态模拟。由于卫星遥感反演土壤湿度仅能反映表层情况，必要时需向深层进行推算，以符合预报模型土壤湿度状态变量的物理意义。“第三道防线”水文站实时精准监测本站洪水，一方面可实现向下游的洪水演进传导预报；另一方面可与“第一道防线”“第二道防线”产汇流水文预报模型交互，将最新的径流监测数据不断同化至模型内部，滚动优化模型状态，进而提高洪水预报精度。
②正反向预报调度模拟技术
水利部印发的《水利业务“四预”基本技术要求（试行）》中指出，流域防洪前瞻预演应同时具备“正向”与“反向”功能。正反向预演的关键在于实时、快速且精准的预报调度模拟，在洪水预报由传统水文水动力要素预报向风险要素预报转变、洪水预警由阈值预警向风险预警转变的背景下，气象、水文、水动力等多过程耦合模拟成为趋势，同时也面临速度与精度的双重挑战。目前，主要有三种正反向预报调度模拟方法展现出一定的实用效果与推广潜力。
基于超额水量分配与轮库补偿迭代的反向优化调度：主要用于流域水库群防洪联合调度。从防洪控制断面的超额水量出发，依据水库的空间位置、空闲库容、入库洪水过程、后续防洪形势等因素，确定各水库的超额水量分配额度，将超额水量分配给各水库，通过水库群轮库补偿调度，达到给控制断面削减洪峰的目的。
基于水文水动力过程概化与多目标联合的反向优化调度：数字孪生永定河利用多元回归、曲线拟合等方法概化河道洪水演进及泛区口门分洪过程，以河道流量预测泛区口门流量，将单次洪水计算时长由水力学的8min压缩至0.08s；基于差分进化算法对全河段11个关键节点进行多目标优化求解，借助并行加速计算，支持实时决策。
基于静态-动态变量解耦的洪涝风险快速模拟：适用于水工程调度控制的水网地区洪涝风险快速分析。在精度方面，基于精细化网格的水文水动力学模型，构建多组降雨条件下的积淹水深方案，形成插值采样点；在速度方面，将静态变量（降雨预报网格、水文模型汇水单元、水动力学模型网格之间的空间叠置关系以及计算方案的采样点等）与动态变量（降雨量、水深等）进行解耦处理，对于静态变量采用离线预计算，并通过分布式数据库进行存储，以提升计算性能。
2.流域防洪预案功能自优化智能决策技术
流域防洪预案功能自优化智能决策技术是结合防洪调度运用方案知识图谱，构建防洪调度运用方案自学习自优化多智能体系统，基于历史事件场景、调度规则、洪水风险和应急抢险等信息，适时嵌入专家经验，通过自优化互馈机制，支持调度运用方案正向智能推荐和反向评估优化，使其能够根据预报、预演、实测、响应等变化条件自优化滚动学习，实现防洪调度运用方案自生成、自评估、自优化、自验证等全链条智能化管理，为防汛会商指挥调度提供科学合理的最优方案比选智能支撑。流程如图所示。
▲流域防洪预案功能自优化智能决策技术流程
（1）防洪调度运用方案事件知识图谱
以流域防洪调度事件为驱动，通过事件知识抽取、事件知识融合和事件知识更新，对防洪调度运用方案的组成要素、时空变化、应急抢险和防御调度过程进行知识图谱构建，为流域防洪调度运用方案自学习自优化提供知识化的推理支撑。调度运用方案事件知识图谱构建流程主要包括知识建模、知识抽取、知识表示、知识融合。构建流程及知识图谱表示如下图所示。
▲调度运用方案事件知识图谱构建流程
▲调度运用方案事件知识图谱表示
（2）防洪调度运用方案自学习自优化多智能体系统
流域防洪调度运用方案自学习自优化多智能体系统能够对流域防洪调度运用方案进行自适应学习、合理性科学性评估、知识积累更新和互馈持续进化，提高流域防洪调度指挥的适应性、灵活性、准确性和科学性。系统包括核心智能体、方案匹配智能体、方案评估智能体、自学习智能体和自优化智能体。核心智能体负责管理和协调各个智能体，其他智能体通过核心智能体交互模块调用，用于执行特定规划任务。组成结构如图所示。
▲防洪调度运用方案自学习自优化多智能体系统结构
①核心智能体
核心智能体负责管理和协调各个智能体，主要包含规划、记忆、动作、工具、感知和交互六个模块。其组成结构如图所示。
▲防洪调度运用方案自学习自优化核心智能体组成结构
规划模块是核心智能体的关键组成部分，负责将防洪调度运用方案优化任务分解成自学习规划、自优化规划、方案经验积累、方案优化改进、方案推荐改进等步骤，并高效地分配资源和调度任务执行顺序。记忆模块负责存储、管理和读取上下文数据和经验知识，包括调度方案样本库、推荐库、历史场景库、业务规则库、专家经验库和自学习自优化训练的匹配权重参数等。动作模块负责执行数据处理、方案自动生成、最优方案推荐和参数调整设置等动作。工具模块包括方案匹配算法、方案评估算法、方案优化算法、方案推荐算法和数据同化等工具。感知模块负责感知自学习自优化过程中指令变化，以更好地完成任务和适应极端天气和突发溃坝溃口等情况，包括应急响应触发、专家参与触发、数据同化触发、预演功能触发、学习训练触发和其他智能体触发。交互模块负责与其他智能体进行交互调用。
②方案匹配智能体
方案匹配智能体根据预报洪水量级、预演风险范围、工程调度建议方案、应急预案等信息，利用调度方案匹配/优化算法和知识图谱事件属性相似度计算，结合历史事件场景、调度规则和专家经验等已有经验知识，对工程调度建议方案及应急预案或调度运用方案样本知识进行知识智能推理，自动生成调度运用方案，实现调度运用方案正向智能构建。
③方案评估智能体
方案评估智能体包括合理性评估和优化性评估。一方面对自学习智能体生成的调度运用方案样本知识进行方案合理性评估，具体包括方案可行性评估（评估工程调度设施的可用性、人员转移路线和物资准备情况等）、适应性评估（应对不同洪水场景的适应能力）等。另一方面对自优化智能体生成的调度运用方案进行方案优化性评估，包括灵活性评估（应对极端天气事件或突发溃坝溃口事件能力）、风险性评估（评估水库超蓄水位风险、下游防洪堤防安全风险）和效益性评估（评估防洪调度对于减少淹没面积、受淹人口和经济损失的贡献）等。同时，实时感知突发溃坝溃口事件或应急抢险过程中的其他突发事件，结合突发事件新增预警风险和实测数据同化，自动触发反向预演功能及滚动优化，对调度运用方案进行多目标优化、多指标风险评估和多维度效益分析。
④自学习智能体
自学习智能体根据核心智能体的训练配置信息及自学习规划任务，负责对生成的初步调度运用方案进行滚动学习训练，学习不同时间、不同地点、不同成因、不同类型条件下的流域防洪调度运用知识，不断积累调度运用方案自学习经验，为后续调度运用方案匹配生成提供丰富多样、可借鉴、可复制的样本。
⑤自优化智能体
自优化智能体根据核心智能体的自优化规划任务，负责对多次学习训练后生成或初步推荐的调度运用方案进行持续优化。同时，自优化智能体通过实时感知自优化过程中突发事件触发、应急响应触发、数据同化触发等环境变化，实现与方案评估智能体的互馈交互，不断完善优化策略，进一步提升调度运用方案的科学性和准确性。
03、流域防洪“四预”典型应用构建
1.具有发电功能的水利工程调度解决方案
（1）具有发电功能的水利工程调度业务需求分析
具有发电功能的水利工程主要任务是在保证工程安全的前提下，充分发挥防洪、发电、航运、水资源利用等综合效益，“四预”业务应用是发挥水利工程综合效益的主要抓手。防洪调度方面，“四预”应用需求较为广泛：一是利用雨水情超前预报，合理制定调度计划，指导水库运行；二是利用相关水文监测数据，调用水利专业模型进行分析计算，对超标准洪水、库水位涨幅、入库泥沙等进行预警；三是调用水利专业模型，结合雨情、水情和工情等，对水利工程调度运用进行模拟仿真，模拟风险形势和影响，迭代优化调度方案；四是根据预演结果，结合知识库，制定调度决策预案。传统水利工程在信息化建设时，通常未按照“四预”业务内涵和技术要求设计业务流程和目标，尤其在防洪“四预”的应用上存在短板。
（2）具有发电功能的水利工程调度业务流程梳理
具有发电功能的水利工程调度是一个复杂的业务体系，其业务流程总体按“气流—水流—电流”的流向开展，主要包括降雨预报、水文预报、水库调度方案制定、发电计划制定与执行、水库实时（应急）调度等多个环节。其中预报入库流量和预报出库流量之差是计算和制定电厂发电计划的关键输入，实时（应急）调度以调整发电计划、闸门运行状态进而改变出库流量为手段，水利工程的水库调度和电力调度是有机结合、不可分割的整体。其具体流程如图所示。
▲具有发电功能的水利工程调度业务流程
降雨预报是实现水文预报的前提。按预见期的长短，气象预报主要开展流域短时临近降雨预报、短期面雨量预报。
水文预报是制作水库调度方案的输入。短期水文预报预见期一般为数小时至数天，基于流域内“落地雨”和上游河道断面流量，根据上游水库调蓄和气象预报，每日滚动降雨径流预报和河段洪水预报。
水库调度方案体现了工程的调度目标。在调度规程范围内，考虑到水利工程防洪、航运、发电、电网运行等复杂调度目标，编制长中短期调度方案，指导水库消落期、汛期、蓄水期等不同时期的调度工作，并提高水电站发电效益。
对水库调度方案进行优化可提高工程的综合效益。通过建立水电站长中短期优化调度（发电量最大、收益最大、弃水量最小）模型，将防洪、航运、供水等目标转化为模型的约束条件，以水量平衡原理为基础，考虑不同时段水库水位、水量、出库流量、出力、机组振动区、左右厂分电比例、电价等条件对模型求解。
发电计划是衔接水与电的桥梁。根据以水定电原则，通过读取径流预报、出库预报成果，计算并制作电站全厂发电计划。发电计划制作完成后，报电网调度审核、批准，待其下达正式计划后遵照执行。
水库实时（应急）调度是应对突发事件的手段。在发生突发事件时，应在保证枢纽安全稳定运行的前提下，在调度规程、水库调度应急预案的指导下调整水库的出库流量，并重新计算电站全厂总出力，调整发电计划，报电网调度审核、批准后执行。
（3）具有发电功能的水利工程调度业务流程优化
通过对现有降雨预报—水文预报—调度方案—发电计划—实时调度业务链条的梳理，可在不对整体业务流程进行大规模改造的前提下，引入“三道防线”驱动、“正向—反向—正向”预演、预案自优化智能决策等流程，实现业务流程再造，提升防洪调度智能决策水平（见下图）。
▲具有发电功能的水利工程调度业务流程优化
扩展与加密降雨预报、水文预报的数据输入。通过引入“三道防线”的各类多源数据，并耦合产汇流模型、洪水演进模型、水文水动力学模型等，实现从“落地雨”到“云中雨”预报的转变，以提高预报精准度，延长预见期。同时，配置高频滚动自动预报，强化短临强降雨的捕捉和预报能力，其预报结果作为预演的数据输入，提高紧急情况下的响应效率。
提高预警精准度，业务流程不作改变。水利工程发布的预警对象包括水利部、流域管理机构、工程运行管理机构等，通常不包含社会公众。“三道防线”提高了监测预警、预报预警的前瞻性和及时性，“正向—反向—正向”预演提高了工程在影响范围内预警的准确性，但总体并未改变业务流程。
预演赋能水库调度方案制作、水库应急调度流程。一是在水库调度方案制定前增加“正向—反向—正向”预演流程，正向预演断面水文水动力过程和水利工程群调度过程，并考虑上下游洪水风险形势与影响，形成调度方案集；反向预演超额水量在水库群的分配和错峰、蓄滞洪区的启用时机等，推演调度目标约束下、现状工程体系下的最优动态调度方案；基于最优方案，再次正向预演现状与应急状态洪水风险形势和影响，并重点关注是否会产生堤防溃决及漫溢风险，以及是否有新的风险点引入工程影响范围。二是在发生紧急情况时，对工程调度决策方案进行预演，重点关注断面水文水动力过程和工程影响范围内的变化过程，预估应急处置效果。通过“正向—反向—正向”预演形成最终调度方案，其输出的预报出库流量作为发电计划制作和调整时的输入，以计算全厂总出力。
预案自动化生成与优化，使调度决策方案更加智能。增加工程调度决策方案自优化过程，实现工程调度决策方案的自动生成与自动优化。在发生紧急情况时，自动推荐水库调度方案，通过对方案进行预演，预估水利工程运用的次序、时机、规则，以及物料设备调配、查险抢险、人员转移等措施的需求，验证决策方案的科学性与合理性，辅助应急处置工作。
（4）防洪“四预”在三峡工程中的应用案例
三峡水利枢纽工程位于长江干流西陵峡河段。三峡工程正常蓄水位175m，汛期防洪限制水位145m，枯期最低消落水位155m。防洪方面，三峡工程可将荆江河段的防洪标准由约10年一遇提高到100年一遇，遭遇大于1000年一遇特大洪水时，辅以其他措施可防止发生毁灭性灾害；发电方面，34台机组总装机容量2250万kW，设计多年平均年发电量882亿kW·h，对缓和华中、华东、华南地区能源紧张状况有重要作用；航运方面，可改善长江特别是川江渝宜段（重庆—宜昌）的航道条件，对促进西南与华中、华东地区的物资交流和发展长江航运事业具有积极作用。
①防洪“四预”建设应用现状
通过数字孪生三峡建设，在数据底板建设、大坝安全监测、流域梯级预报与调度等方面取得了阶段性成果，其总体架构如图所示。
▲数字孪生三峡总体架构
在监测预警方面，实时汇集了长江流域不同类型的监测要素，并通过实时监测信息融合预警评价指标进行预警，及时、全面、准确地掌握流域态势，为开展调度预演提供支撑。
在预报模拟方面，研发了自主可控的机理、数据驱动、智能算法、预报调度等40余套各类专业模型，完成了全流域40余条河系共计约400个节点、1000余套预报方案的体系构建，支撑全流域水模拟高效运算。
在调度预演方面，以洪水预演为例，构建包含调度目标、预演节点、边界条件等在内的预演场景，并基于水文模型、水动力学模型构建洪水演进方案，形成调度方案。在调度分析过程中，根据调度方案对洪水影响区进行预演，同步对三峡工程的防洪、航运和发电等综合效益进行分析，以优化调度方案。在预演仿真过程中，通过对洪水灾害或风险事件发展变化和水利工程调度运用过程的可视化模拟，实现事件的实时、动态展示，并参考调度规则、典型历史案例、专家经验和智能分析等，优化确定水利工程运行调度方案，进一步提升了以三峡工程为核心的流域防洪调度决策水平。
②防洪“四预”建设优化提升方向
技术层面，强化“三道防线”应用，推进降雨预报模型、产汇流水文模型、洪水演进水动力学模型耦合，实现从“落地雨”预报向“云中雨”预报的延伸，延长洪水预见期，提高洪水预报精度；提升“正向—反向—正向”预演能力，推演水利工程运用次序、时机和规模，实现流域整体最优的水利工程调控。
系统层面，以“需求牵引、应用至上、数字赋能、提升能力”为目标，构建“智慧态势感知—智能‘四预’调度—日常运维管理”三层应用体系，提升数字孪生三峡的应急指挥决策能力、空间数据底板编辑能力、自定义预演能力，以扩大数字孪生三峡用户范围，并持续开展“四预”功能优化迭代。
智能化层面，采用深度学习技术，应用多智能体系统结构，基于历史场景、业务规则、专家经验，自动生成和智能推荐防洪调度方案，为防汛会商及指挥调度提供精细化、智能化、科学化的决策支撑。
2.洞庭湖流域防洪“四预”解决方案
（1）防洪“四预”业务需求分析
①洞庭湖流域防洪特点
洞庭湖区为典型的平原水网区，水系错综复杂，干支流洪峰遭遇极易造成大洪水或特大洪水，受长江洪水顶托影响，高洪水位持续时间长，加之堤防多为沙基软基，防洪标准偏低，易造成管涌甚至溃堤等较严重灾害。以三峡水库为核心的干支流水库群联合防洪调度体系建成后，通过水库调洪蓄洪削峰减少了城陵矶附近地区超额洪量，缓解了洞庭湖区防洪压力。但长江水库群调节后洪水持续时间延长，与湘资沅澧“四水”入湖洪水叠加的概率增加；同时，上游水库清水下泄导致沙市至螺山段洪水坡降减小，螺山站水位流量关系发生较大变化，螺山泄流能力的改变使洞庭湖流域防洪面临新挑战。
近年来极端气候影响下的水文情势变化是洞庭湖洪水泛滥的重要原因。2020年在长江上游来水偏大、“四水”来水一般的情况下，城陵矶站水位34.74m，洞庭湖超警戒水位55站次、超保证水位15站次，湖区堤防抵挡高洪水位2个月，发生险情2300处。2024年湘江、资水、沅水及洞庭湖区共发生11次编号洪水，全省46条河流超警戒水位171站次，12条河流超保证水位19站次，6条河流超历史实测最高水位7站次，洞庭湖区团洲垸、湘江支流涓水流域发生堤防决口险情。内外交加使得洞庭湖流域的防洪形势变得更加复杂。
②防洪“四预”业务需求
在防洪“四预”方面，目前湖南省对预报、预警工作已出台工作规定，但是对如何开展防洪预演、怎样进行预案优化决策尚缺乏明确的制度安排。
洞庭湖流域防洪“四预”相关业务需求主要体现在：预报方面，需要充分利用雨水情监测预报“三道防线”开展降雨和水文预报，实现延长预见期和提高预报精准度的有机统一，为预警转移争取宝贵时间，为预演预案提供准确的数据支持。预警方面，预警信息需要通过防洪“四预”应用多渠道直达一线和社会公众，利用地理信息和遥感技术精准定位洪水灾害可能影响的区域，根据受影响区域的地理特征和人口分布，确定预警信息的发布范围和对象，实现对影响人群的靶向精准预警，并建立预警反馈机制，评估预警效果。预演方面，利用水文水动力模型、水利工程调度模型等开展正向洪水形势和影响区域预演，以及在城陵矶、螺山水位流量约束条件下“四水”水库、蓄洪垸等工程调度运用的反向预演，再正向开展调度方案执行过程推演和突发情况下（如湖区溃垸）的洪水演进模拟。预案方面，要通过预演确定的工程调度方案制定执行预案，实现调度方案自动优选推荐，为防汛会商决策提供科学支撑；在出现险情时，及时有效转移人员和财产是减少灾害损失的重要手段，“四预”应用应能模拟推演不同洪水场景下的避险转移方案和实施效果，不断优化完善防汛抢险应急预案，为应急抢险和人员转移安置提供科学指导。
（2）防洪“四预”体系应用设计
①防洪“四预”流程应用
根据洞庭湖流域防洪“四预”相关工作要求，基于流域防洪“四预”通用流程框架，梳理对比目前的工作流程和通用流程之间的共性与差异，针对洞庭湖吞吐长江、洪水遭遇组合复杂、一线堤防堤线长、蓄滞洪区可联合运用等特点，进行洞庭湖流域防洪“四预”流程优化设计。
预报方面，以“三道防线”为基础，通过多技术手段收集数据，强调防住为王、“预”字当先、“实”字托底，将获取的数据利用水文模型、水动力学模型分别进行产汇流模拟、洪水演进模拟，实时更新预报结果，或根据需要进行长期、中短期、专题预报；预警方面，根据预报情况，结合预警相关管理制度规定和实地河流或工程，启动相应的预警等级并由各级防汛责任部门发布；预演方面，将基础数据、监测数据、业务数据、跨行业共享数据和地理空间数据等多源异构数据进行融合，结合模型边界条件、模型调度规则和模型网络拓扑汇总形成模型库，可以用于洪水的多场景、多调度方案、多方案执行过程的“正向—反向—正向”预演；预案方面，基于预演结果，可以通过持续优化完善工程调度方案，使“四水”水库群、湖区蓄洪垸等工程调度的规则、时机、次序更加科学合理，同时能高效组织实施，使各项预案要素完备、方案优化、执行便捷，还能通过预案明确防洪责任人、技术负责人、巡查安排、物资和人员等，使防洪过程更有序、高效和科学。优化后的“四预”流程各环节密切协作、相互支撑，形成一个功能完备的有机整体，流程如图所示。
▲洞庭湖流域防洪“四预”业务流程
②防洪“四预”关键技术应用
面对洞庭湖严峻的防洪形势，需将“防”的关口前移，坚持做好预报、预警、预演、预案工作，结合洞庭湖流域特点，形成洞庭湖流域防洪“四预”应用方案框架，如图所示。
▲洞庭湖流域防洪“四预”应用方案框架
多源降雨数据融合分析技术：洞庭湖流域面积广阔，降雨分布不均，流域的暴雨主要集中在澧水上游区、雪峰山脉区及南岭山脉区。由于气象模拟的复杂性和不确定性，预报降雨和实际降雨常常存在较大偏差，湖南在全国率先开展水利测雨雷达应用试点，具备利用多源数据融合开展降雨预报的基础。通过应用多源降雨数据融合分析技术，减少单一数据源的不确定性，提高降雨预报的准确性和时空分辨率，为后续的洪水预报和工程调度提供更为可靠的基础。
融合“三道防线”的滚动预报技术：鉴于洞庭湖流域河道湖泊众多，流域内地形涵盖高山、丘陵和平原，下垫面情况复杂，且洪水遭遇组合多变，洪水预报工作面临较大挑战。滚动预报技术利用数据同化将流域内最新状态的监测信息实时融入预报模型，实时更新预报结果，反映最新的降雨和洪水情势。通过不断滚动迭代更新预报，可以及时调整防洪措施，提高防洪调度的灵活性和准确性。
预报调度一体化技术：洞庭湖流域的“四水”干流及其支流上具有防洪功能的水库、水电站众多，洞庭湖区有24个蓄洪垸，可组合成多种调度策略。预报调度一体化技术可以将洪水预报结果与防洪工程调度紧密结合，实现预报与调度的无缝衔接，提高防洪调度的效率和效果。目前湖南初步建成了“四水”流域预报调度应用系统，开展了预报调度一体化应用尝试，但还需进一步加强研究和深化应用，并逐步拓展至整个洞庭湖流域。
水动力学洪水快速模拟技术：面对洞庭湖流域洪水演进过程的复杂性，包括山丘区的陡涨陡落及平原区的缓流甚至往复流，利用水动力学洪水快速模拟技术对洪水在河道、湖泊、蓄洪垸等多个区域的演进过程进行高效、准确的模拟，帮助决策者优化工程调度运用方案。
多对象调度优化反向预演技术：在洞庭湖流域蓄洪垸联合运用方面，多对象调度优化反向预演技术能够精确模拟下游限制条件下的工程调度运用，并准确评估调度方案对防洪目标的具体影响。通过反复进行反向预演，可以不断优化调度策略，找到最佳调度方案，从而实现防洪效益的最大化。
工程调度方案自学习自优化智能决策技术：鉴于洞庭湖流域防洪工程的复杂性和不确定性，智能决策技术可以自主学习历史调度经验和数据，优化调度运用方案。通过引入人工智能和机器学习算法，降低人为因素导致的调度风险，实现对防洪工程调度方案的智能优化和决策支持。
04、结论与展望
1.主要结论
流域防洪“四预”既存在环环相扣、层层递进关系，也存在随预案执行过程的动态变化反馈逻辑。随着工程调度的改变，预报结果滚动调整，预警信息动态更新，预演目标和干预对象也随之变化。流域防洪“四预”通用业务框架主要包括“三道防线”支撑滚动预报、潜在洪水风险靶向预警、“正向—反向—正向”预演、动态优化调度执行预案等四大部分。
在数字孪生水利建设背景下，充分发挥气象卫星、测雨雷达、数值模式、雨量站各自优势，构建“卫星-雷达-雨量站”三源降雨融合方案，有助于延长洪水预见期、提高洪水预报精准度；搭建雨水情监测预报“三道防线”和数字孪生水利知识平台联合驱动的预报调度一体化框架，动态干预模型运行轨迹，智能生成工程调度方案，有助于支撑滚动预报和正反向预演；基于多智能体的流域防洪预案功能自优化智能决策新模式，通过自主学习、知识推理、互馈优化并作出最优决策，有助于提高防洪调度运用方案的科学性与时效性。
通过对以三峡工程为代表的具有发电功能的数字孪生工程、以洞庭湖流域为代表的数字孪生流域防洪“四预”业务应用的优化设计，验证了“四预”业务流程具备较强的通用性，总体可复制、可推广。
2.展望
①全面总结先行先试经验，推动防洪业务流程标准化，拓展水利行业“四预”体系。进一步深入分析和提炼数字孪生水利先行先试项目经验，积极推动防洪“四预”流程标准化，制定统一的技术规范和标准，提高各级水利部门在防汛工作中的工作效率和协同作战能力。同时，不断拓展水利行业“四预”应用，将“四预”的理念和技术方法贯穿于水资源管理与调配、水土保持、河湖管理、水利工程建设运行管理等业务领域，逐步形成全面覆盖、高效协同的智慧水利体系。
②深度耦合监测信息与专业模型，推进“三道防线”建设，提升流域防洪预报精准度与预见期。持续推进雨水情监测预报“三道防线”建设，重点做好降雨预报模型、产汇流水文模型、洪水演进水动力学模型的创新、研发、应用和迭代，实现短期、中期、长期降雨洪水耦合预报的无缝衔接，以及延长预报预见期与提高预报精准度的有效统一，不断提升洪水预报分析能力；重点强化有防洪任务的中小河流防洪“四预”功能，实现洪水预报预警全覆盖，提升突发水事件快速应急预报预演和风险分析能力。
③充分利用通用大模型能力，加快水利行业大模型研发，推动流域防洪“四预”向智能化迈进。强化水利行业大模型与气象学、地理学、社会学、语言学等多学科知识融合，构建人机协同的高效决策模式，提供更加精准的延长预报、靶向预警、风险预演和调度预案；推动水利行业大模型与专业小模型协同建设，强化自学习滚动训练，积累更多可复用的模型算法样本知识和优化经验知识，为防御复杂多变的洪水和突发水灾害事件提供持续迭代优化的“四预”智能支撑。
④系统整合数字孪生流域建设成果，加强与数字孪生水网、数字孪生工程的衔接，赋能支撑水旱灾害防御能力。加强数字孪生流域算据、算法、知识和应用等已建成果的整合集成共享，推进“天空地水工”一体化全要素全天候动态监测感知体系建设，强化数字孪生流域与数字孪生水网、数字孪生工程之间的数据融合、模型耦合、业务协同和有机联动，持续提高预报精度和预演智能模拟水平，不断优化水旱灾害防御快速应急响应机制和应对措施，赋能水旱灾害防御精准化决策支撑能力提升。
致谢：本研究是首届水利部卓越水利工程师培养工程（数字孪生水利班）五位学员于培训期间，在蔡阳、朱跃龙、高玉琴、袁山水等导师指导下完成的，导师对论文提出了许多宝贵建议，在此表达诚挚谢意。
