一种基于数字孪生技术的河道糙率动态估计方法

技术领域

本发明涉及水利工程技术领域，尤其涉及一种基于数字孪生技术的河道糙率动态估计方法。

背景技术

在水利枢纽设计及流域防洪设计中，河道水位计算是确定不同来水条件下相应防洪建筑物安全的重要指标，其计算结果的准确性意义重大。糙率值用来描述河流粗糙程度，其对河道阻力大小及河道水位计算结果有着重要的影响，也是影响河道水流流速的一个重要因子。

现有技术中对于糙率计算通常基于一维水力学计算模式，考虑河道综合阻力，用综合糙率作为计算糙率值，如谢才公式、曼宁公式、巴甫洛夫斯基公式；对于复试河段，按槽滩情况取不同糙率，常用河网参数反问题法、水力学法来计算。在工程计算中，目前较为常规的方法为水力学法。具体实施步骤为：结合《水力计算手册》中查找对应河道类型的糙率经验值，对应河段选取糙率初始值，并通过实测水位资料开展河道糙率率定工作，率定时，利用谢才曼宁公式对糙率进行推算，计算水面线与实际水面线对比，反复推算糙率值，计算水面线与实际水面线最接近时采用的糙率，用于后续该断面水位计算。

但是，在多年实际河段水流过程中，由于洪枯季节来水的变化，水下断面地形也在发生变化，如洪枯水期水深发生了变化，则对应糙率也发生了变化，长时间运行时，由于泥沙冲淤或人类活动的影响导致的河道地形的变化，也会引起河道糙率的变化，仅根据一次测算结果得到的糙率用于后期多种来水条件的计算，其精度无法保证。因此，现有技术的糙率估计方法认为水动力模型的糙率为常数，不能实时反应河道在不同时段的真实数据，计算结果不够准确，可靠性较差。

发明内容

本发明的目的是提供一种基于数字孪生技术的河道糙率动态估计方法，通过实时的数据反馈，构建的实时数字孪生模型，能够解决河道糙率计算结果不够准确，可靠性较差的技术问题。

为实现上述目的，本发明所设计的一种基于数字孪生技术的河道糙率动态估计方法，包括以下步骤，

收集河道断面历史时期的物理特征参数数据，构建初步河道数字孪生模型；

对河道数字孪生模型的物理特征参数进行跟踪与更新，获取实时同步的河道数字孪生模型；

基于实时同步的河道数字孪生模型，利用水力学方法和数据同化方法实现河道断面糙率的动态估计。

作为优选方案，初步河道数字孪生模型的构建具体包括以下步骤：

基于河道断面历史时期的物理特征参数数据建立二维物理模型，再通过图形化的方式建立逻辑模型并将各物理特征参数的关系反馈到二维物理模型中，然后以河道的断面地形数据、水流态数据来建立河道的水动力仿真模型，最终将河道实体转化为二维数字孪生模型，形成以物理模型、逻辑模型、水动力仿真模型为基础的初步河道数字孪生模型。

作为优选方案，基于实时同步的河道数字孪生模型，实现河道断面糙率的动态估计具体包括以下步骤：

采用参数敏感性分析方法对目标河道断面的糙率取值范围进行敏感性分析，筛选出敏感性糙率集合和非敏感性糙率集合，在预估的糙率取值范围内称为敏感性糙率集合，在预估的糙率取值范围外称为非敏感糙率集合；

采用水力学方法对目标河道断面的糙率值进行率定，确定初始时刻的糙率值；根据河道所在河段整体形态，估算得到河道断面糙率初值范围，代入谢才曼宁公式，计算得到初始时刻的糙率值；

采用数据同化方法构建水动力模型糙率值的状态转移方程和观测方程，根据实时跟踪的物理特征参数观测值对糙率值进行动态估计。

作为优选方案，根据谢才曼宁公式计算初始时刻的糙率值具体步骤如下：

利用谢才曼宁公式对糙率进行推算，利用水面线与实际水面线对比，反复推算糙率值，根据谢才曼宁公式推导过程如下：

式(1)中，Q为来流量，v为断面流速，A为断面面积，R为水力半径，J为水力坡度，C为谢才系数；

其中，谢才系数C计算如下：

式(2)中，n为曼宁糙率；

若已知来流量Q、断面面积A、水力半径R、水力坡度J，根据式(1)、式(2)可以计算得出曼宁糙率n，即初始时刻的糙率值n。

作为优选方案，所述物理特征参数包括河道断面流速、水位、来流量、断面形态，这四个特征参数是水力学公式中计算河道糙率的主要决定因子。

作为优选方案，在目标河道断面布设传感器来收集河道物理特征参数的实时数据，所述传感器包括无人船和声学多普勒流速剖面仪，无人船用于监测河道断面形状，声学多普勒流速剖面仪用于监测断面流速、水位和来流量。

本发明的有益效果：

现有技术一般只能通过历史河道流态、糙率等资料进行糙率估计，而本发明方法通过实时的数据反馈，构建的实时数字孪生模型，更加符合流域在变化环境下的实际情况，相比现有技术能够充分利用河道实时数据，计算结果更加准确、可靠。

现有技术一般仅能考虑河道来流量和断面形态不发生变化的情况，认为水动力模型的糙率为常数，而本发明方法考虑了水动力模型的糙率随时间变化的特性，更能准确地反映变化环境下河道特征条件的变化。

现有技术达不到智能管理、自动优化、实时更新等目标，本发明方法具有实时监测、智能判断和精准预测等特点，能够较好地模拟未来情况，实现真正的自动化。

因此，本发明的基于数字孪生技术的河道糙率动态估计方法，通过实时的数据反馈，构建的实时数字孪生模型，能够解决河道糙率计算结果不够准确，可靠性较差的技术问题。

附图说明

图1为本发明的整体流程图。

图2为本发明时空数据底板的系统总体架构图。

具体实施方式

为使本发明解决的技术问题、采用的技术方案和达到的技术效果更加清楚，下面结合附图并通过具体实施方式来进一步说明本发明的技术方案。可以理解的是，此处所描述的具体实施例仅用于解释本发明，而非对本发明的限定。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。

在本发明的描述中，需要说明的是，术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本发明的限制。此外，术语“第一”、“第二”、仅用于描述目的，而不能理解为指示或暗示相对重要性。其中，术语“第一位置”和“第二位置”为两个不同的位置。

在本发明的描述中，需要说明的是，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域的普通技术人员而言，可以具体情况理解上述术语在本发明中的具体含义。

本发明提供了一种基于数字孪生技术的河道糙率动态估计方法，通过针对实时断面来水及地形确定断面糙率，得到水位计算中河道断面的实时综合糙率，提高了水位计算的精度。侧重水位变化下糙率的不同，所以与数字孪生相关，观测的水位相同，断面地形相同，则下一时段使用相同的糙率值，否则重新率定。需要储存不同时间对应不同水位及河道地形对应的糙率值，构成时空数据底板。此时空数据底板为二维，其中一维为河道断面形状，另外一维为垂直于河道断面的流速大小分布或是河道糙率。

本发明针对选取的河道断面，对河道断面的糙率进行实时动态估计。根据河段断面来水和相关参数，利用数字孪生技术构建了河道断面数字孪生体和水动力学模型为核心的断面水流仿真模型，采用传感器对河道数字孪生体进行跟踪与更新，然后基于实时同步的河道数字孪生体，利用数据同化技术实现断面水流仿真模型的糙率动态估计。使用河道数字孪生体，对河道糙率进行动态估计，并储存相应来流对应糙率数据，提高使用糙率计算水位的准确性，实时性，实时动态的河道断面数据为未来河道断面糙率预估提供了准确的水位-地形-糙率数据库。因此，本发明能够解决河道糙率计算结果不够准确，可靠性较差的技术问题。

如图1所示，本发明的基于数字孪生技术的河道糙率动态估计方法包括以下步骤，

步骤S1、收集河道断面历史时期的物理特征参数数据，构建初步河道数字孪生模型；

基于河道历史时期的流量、水位、断面形状、流速等数据建立二维物理模型；再通过图形化等方式建立逻辑模型并将各数据要素的关系反馈到物理模型中；然后以河道的断面地形数据、水流态数据等数据来建立河道的水动力仿真模型，最终将河道实体转化为二维数字孪生模型，形成以物理模型、逻辑模型、水动力仿真模型为基础的初步河道数字孪生模型。

物理特征参数包括河道断面流速、水位、来流量、以及河道的断面形态，这四个物理特征参数是水力学公式中计算河道糙率的主要决定因子。

步骤S2、利用现实河道内布设的传感器对河道数字孪生模型的物理特征参数进行跟踪与更新，获取实时同步的河道数字孪生模型；

在目标河道断面布设传感器收集断面的形状参数数据、来流量数据、水位数据、流速数据等数据。传感器具体包括无人船和声学多普勒流速剖面仪(ADCP)，无人船用于监测河道断面形状，声学多普勒流速剖面仪用于监测流速、水位和来流量。

如图2所示，步骤S3、基于实时同步的流域数字孪生模型，利用水力学方法和数据同化方法实现河道断面糙率的动态估计。

步骤S31、采用参数敏感性分析方法对目标河道断面的糙率取值范围进行敏感性分析，筛选出敏感性糙率集合和非敏感性糙率集合；

敏感性糙率和非敏感性糙率是相对于糙率集合而言，指的是根据河道形态，一般对糙率的取值范围进行大概预估，在预估的糙率取值范围内称为敏感性糙率集合，在预估的糙率取值范围外称为非敏感糙率集合。

步骤S32、采用水力学方法对目标河道断面的糙率值进行率定，确定初始时刻的糙率值；

率定，是指对河道糙率进行校准或标定。储存不同时段对应的不同水位及河道地形的糙率值，构成二维时空数据底板，如果下一时段的河道糙率值与上一时段的相同，则无需重新率定；如果下一时段的河道糙率值与上一时段的不同，则重新率定。

根据河道所在河段整体形态(峡谷形、宽谷形等)，估算得到河道断面糙率初值范围，代入谢才曼宁公式计算，计算得到初始时刻的糙率值。通过模拟河道断面水流运动的速度场和水位场，与已有实测资料进行对比，验证本发明河道糙率验证方法的科学性。

利用谢才曼宁公式对糙率进行推算，利用水面线与实际水面线对比，反复推算糙率值，根据谢才曼宁公式推导过程如下：

式(1)中，Q为来流量，v为断面流速，A为断面面积，R为水力半径，J为水力坡度，C为谢才系数；

其中，谢才系数C采用谢才曼宁公式计算如下：

式(2)中，n为曼宁糙率或曼宁糙率系数。

若已知来流量Q、断面面积A、水力半径R、水力坡度J，其中水位和断面形态决定水力半径R，根据式(1)、式(2)可以计算得出曼宁糙率n，即初始时刻的糙率值n。

步骤S33、采用数据同化方法构建水动力模型糙率值的状态转移方程和观测方程，根据实时跟踪的物理特征参数观测值对糙率值进行动态估计。

数据同化方法为融合断面流速、水位、来流量和断面形态共四种观测数据的多源数据同化方法，构造水动力模型糙率的状态转移方程时，糙率在初始时刻的取值为步骤S32中水力学方法估计的糙率值。

状态转移方程是动态规划中本阶段的状态，它是上一阶段状态和上一阶段决策的结果。如果给定了第K阶段的糙率值，以及从第K阶段到第K+1阶段状态的变化，本发明中具体指河道断面流速、水位、来流量、断面形态的变化，则第K+1阶段的糙率值也就完全确定了。

观测方程，表示在K+1阶段使用估计糙率代入水力学方程，计算来流量，然后加上误差得到实际流量。两个方程联立，使误差结果接近于零。状态转移方程和观测方程均为属于现有技术。

以上所述实施例仅表达了本发明的几种实施方式，其描述较为具体和详细，但并不能因此而理解为对本发明专利范围的限制。应当指出的是，对于本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。因此，本发明专利的保护范围应以所附权利要求为准。