Simplico
City Security

当水渠已满:城市排水数字孪生,以及 2026 年 9 月曼谷内涝告诉我们的事

September 27, 2026

2026 年 9 月 26 日,在近 48 小时几乎不间断的降雨之后,曼谷部分地区累计雨量接近 300 毫米,曼谷市政府宣布全部 50 个区为洪灾区。全市泵站满负荷运行,合计排水约每秒 1,200 立方米。曼谷府尹用一句话概括了局面:问题在于水渠已经满了。

向所有仍在积水中坚持生活和经营的人们致以问候。本文不谈眼前的救援,而是讨论水退之后同样重要的问题:一座拥有 4 条大型排水隧道、300 多个实时监测点的城市,为什么仍然被淹;下一次,什么样的工具能帮助运行人员做出更好的决定。

用国内读者熟悉的说法,这次是典型的城市内涝,而不是外洪。The Nation 援引水利专家差瓦立·詹塔拉叻的评估称,主要原因是本地排水系统来不及排出的降雨,而不是湄南河漫堤。在两个监测点,河水仍低于堤顶约 40 厘米;但接近堤顶的水渠水位,阻碍了路面雨水进入排水系统,积水因此滞留在街道上。

相关服务

这是一个各环节相互耦合的系统——而这正是数字孪生擅长处理的问题。

一、为什么"水渠满了"是一个建模问题

曼谷排水与污水处理局用"三种水"来描述城市面临的风险:北部来水、潮水顶托和降雨。其中,短时强降雨("雨弹")让降雨成为当前最令人担忧的因素。该局 2026 年 6 月的介绍提到:城市雨水排放能力已从每小时 60 毫米提升到 80 毫米,4 条大型排水隧道已投入运行,并建设了地下调蓄池"水银行",用于吸纳强降雨最初 15 分钟的雨水。

这些都是实实在在的进步。但"每小时多少毫米"只描述了链条中的一环:

  1. 雨水落在路面和屋顶,进入道路雨水口。
  2. 管道把雨水送到水渠。
  3. 水渠把水送到泵站和隧道进水口。
  4. 水泵和隧道把水排入湄南河。

每一环的表现,都取决于下一环允许它排多少。水渠接近堤顶时,排入水渠的管道流速变慢;管道顶托,雨水口就收不进水;水泵扬程升高,出水量随之下降。一条水渠水位上涨几十厘米,就可能改变哪些道路被淹、淹多久。而连续两天、每天 100–150 毫米的降雨,考验的是调蓄能力和整个系统的状态,而不仅仅是小时峰值排水能力。

仪表盘上的任何单一数字都无法反映这一点,只有管网模型可以。

二、数字孪生是什么,不是什么

在排水领域,真正有用的数字孪生定义比泛泛而谈要窄得多。一个排水数字孪生由三部分组成:

  • 管网模型。 汇水区、管道、水渠、调蓄设施、水泵、闸门和排放口,按真实尺寸与能力建模。
  • 实时同步。 水渠与泵井水位、雨量计、雷达、水泵与闸门运行状态、河道水位与潮位等传感器数据,持续把模型状态拉向现实。
  • 从当下出发的 what-if 推演。 能够从管网当前状态(而非设计假定)出发,回答"如果……,未来两小时会怎样"。

区别就在第三点。仪表盘告诉你水渠现在是 2.1 米;设计模拟告诉你在一切正常的前提下,管网如何应对理论上的十年一遇暴雨;孪生告诉你:这条水渠现在 2.1 米,如果下一片雨云 40 分钟后到达、3 号泵仍然停机,会发生什么。

国内近年推进的"数字孪生流域"和"智慧水务"建设,本质上也是在回答同一类问题。

三、在曼谷已经得到验证

这并非空谈。在英国政府资助、面向曼谷市政府的试点项目中,Mott MacDonald 为汪通郎区 17 平方公里范围建设了实时雨洪预报系统。项目校准了城市的 C 波段测雨雷达,建立了精细表达管道、泵站和水渠的水力模型,并训练了机器学习代理模型(surrogate)来高速复现水力模型:41 场降雨事件的计算只需 30 秒,而完整模型需要 30 小时,平均差异约 20 毫米。观测数据每 5 分钟刷新,未来 2 小时的内涝预报每 10 分钟更新一次。

项目本身也列出了下一步方向,其中包括接入 SCADA 数据以改进运行控制。

我们最关注的正是这一段空白——对城市如此,对位于城市排水系统之中的私营场地更是如此:工业园区、工厂、医院、数据中心、物流中心。知道水会到哪里,只是前一半;后一半是:基于这些判断,接下来一小时,我们的水泵、闸门和人员该怎么动?

四、整体架构

flowchart TD
    A1["水渠与泵井水位传感器"] --> SY["状态同步与质量校验"]
    A2["雨量计与雷达临近预报"] --> SY
    A3["来自 SCADA 的水泵与闸门状态"] --> SY
    A4["河道水位与潮位"] --> SY
    SY --> M["水力管网模型 SWMM"]
    M --> SR["情景推演引擎"]
    SR --> SG["用于快速响应的 ML 代理模型"]
    M --> SG
    SR --> O1["积水深度与时间预测"]
    SG --> O1
    SR --> O2["水泵与闸门运行建议"]
    O1 --> FS["Flood SOC 告警与工单"]
    O2 --> OP["值班人员决策"]
    FS --> OP

状态同步。 每隔几分钟,用传感器读数更新模型的初始条件:水渠与泵井水位、哪些泵在运行、哪些闸门开启、排放口处的河道水位和潮位。读数要先经过质量校验——卡死、跳变或静默的仪表,不能用来驱动模型。

水力模型。 管网引擎推荐 EPA SWMM:开源免费、全球广泛使用,可以明确模拟水泵、闸门、堰,以及回水顶托、满管溢流和倒流——正是"水渠满了"背后的物理过程。借助 PySWMM,Python 代码可以逐步推进模拟,并在过程中修改水泵和闸门设置。

情景推演与代理模型。 对厂区规模的管网,SWMM 本身的速度就足以在每次更新时测试多个情景;对城市规模的管网,汪通郎试点已经证明了可行路线:用大量模型计算结果训练 ML 代理模型。

输出给人,而不是直接给水泵。 预测和建议送达值班人员,并进入我们在《用 SOC 的方式管理洪水》中介绍的告警与工单流程。孪生负责建议,人负责决定。

五、what-if 推演实际长什么样

下面是情景推演引擎的核心代码,运行在一个刻意简化的示例模型上:20 公顷硬化汇水区排入泵井,两台水泵把水提升进水渠,降雨峰值强度每小时 90 毫米。代码在不同条件下重放同一场降雨,并比较泵井最高水位。

from pathlib import Path
from pyswmm import Simulation, Links, Nodes

BASE = Path("site.inp").read_text()

def run_scenario(canal_level_m=-0.5, failed_pumps=()):
    """Replay the same storm through the twin under one what-if condition."""
    inp = Path(f"scn_{canal_level_m}_{'-'.join(failed_pumps) or 'all'}.inp")
    inp.write_text(BASE.replace("CANALLEVEL  0:00  -0.5", f"CANALLEVEL  0:00  {canal_level_m}")
                       .replace("CANALLEVEL  12:00  -0.5", f"CANALLEVEL  12:00  {canal_level_m}"))
    peak = 0.0
    with Simulation(str(inp)) as sim:
        links, sump = Links(sim), Nodes(sim)["SUMP"]
        for _ in sim:
            for pid in failed_pumps:
                links[pid].target_setting = 0.0   # pump out of service
            peak = max(peak, sump.depth)
    return peak

在该示例模型上运行四种情景的结果:

情景 泵井最高水位(3.50 米即满)
水渠正常水位,两台泵运行 0.47 米
水渠正常水位,一台泵停机 1.76 米
水渠接近堤顶,两台泵运行 1.12 米
水渠接近堤顶,一台泵停机 2.38 米

这是用于说明方法的示例模型,不代表任何真实场地。 但规律才是关键:仅水渠水位高,峰值就翻了一倍多;仅一台泵停机,峰值接近原来的 4 倍;两者叠加,泵井逼近满载——因为往已满的水渠里抽水的泵,恰恰在最需要它的时候出水量下降。在真实的孪生中,初始水位来自实时传感器,同样的循环几分钟内就能回答值班人员的问题。

六、暴雨中孪生能回答的问题

  • "如果这台泵现在跳闸,哪里先淹、什么时候淹?" 按积水深度和时间排序,让抢险队伍先去对的地方。
  • "要不要在下一片雨云到来前,先把这条水渠预降水位?" 按雷达临近预报提前抽排可以腾出调蓄空间——前提是下游能接得住。
  • "在当前河道水位和潮位下,开这道闸值不值?" 缓解一个片区、加重另一个片区的权衡,从拍脑袋变成可量化的数字。
  • "移动泵车应该放在哪里?" 先用预测检验候选位置,再调度。
  • "这条路什么时候能退水?" "雨停后 2–3 天"变成分片区的退水估计,这对需要决定何时复工的企业至关重要。

七、为什么中资工厂需要自己的"小孪生"

曼谷及周边的许多工厂、园区都有自己的厂内排水沟、泵井和水泵,而这些最终都排入公共水渠。一旦水渠满了,厂区水泵就会在最需要的时候失去能力——正如上面的示例所示。

厂区级孪生规模很小:几十个节点,而不是几万个。它需要厂区排水图纸、水泵性能曲线、几台水位传感器,以及排放去向水渠的水位。它能回答城市替你回答不了的问题:如果水渠一直维持这个水位,生产线还能开多久?大泵停机时,哪栋厂房先进水?现在是否该开始转移库存?

部署方式上,孪生与 simpliSOC 一样可本地部署或私有云部署,传感器数据、管网图纸等敏感资料留在泰国当地的基础设施内,满足数据不出境的要求;向国内总部汇报时,同步预测结论和处置时间线即可。

八、难点,坦白说

  • 图纸往往不准。 竣工资料常常缺失,淤积、侵占和垃圾让实际能力与图纸不同。9 月 26 日当天,曼谷的清洁工人还在清理路边垃圾,确保雨水口能继续排水。模型了解现实的方式,是用历史事件做率定。
  • 模型不等于事实。 它是比较方案的工具。预测需要给出区间,值班人员也需要看到模型有多大把握。
  • 传感器会在最需要时失效。 状态同步必须把静默或卡死的仪表当作问题处理——与 SOC 中"静默也是信号"的原则一致。
  • 水泵控制属于 OT 系统。 我们建议只做辅助决策:孪生给建议,人来操作。SCADA 接入默认只读,并像其他 OT 系统一样纳入安全监控。

九、已有能力、按项目定制、明确不做

目前已提供:

按项目定制(没有打包的"孪生"产品):

  • 与水力工程合作伙伴共同建立并率定的 SWMM 管网模型。
  • 状态同步、传感器质量校验、情景推演引擎,以及规模需要时的 ML 代理模型。
  • 值班人员看板,以及与 Flood SOC 告警的对接。
  • 在业主许可前提下的只读 SCADA 接入。

明确不做:

  • 水力设计认证与工程签字,这属于持证工程师的职责。
  • 水泵或闸门的自动控制,我们的设计是辅助决策型。
  • 官方预警,仍由曼谷市政府、泰国灾害预防与减灾厅和气象厅负责。

常见问题

这是可以直接购买的产品吗?
不是。它是一套参考架构,由开源工具(SWMM、PySWMM)和我们的集成工作构成,与水力工程合作伙伴一起按厂区交付。

曼谷市政府不是已经在做了吗?
市政府有自己的监测与预报体系,汪通郎试点也证明了城市尺度的可行性。厂区孪生是补充:它模拟的是贵司的排水沟、贵司的水泵和贵司的决策。

精度有多高?
取决于数据和率定质量。因此第一阶段一定是用照片、水痕和水位记录对历史事件进行率定,输出结果也会给出区间。

能自动控制水泵吗?
我们不建议这样做。孪生负责建议,值班人员负责决定。SCADA 接入从只读开始。

联系我们

如果本周的内涝波及或逼近贵司厂区,请把手头的资料发给我们:排水图纸(不完整也可以)、水泵清单、排放去向的水渠,以及这次的照片或水位记录。我们会给出一份小规模起步方案,建立一个厂区孪生,回答 9 月 26 日那天您最想知道答案的那个问题。支持中文沟通。

相关文章

阅读全部文章 →

邮箱:hello@simplico.net

来源:

最新文章

Ready to talk about your project?

Share goals and constraints. We'll assemble architects and engineers to move fast with you.

Get in touch