目录：

1.数字工厂多维信息模型构建技术有哪些

2.数字工厂多维信息模型构建技术研究

3.数字工厂多维信息模型构建技术包括

4.数字工厂实例

5.数字工厂的典型四层架构

6.数字工厂的六大系统

7.数字工厂整体解决方案

8.数字工厂建模技术方案

9.数字工厂的优势

10.数字工厂建设

1.数字工厂多维信息模型构建技术有哪些

方钉百科

2.数字工厂多维信息模型构建技术研究

《水利水电技术（中英文）》官网网址https://sjwj.cbpt.cnki.net摘 要：【目的】为了实现设计文档和信息的收集、加工、共享和发布，实时、动态、协同完成设计任务分解、接口提资、设校审以及产品交付等设计工作，【方法】在分析水利行业BIM应用现状基础上，以模块化设计为源头，研究并提出建设水利水电工程数字设计工厂的构想。

3.数字工厂多维信息模型构建技术包括

采用无感采集设计过程多维数据的手段，结合模型资源库，并与三维建模环境双向映射的方法，构建从数据采集、存储、治理到应用的设计过程全链条技术架构【结果】数字设计工厂可以与BIM、GIS、大数据、人工智能等信息技术深度融合，通过重构设计流程，实现从专业设计为主体的特例性工程设计到多专业实时协同的产品化设计；实现了统一平台下设计产品的交付与直观展示；实现设计参数同时驱动几何模型的造型和传统基于经验公式的数学计算。

4.数字工厂实例

【结论】在数字设计工厂平台体系下，通过对设计过程控制与信息集成、专业模块化智能设计、大数据分析验证等应用的实践验证，有效解决了大数据多源复杂性、设计过程实时性和模块化的要求和难点，对实现水利水电工程从专业设计为主体的特例性设计到多专业协同的产品化设计具有重要的参考价值。

5.数字工厂的典型四层架构

关键词：BIM;数字设计工厂;大数据;模块化设计;水利水电工程;作者简介：谢遵党(1968—),男，正高级工程师，副总经理(正厅级),硕士，主要从事重大水利水电工程勘察设计与研究及水利信息化工作引用：谢遵党. 水利水电工程数字设计工厂建设构想与实践[J]. 水利水电技术(中英文), 2023, 54(2): 60⁃ 72.

6.数字工厂的六大系统

XIE Zundang. Concept and practice of digitalized design factory for water conservancy and hydropower engineering[J]. Water Resources and Hydropower Engineering, 2023, 54(2): 60⁃ 72.

7.数字工厂整体解决方案

0 引 言信息技术的发展，特别是互联网、大数据、人工智能和三维设计等领域的进步，为水利水电工程设计手段的革命性飞跃打下了坚实的基础互联网传输使设计远程实时协同成为现实大数据技术辅以人工智能手段可以将海量的知识变成设计工程师前进的导航器。

8.数字工厂建模技术方案

三维模型既是构思的目标，又是表达的手段，还是承载知识经验的载体随着上述技术的飞速发展，在水利水电工程领域，构建模块化智能协同设计的数字设计工厂成为可能水利水电工程数字设计工厂是以模块化设计为源头，采用无感采集设计过程数据为手段，结合模型资源库，并与三维建模环境双向映射，实时、动态、协同完成设计任务分解、接口提资、设校审以及产品交付等设计全链条的模块化、智能化、产品化的一种新型生产方式。

9.数字工厂的优势

数字设计工厂面向勘察设计企业，研究实现设计阶段核心业务线上化，设计管理软件化以及信息的高度自动化的关键技术，综合利用数字化技术进行高效、快速设计，进而延伸涵盖至工程建设、运维阶段全生命周期服务和产品化水利水电工程数字化是实现新阶段水利行业高质量发展的必由之路。

10.数字工厂建设

2022年，水利部明确提出智慧化工程建设，要求加快推进BIM(Building Information Modeling, 建筑信息模型)等技术的集成应用，并充分运用先进的技术手段提升水利水电工程智慧化水平，推动重点水利项目数字孪生工程建设。

BIM技术在水利行业经过多年的演进，已由最初设计单位推动的单专业设计建模BIM1.0时代，转变为由业主单位推动的设计、施工、运维全生命周期系统性、平台化应用的BIM2.0时代，逐步发展走进互联互通、智慧应用的BIM 3.0时代。

在此过程中，国内水利专家学者对BIM技术的发展也在持续性的深入研究与探索，如严磊等提出建立分层结构的水利水电BIM标准体系，张社荣等提出利用BIM+GIS(Geographic Information System, 地理信息系统)融合技术、WebGL3D(Web Graphics Library Three Dimensional, 三维web图形库)图形技术等手段，开发水电工程施工期协同管理系统，为各参建方提供了一个协同开放的平台，杨顺群等指出水利水电工程数字化建设逐步呈现为以BIM为核心开展的各项以信息为加工对象的数字化应用。

国内部分大中型勘察设计企业已经实现从三维建模、参数化设计到专业设计智能化，完成了从二维到三维的过渡，形成了一定的业务梳理与软件开发经验水工、机电、金结、施工、造价、数字化等各专业并行推进通用设计工具和专业设计流程产品的研发，基于三维协同设计平台在多个点状和线性大中型水利工程中实现了测绘、地质、环境、规划、设计等全专业链条的正向协同设计。

此外，通过对已有文献回顾发现，数字工厂(Digital Factory, 简称DF)在工业制造业、航空航天领域已有初步研究及应用，但在水利行业还未有研究先例在大数据技术与行业结合方面，工业制造业、信息行业、电力行业及工程建筑行业等领域研究及应用较为广泛，陈蓓青等对大数据技术在水利行业应用进行了分析和展望，。

文献[17,18,19,20]对水利行业的监测、雨情及业务大数据进行分析研究，鲜有学者研究提出针对水利水电工程勘察设计阶段数字设计工厂的应用模式和方法，特别是基于大数据技术的水利水电工程勘察设计研究几乎处于空白状态，目前研究方向大多集中在工程后期建设管理和运行维护阶段。

基于以上背景，结合BIM在三维可视化信息表达上的优势，以及传统设计过程管理信息化手段，形成一套基于数据科学理论全新的技术架构，规定相关的技术原则与标准，构建以数字设计工厂为基础的新型设计生产方式是技术更新迭代的必然趋势。

本文立足于解决当前设计要求、难点问题以及市场期待，探索研究建立“零周期、优成本、高质量”的水利水电工程数字设计工厂一体化解决方案以期在理论建设方面，面向水利行业全生命周期各阶段产品交付物、交付行为，研究基于数字工厂流水化生产的新方法和新思路，促进传统设计技术、计算机技术、仿真技术、机器学习和大数据分析技术在物料、生产、验证、封装等流程再造情境下的交叉融合，构建全新的数字设计工厂理论与方法；在实践应用方面，研究数字设计工厂的框架结构、组成要素和构建方法，并对理论方法的有效性进行实践验证。

为提高勘察设计企业数字化管理水平和生产效率，推动传统设计技术与数字技术深度融合，助推水利行业数字化迈入高质量发展快车道提供经验参考[17] 马花月，卫慧，张诗媛，等.大数据技术在智慧工程中的研究和应用[J].水利规划与设计，2021(10):52-56.MA Huayue,WEI Hui,ZHANG Shiyuan,et al.Research and application of big data technology in smart engineering[J].Water Resources Planning and Design,2021(10):52-56.

[18] 杨非，黄鸿发，那泽琛.水利舆情大数据分析平台设计及应用[J].水利信息化，2022(1):18-21.YANG Fei,HUANG Hongfa,NA Zechen.Design and application of water conservancy public opinion big data analysis platform[J].Water Resources Informatization,2022(1):18-21.

[19] 周超，唐海华，罗斌，等.水利行业大数据汇集管理体系建设的思考[J].水利信息化，2021(4):6-10.ZHOU Chao,TANG Haihua,LUO Bin,et al.Consideration on onstruction of big data aggregation management system in water conservancy industry[J].Water Resources Informatization,2021(4):6-10.

[20] CHEN Yiheng,HAN Dawei.On big data and hydroinformatics[J].Procedia Engineering,2016,154:189-191.

1 数字设计工厂建设背景1.1 数据共享和专业协同能力制约设计效率与质量在水利行业，水利水电工程涉及专业众多、系统庞杂、协调配合难度大、设计周期较长传统二维设计采用分散式作业模式，各专业设计人员分头工作，项目数据分散在各设计人员手中，缺乏理想的配合检验手段，往往在施工安装过程中还会发现许多专业配合的错、漏、碰、缺等问题，直接影响设计质量、工程进度和效益发挥。

尽管工程勘察设计企业采用技术成熟、功能完备的BIM基础软件平台，基本实现了专业模型创建、协同设计管理和业务应用但不难发现，各专业仍需运用多款专门功能软件组合来完成设计工作，不同软件间缺少有效的数据共享手段和管理方法，“信息孤岛”现象比比皆是，相关专业无法共享数据。

碎片化应用方式导致跨专业间重复性工作量大，数据链路不通畅，专业间存在应用壁垒，即使同一个工程对象在不同专业间，其数据也很难保持一致，导致设计高质量交付成为泡影此外，基于国外三维协同设计平台的专业协同过程中，出现的“水土不服”现象，使得设计流程与生产节拍并未充分匹配适应，不能有效应对敏捷建模和设计过程信息不能及时反馈等问题，从而制约了设计效率和设计质量的提升。

1.2 数字化交付模式和标准的缺少影响信息利用价值当前，工程勘察设计企业借助BIM技术，除交付传统设计图纸以外，已经探索和尝试数字化交付新模式，但由于参与各方没有统一的信息交换标准和交付格式，一次性设计完成的交付产品必须在越来越短的时间内重新设计或优化设计，重系统而轻标准，没有充分发挥数字化所带来的工程价值提升。

因此，从常规一次性设计转变为连续可转换设计的生产结构，就需要重新定义模型、方法、标准、系统等构成要素，分析其间的物理逻辑关联关系，融合多元化数字技术，构建一套新型的数据组织、交换和应用的解决方案，重构工程建设整个产业链的信息交付秩序。

1.3 数字技术发展驱动设计模式转变的迫切需求随着数字经济的兴起，数字化转型已成为行业不可逆转的趋势对于工程勘察设计企业而言，面临比以往任何时期更为复杂的市场环境，数字化转型也并不是简单的技术转型，而是一场系统性、全方位的战略变革，其目的是通过BIM、大数据、云计算、物联网、人工智能等数字技术驱动，对设计生产链路上的人员、流程、数据、技术和业务系统有效集成，实现从设计到工程的全过程、全周期、全要素、全参与方的数字化和智能化的一系列活动。

为了解决生产计划的适应性，并增加设计过程的信息流动，摒弃传统经验加手工型的常规设计手段，从二维图转向物理与数字融合的数字产品交付，进而在“工厂车间机床”上利用计算机辅助设计与组装，数字设计工厂为这种设计模式的转变提供了可能的解决思路，即在设计管理中引入模块化、自动化、智能化的设计理念，以数据科学的理论方法汇集数据，并结合企业体系管理程序，采用“工厂化”组装方式进行数据级协同与信息集成管理应用。

以实现设计过程的信息无感化采集与共享，提高信息的准确性，进而提高设计管理的质量和效率2 数字设计工厂建设构想与实践2.1 数字设计工厂的提出数字工厂以产品全生命周期的相关数据为基础，在计算机虚拟环境中对整个生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式。

数字工厂集成了产品、过程和工厂模型数据库，通过先进的可视化、仿真和文档管理，以提高产品的质量和生产过程所涉及的质量和动态性能数字工厂在制造行业、汽车行业等应用较为广泛，在解决从如何制造到工艺设计这一关键问题上，为制造商、供应商提供了一个制造工艺信息平台，使企业能够对整个制造过程进行设计规划、模拟仿真和管理，并将制造信息及时地与相关部门、供应商共享，从而实现虚拟制造和并行工程，保障生产的顺利进行。

在水利行业，水利部先后发布智慧水利、数字孪生等有关水利信息化多项政策文件与技术导则，提出以数字化场景、智慧化模拟、精准化决策为路径，以构建数字孪生流域为核心，全面推进算据、算法、算力建设，加快构建具有预报、预警、预演、预案功能的智慧水利体系。

国内各省市、流域机构以及水工程运行管理单位按照部委要求，开展水工程安全运行、维护管理方面的智慧水利以及数字孪生等水利信息化方面的建设工作而针对水利水电工程数字化、智能化设计目前还没有较为系统详细的政策文件或技术要求，水利水电工程的特殊性，决定其不能完全照搬替代。

传统设计方法依靠半经验半理论为主，设计边界条件复杂多变，方案可行性、可优化性有较大的提升空间本文提出建设数字设计工厂的构想，聚焦于提升工程设计技术，研究采用与智慧水利、数字孪生建设相似的技术架构，即与BIM、GIS、大数据、人工智能等信息技术深度融合，以数据为核心，重构设计流程，突破工程设计模块化、智能化、产品化的“最后一公里”,进而实现从专业设计为主体的特例性工程设计到多专业实时协同的产品化设计的飞跃。

2.2 数字设计工厂的技术架构数字设计工厂从功能和流程上自底向上分为无感化数据采集(物料)、智能协同设计(生产)、分析验证(质检)和产品交付(封装)(见图1)针对每层功能实现数据从下到上的流动，包括数据采集、网络资源、数据存储、数据治理、应用支撑、业务应用以及综合门户完整业务链条，通过数字设计过程控制与信息集成，打通专业间设计数据壁垒和信息孤岛，实现模块化、智能化、产品化的设计产品交付。

数字设计工厂功能架构和技术架构如图1和图2所示，主要内容如下：

图1 数字设计工厂功能架构

图2 数字设计工厂技术架构(1)数据采集实现BIM数据、文档数据、互联网数据和设计过程管理数据的无感化采集，实现历史经验数据的半自动化收集(2)网络资源同步考虑互联网和企业内网，基于企业现有网络拓扑架构，平台整体部署在企业局域网、DMZ域、互联网，借助VPN、防火墙和网闸的网络安全设备保证数据传输与存储安全。

(3)数据存储实现文档数据、BIM数据、互联网数据、过程管理数据和历史经验数据的数据存储，构建包括工程指标数据库、管理过程数据库、应用数据库、文档数据库、BIM数据库和图数据库等为一体的数据资源池(4)数据治理。

将工程的适用性参数加以标识评价与归纳总结，进一步采用数据清洗、比对、整合、质检和加工等数据治理手段，对各数据资源进行高效归纳、存储、运算和分析，形成可查询、可分析、可应用的棋谱性质工程大数据库，以数据为基础，以全链路加工为核心，提供数据集成、数据地图、数据开发、数据质量和数据服务等功能。

(5)应用支撑为数字设计工厂所需的商业软件，支撑整个数字设计工厂运行体系下的全量业务应用(6)业务应用包括智能协同设计平台、分析验证平台、产品交付平台以及结合企业管理体系文件控制贯穿于整个设计过程的过程管理平台，以达索3DEXPERIENCE平台软件(以下简称3DE平台)为例，数字设计工厂的总体业务流程如。

图3所示。

图3 数字设计工厂总体业务流程(7)综合门户对数字设计工厂所生产的产品进行封装，针对不同应用提供统一的门户管理、用户管理和权限管理2.3 数字设计工厂的关键构成要素数字设计工厂的关键构成要素主要包括设计流程再造、无感化数据采集、智能协同设计、基于大数据技术的分析验证，以及全生命周期的数字化交付。

在设计之初，将项目任务分解、产品校审直到产品交付的整个过程进行流程化管控与自动化管理；在设计过程中，进行智能化的设计引导、专业协同和企业数据资源库的共享调用；为验证设计的正确与否和优劣水平，汇集经实际施工运行检验优良的工程设计数据，采用逆向技术构建三维数字模型，根据实际运行的效果和理论分析，对比评判其得失优劣，发现原设计没有预见到的显性或隐性规律，形成知识图谱，并通过不断的迭代优化更新，快速指导新工程的设计。

2.3.1 过程控制与信息集成在工程设计过程中，结合业务需求，制定详细的项目管理流程如图4所示，根据项目管理流程的流转方式和要求，在数字设计工厂技术体系下匹配过程控制与信息集成的流程化再造，从而打通图形引擎与文档引擎间的数据链路，以图形引擎BIM正向协同设计为依托，基于文档引擎无感采集多维过程设计数据，结合工程构件标准化、定型化、系列化的模型资源库，采用工厂化组装产品的方式，与图形引擎系统建模环境双向映射，实时、动态在线协同，完成从项目设计任务分解、专业任务分解、上下游互提资料、接口资料管理、产品设计、校核、审查直到产品交付和归档的整个设计过程。

实现能同时管理结构化与非结构化数据的高效、开放、易于使用的协同工作机制与环境，通过图形控制和加密技术，在统一的数字设计工厂产品线上实现文档和信息的收集、加工、共享和发布提高项目管理的维度和深度，提升协同工作效率、质量以及最大限度地保障数字资产的安全。

图4 水利水电工程项目管理详细流程2.3.2 专业模块化智能设计专业模块化智能设计是以BIM技术为基础，以专业设计内容为主线，涵盖专业指标设计、BIM模块化组装、智能调参优化更新、专业工具开发以及专业产品交付等一系列过程，最终集成整合完成专业所对应设计内容。

其特点是结合模型库中的丰富资源，各专业基于“一套模型、一套平台、一套工具、一套数据”,快速组装完成符合标准规范要求的设计产品模块化智能设计始终以专业设计实际生产需求为牵引，如以输水系统线路优化为例，利用三维地形对线路进行三维挪威准则判别，通过输入线路轴线、判别范围的起点和终点、地形表面(扣除强风化),全自动分析线路各部位三维挪威准则安全系数，计算结果自动读入EXCEL表，并自动生成计算结果报告如。

图5所示专业工具开发基于知识工程技术方法，完成如挡水建筑物、电站厂房、电气二次接线、闸门设计、道路设计等专业特色的流程化快速设计工作标准化的辅助工具以及模块，使得设计师通过编程手段解决影响专业设计效率的问题，提高设计成果重复利用率。

表1为3DE平台下自主开发的专业智能设计程序集及相关功能。

图5 输水系统线路三维挪威准则自动判别

2.3.3 大数据分析验证遵循“一数一源、一源多用”原则，整合水利水电工程内外分散的设计数据，经治理、归纳、分析，形成设计数据资源库以及企业级知识库，搭建包括全专业、全业务、大协同、平台化、智能化，具备大数据分析处理能力的协同设计与服务平台，开发并提供包括在线设计协同、指标优化模型、智能云词和知识图谱等大数据智能服务应用，使设计生产管理条线的协同、共享、合作效率提升。

通过进一步的数据治理、数据挖掘与数据应用，基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，分析归纳推理，建立水利水电工程指标机器学习模型，高度自动化地分析工程数据，做出归纳性的推理，实现基于大数据的智能化设计，进一步提高设计效率和设计质量。

大数据分析验证的核心是从数据库大量数据中揭示出隐含的、未知有潜在价值的信息，如针对水工、厂房、水机、电气、金结、造价、施工等专业，按不同专业、不同构筑物、不同系统等维度，迭代优化特征参数选取并输出结果，通过与传统计算方法比对验证，优化形成基于不同专业的专题应用。

以金属结构平面钢闸门结构设计为例，技术框架如图6所示，基于历史多个平面钢闸门设计数据，通过随机森林算法进行机器学习训练，并进行算法调参与数据拟合训练，建立多元输出回归模型，通过多交叉验证法进行模型评估，以平均方差最小为模型训练目标，选取最优算法与对应参数，训练得到机器学习模型。

具体输入参数包括工程名称、投产年份、闸门类别、孔口宽、孔口高、设计水头、闸门性质、运行方式、闸门材质等，具体输出参数包括闸门自重、埋件重、门槽宽、门槽深等通过构建目标函数，不断优化模型参数，最终基于交叉验证(Cross Validation),得到误差率在5%以下的算法模型，算法模型预测值与实际值对比评估如。

图7所示。

图6 基于大数据的平面钢闸门设计计算系统技术框架

图7 预测值与实际值对比评估2.3.4 全生命周期数字化交付数字化交付是以BIM模型为数据载体，建立了与其他交付物关联关系，集成了无感化数据采集、智能协同设计和分析验证等不同来源的生产结果数据、管理过程数据，基于封装引擎进行产品封装后，最终形成设计阶段数字化交付成果，交付内容主要包括BIM模型、报告、计算书、工程图纸、影音资料(高清视频及图片)和相关数据服务。

延伸交付是在数字化设计交付成果的基础上，着眼于工程全生命周期服务应用，实现设计成果交付的信息集成、传递与延伸服务3 典型案例基于对水利水电工程数字设计工厂的系统性研究开发，本文将其应用于九峰山抽水蓄能电站，对所提出的技术路径进行展开介绍。

九峰山抽水蓄能电站位于河南省新乡市辉县市黄水乡，电站由上水库、下水库、输水发电系统、地下厂房及地面开关站、补水工程等建筑物组成装机6台，单机容量为350 MW,总装机容量为2 100 MW主要承担河南省电力系统的调峰、填谷、储能、调频、调相、紧急事故备用、黑启动等任务。

通过数字设计工厂构建设计阶段基于模型的数字化应用，实现了统一平台下设计产品的交付与直观展示通过上水库模型的进出水口水头损失计算，实现设计参数同时驱动几何模型的造型和传统基于经验公式的数学计算与分析，达到设计模型“一模多用”的目标(见

图8);通过涵盖测绘、地质、水工、电气、金结、造价等全专业协同以及智能化设计程序，基于服务器的参数、接口、装配关系实现专业间数据级实施同步和数据交换(见图9);通过电气主接线相关实例数据，采用随机森林算法(Random Forest)进行机器学习模型训练，对机端电压等级、发电机断路器参数、发电机侧接线形式、送出电压等级等进行智能化推荐(见

图10);基于抽蓄电站各类型、各专业、各阶段结构化以及非结构化实例数据，抽取知识三元组，构建工程设计指标知识图谱，进行知识汇集、知识检索与知识推理等应用(见图11);通过NLP(Natural Language Processing, 自然语言处理)、知识图谱等技术的报告智能编写，提升报告编制自动化、智能化程度，以及编制质量和效率(见

图12);基于数字孪生仿真引擎，融合BIM+GIS基础地理信息空间数据，以及汇集数值分析结果、多媒体信息、文字信息等各类数据，开发工程数字场景汇报系统，真实还原工程场景，直观、全面、准确反映工程设计方案，汇报方式表达元素多样化，提升沟通效率，并为工程后期建设运维提供基础数据支撑(见

图13);通过图4所示的项目管理流程，实现对图形、文档、管理等流程化过程控制与信息集成应用，大大提升了设计的效率和质量。

图8 基于模型的进出水口水头损失计算

图9 多专业智能协同设计

图10 基于大数据的电气主接线设计指标推荐

图11 设计指标知识图谱

图12 智慧报告

图13 数字汇报系统4 问题分析与前景展望进入21世纪，以国外主流三维设计平台为代表的数字化应用在各个行业日渐成熟水利水电工程数字设计工厂的研究与建设涉及到数据库、地理信息系统、数学软件、图形引擎等方方面面。

然而，纵观我国在信息技术产业领域的高速发展，从硬件芯片到软件操作系统虽都有国产厂商参与布局，但参与并不意味着全面掌握核心技术因此，推进国内自主知识产权的软件研发势在必行在水利行业，水利部2021年10月发布《关于大力推进智慧水利建设的指导意见》要求强化国产安全可靠软硬件应用、开展水利关键基础设施国产化改造、水利监管设施设备国产化升级换代、基于多源国产卫星数据以及强化水利重要数据保护等发展定位。

中水勘协信息化工作委员会作为行业计算机领域的专门负责机构，与水利水电BIM联盟(中水勘协牵头组建，BIM行业联盟)共同负责在行业内进行研发设计类工业软件的相关开发、管理工作其发布的《水利水电BIM联盟三年行动计划(2021—2023年)》作为联盟发展战略规划的具体行动指南，提出开展国产软件研究工作。

水利水电工程数字设计工厂所涉及研究内容繁多、技术复杂，集成难度大，研发周期长，需要持续投入研究设计流程优化再造、工程领域机器学习、大数据分析预测、基于规则的数据计算与推断、基于数据的机器判别等知识领域方面相关内容。

未来将深入结合行业特点和专业需求，研发过程中及时梳理如何克服“卡脖子”技术，努力寻求国产化底层技术突破，寄望水利水电工程数字设计工厂为推进整个水利水电行业自主可控国产化软件产品的研发提供可借鉴的成功经验。

5 结 论本文在分析水利行业BIM应用现状的基础上，建设从数据采集、数据存储、数据治理到业务应用的水利水电工程数字设计工厂，提供了专业设计技术与数字技术在设计阶段的全新应用场景，输出了标准化的设计成果与服务。

数字设计工厂建设始终围绕以数据为驱动，探索研究将水利水电工程主要核心业务线上化、管理流程软件化以及管理流程高度信息化通过典型案例，阐述了抽水蓄能电站工程设计过程中基于模型的专业协同、智能化设计、大数据分析、知识图谱构建、智慧报告、基于数字孪生仿真引擎的数字汇报系统，以及数字设计过程控制与信息集成等数字设计工厂所涉及到的关键技术，经过实践验证，对实现工程从前期规划概念设计到落地实施的整个设计阶段具有重要意义，为构建基于模型的数字设计工厂全生命周期数字孪生基础提供了借鉴。

本文主要结论如下：(1)以流程化、模块化的思想解决设计差异化和设计效率问题，通过数字设计工厂产品线上的数字设计过程控制与信息集成，以生产节拍控制优化设计人力资源配置，实现模型和信息的收集、加工、管理和应用。

(2)以大数据的方法解决前期设计分析验证和乏数据问题汇聚整合水利水电工程内外分散的历史设计数据，初步建立工程设计大数据库从数据中逐步揭示出隐含的、未知有潜在价值的设计信息，自动化分析，归纳性推理，逐步实现基于大数据的智能化设计，进一步提高设计效率和设计质量。

(3)以促进设计生产和业务拓展为核心，拓展研究应用深度和广度，为水利水电工程全生命期提供数字增值业务提供参考未来将持续深入研究水利水电工程数字设计工厂的全面数字化设计，数字设计成果交付和延伸应用，进一步提供成熟的数字化交付体系和精益运维服务体系，实现从设计阶段到运维阶段产品和服务的全覆盖。

水利水电技术（中英文）水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。

期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。

方钉文库

目录：

1.数字工厂多维信息模型构建技术有哪些

2.数字工厂多维信息模型构建技术研究

3.数字工厂多维信息模型构建技术包括

4.数字工厂实例

5.数字工厂的典型四层架构

6.数字工厂的六大系统

7.数字工厂整体解决方案

8.数字工厂建模技术方案

9.数字工厂的优势

10.数字工厂建设

1.数字工厂多维信息模型构建技术有哪些

方钉百科

2.数字工厂多维信息模型构建技术研究

《水利水电技术（中英文）》官网网址https://sjwj.cbpt.cnki.net摘 要：【目的】为了实现设计文档和信息的收集、加工、共享和发布，实时、动态、协同完成设计任务分解、接口提资、设校审以及产品交付等设计工作，【方法】在分析水利行业BIM应用现状基础上，以模块化设计为源头，研究并提出建设水利水电工程数字设计工厂的构想。

3.数字工厂多维信息模型构建技术包括

采用无感采集设计过程多维数据的手段，结合模型资源库，并与三维建模环境双向映射的方法，构建从数据采集、存储、治理到应用的设计过程全链条技术架构【结果】数字设计工厂可以与BIM、GIS、大数据、人工智能等信息技术深度融合，通过重构设计流程，实现从专业设计为主体的特例性工程设计到多专业实时协同的产品化设计；实现了统一平台下设计产品的交付与直观展示；实现设计参数同时驱动几何模型的造型和传统基于经验公式的数学计算。

4.数字工厂实例

【结论】在数字设计工厂平台体系下，通过对设计过程控制与信息集成、专业模块化智能设计、大数据分析验证等应用的实践验证，有效解决了大数据多源复杂性、设计过程实时性和模块化的要求和难点，对实现水利水电工程从专业设计为主体的特例性设计到多专业协同的产品化设计具有重要的参考价值。

5.数字工厂的典型四层架构

关键词：BIM;数字设计工厂;大数据;模块化设计;水利水电工程;作者简介：谢遵党(1968—),男，正高级工程师，副总经理(正厅级),硕士，主要从事重大水利水电工程勘察设计与研究及水利信息化工作引用：谢遵党. 水利水电工程数字设计工厂建设构想与实践[J]. 水利水电技术(中英文), 2023, 54(2): 60⁃ 72.

6.数字工厂的六大系统

XIE Zundang. Concept and practice of digitalized design factory for water conservancy and hydropower engineering[J]. Water Resources and Hydropower Engineering, 2023, 54(2): 60⁃ 72.

7.数字工厂整体解决方案

0 引 言信息技术的发展，特别是互联网、大数据、人工智能和三维设计等领域的进步，为水利水电工程设计手段的革命性飞跃打下了坚实的基础互联网传输使设计远程实时协同成为现实大数据技术辅以人工智能手段可以将海量的知识变成设计工程师前进的导航器。

8.数字工厂建模技术方案

三维模型既是构思的目标，又是表达的手段，还是承载知识经验的载体随着上述技术的飞速发展，在水利水电工程领域，构建模块化智能协同设计的数字设计工厂成为可能水利水电工程数字设计工厂是以模块化设计为源头，采用无感采集设计过程数据为手段，结合模型资源库，并与三维建模环境双向映射，实时、动态、协同完成设计任务分解、接口提资、设校审以及产品交付等设计全链条的模块化、智能化、产品化的一种新型生产方式。

9.数字工厂的优势

数字设计工厂面向勘察设计企业，研究实现设计阶段核心业务线上化，设计管理软件化以及信息的高度自动化的关键技术，综合利用数字化技术进行高效、快速设计，进而延伸涵盖至工程建设、运维阶段全生命周期服务和产品化水利水电工程数字化是实现新阶段水利行业高质量发展的必由之路。

10.数字工厂建设

2022年，水利部明确提出智慧化工程建设，要求加快推进BIM(Building Information Modeling, 建筑信息模型)等技术的集成应用，并充分运用先进的技术手段提升水利水电工程智慧化水平，推动重点水利项目数字孪生工程建设。

BIM技术在水利行业经过多年的演进，已由最初设计单位推动的单专业设计建模BIM1.0时代，转变为由业主单位推动的设计、施工、运维全生命周期系统性、平台化应用的BIM2.0时代，逐步发展走进互联互通、智慧应用的BIM 3.0时代。

在此过程中，国内水利专家学者对BIM技术的发展也在持续性的深入研究与探索，如严磊等提出建立分层结构的水利水电BIM标准体系，张社荣等提出利用BIM+GIS(Geographic Information System, 地理信息系统)融合技术、WebGL3D(Web Graphics Library Three Dimensional, 三维web图形库)图形技术等手段，开发水电工程施工期协同管理系统，为各参建方提供了一个协同开放的平台，杨顺群等指出水利水电工程数字化建设逐步呈现为以BIM为核心开展的各项以信息为加工对象的数字化应用。

国内部分大中型勘察设计企业已经实现从三维建模、参数化设计到专业设计智能化，完成了从二维到三维的过渡，形成了一定的业务梳理与软件开发经验水工、机电、金结、施工、造价、数字化等各专业并行推进通用设计工具和专业设计流程产品的研发，基于三维协同设计平台在多个点状和线性大中型水利工程中实现了测绘、地质、环境、规划、设计等全专业链条的正向协同设计。

此外，通过对已有文献回顾发现，数字工厂(Digital Factory, 简称DF)在工业制造业、航空航天领域已有初步研究及应用，但在水利行业还未有研究先例在大数据技术与行业结合方面，工业制造业、信息行业、电力行业及工程建筑行业等领域研究及应用较为广泛，陈蓓青等对大数据技术在水利行业应用进行了分析和展望，。

文献[17,18,19,20]对水利行业的监测、雨情及业务大数据进行分析研究，鲜有学者研究提出针对水利水电工程勘察设计阶段数字设计工厂的应用模式和方法，特别是基于大数据技术的水利水电工程勘察设计研究几乎处于空白状态，目前研究方向大多集中在工程后期建设管理和运行维护阶段。

基于以上背景，结合BIM在三维可视化信息表达上的优势，以及传统设计过程管理信息化手段，形成一套基于数据科学理论全新的技术架构，规定相关的技术原则与标准，构建以数字设计工厂为基础的新型设计生产方式是技术更新迭代的必然趋势。

本文立足于解决当前设计要求、难点问题以及市场期待，探索研究建立“零周期、优成本、高质量”的水利水电工程数字设计工厂一体化解决方案以期在理论建设方面，面向水利行业全生命周期各阶段产品交付物、交付行为，研究基于数字工厂流水化生产的新方法和新思路，促进传统设计技术、计算机技术、仿真技术、机器学习和大数据分析技术在物料、生产、验证、封装等流程再造情境下的交叉融合，构建全新的数字设计工厂理论与方法；在实践应用方面，研究数字设计工厂的框架结构、组成要素和构建方法，并对理论方法的有效性进行实践验证。

为提高勘察设计企业数字化管理水平和生产效率，推动传统设计技术与数字技术深度融合，助推水利行业数字化迈入高质量发展快车道提供经验参考[17] 马花月，卫慧，张诗媛，等.大数据技术在智慧工程中的研究和应用[J].水利规划与设计，2021(10):52-56.MA Huayue,WEI Hui,ZHANG Shiyuan,et al.Research and application of big data technology in smart engineering[J].Water Resources Planning and Design,2021(10):52-56.

[18] 杨非，黄鸿发，那泽琛.水利舆情大数据分析平台设计及应用[J].水利信息化，2022(1):18-21.YANG Fei,HUANG Hongfa,NA Zechen.Design and application of water conservancy public opinion big data analysis platform[J].Water Resources Informatization,2022(1):18-21.

[19] 周超，唐海华，罗斌，等.水利行业大数据汇集管理体系建设的思考[J].水利信息化，2021(4):6-10.ZHOU Chao,TANG Haihua,LUO Bin,et al.Consideration on onstruction of big data aggregation management system in water conservancy industry[J].Water Resources Informatization,2021(4):6-10.

[20] CHEN Yiheng,HAN Dawei.On big data and hydroinformatics[J].Procedia Engineering,2016,154:189-191.

1 数字设计工厂建设背景1.1 数据共享和专业协同能力制约设计效率与质量在水利行业，水利水电工程涉及专业众多、系统庞杂、协调配合难度大、设计周期较长传统二维设计采用分散式作业模式，各专业设计人员分头工作，项目数据分散在各设计人员手中，缺乏理想的配合检验手段，往往在施工安装过程中还会发现许多专业配合的错、漏、碰、缺等问题，直接影响设计质量、工程进度和效益发挥。

尽管工程勘察设计企业采用技术成熟、功能完备的BIM基础软件平台，基本实现了专业模型创建、协同设计管理和业务应用但不难发现，各专业仍需运用多款专门功能软件组合来完成设计工作，不同软件间缺少有效的数据共享手段和管理方法，“信息孤岛”现象比比皆是，相关专业无法共享数据。

碎片化应用方式导致跨专业间重复性工作量大，数据链路不通畅，专业间存在应用壁垒，即使同一个工程对象在不同专业间，其数据也很难保持一致，导致设计高质量交付成为泡影此外，基于国外三维协同设计平台的专业协同过程中，出现的“水土不服”现象，使得设计流程与生产节拍并未充分匹配适应，不能有效应对敏捷建模和设计过程信息不能及时反馈等问题，从而制约了设计效率和设计质量的提升。

1.2 数字化交付模式和标准的缺少影响信息利用价值当前，工程勘察设计企业借助BIM技术，除交付传统设计图纸以外，已经探索和尝试数字化交付新模式，但由于参与各方没有统一的信息交换标准和交付格式，一次性设计完成的交付产品必须在越来越短的时间内重新设计或优化设计，重系统而轻标准，没有充分发挥数字化所带来的工程价值提升。

因此，从常规一次性设计转变为连续可转换设计的生产结构，就需要重新定义模型、方法、标准、系统等构成要素，分析其间的物理逻辑关联关系，融合多元化数字技术，构建一套新型的数据组织、交换和应用的解决方案，重构工程建设整个产业链的信息交付秩序。

1.3 数字技术发展驱动设计模式转变的迫切需求随着数字经济的兴起，数字化转型已成为行业不可逆转的趋势对于工程勘察设计企业而言，面临比以往任何时期更为复杂的市场环境，数字化转型也并不是简单的技术转型，而是一场系统性、全方位的战略变革，其目的是通过BIM、大数据、云计算、物联网、人工智能等数字技术驱动，对设计生产链路上的人员、流程、数据、技术和业务系统有效集成，实现从设计到工程的全过程、全周期、全要素、全参与方的数字化和智能化的一系列活动。

为了解决生产计划的适应性，并增加设计过程的信息流动，摒弃传统经验加手工型的常规设计手段，从二维图转向物理与数字融合的数字产品交付，进而在“工厂车间机床”上利用计算机辅助设计与组装，数字设计工厂为这种设计模式的转变提供了可能的解决思路，即在设计管理中引入模块化、自动化、智能化的设计理念，以数据科学的理论方法汇集数据，并结合企业体系管理程序，采用“工厂化”组装方式进行数据级协同与信息集成管理应用。

以实现设计过程的信息无感化采集与共享，提高信息的准确性，进而提高设计管理的质量和效率2 数字设计工厂建设构想与实践2.1 数字设计工厂的提出数字工厂以产品全生命周期的相关数据为基础，在计算机虚拟环境中对整个生产过程进行仿真、评估和优化，并进一步扩展到整个产品生命周期的新型生产组织方式。

数字工厂集成了产品、过程和工厂模型数据库，通过先进的可视化、仿真和文档管理，以提高产品的质量和生产过程所涉及的质量和动态性能数字工厂在制造行业、汽车行业等应用较为广泛，在解决从如何制造到工艺设计这一关键问题上，为制造商、供应商提供了一个制造工艺信息平台，使企业能够对整个制造过程进行设计规划、模拟仿真和管理，并将制造信息及时地与相关部门、供应商共享，从而实现虚拟制造和并行工程，保障生产的顺利进行。

在水利行业，水利部先后发布智慧水利、数字孪生等有关水利信息化多项政策文件与技术导则，提出以数字化场景、智慧化模拟、精准化决策为路径，以构建数字孪生流域为核心，全面推进算据、算法、算力建设，加快构建具有预报、预警、预演、预案功能的智慧水利体系。

国内各省市、流域机构以及水工程运行管理单位按照部委要求，开展水工程安全运行、维护管理方面的智慧水利以及数字孪生等水利信息化方面的建设工作而针对水利水电工程数字化、智能化设计目前还没有较为系统详细的政策文件或技术要求，水利水电工程的特殊性，决定其不能完全照搬替代。

传统设计方法依靠半经验半理论为主，设计边界条件复杂多变，方案可行性、可优化性有较大的提升空间本文提出建设数字设计工厂的构想，聚焦于提升工程设计技术，研究采用与智慧水利、数字孪生建设相似的技术架构，即与BIM、GIS、大数据、人工智能等信息技术深度融合，以数据为核心，重构设计流程，突破工程设计模块化、智能化、产品化的“最后一公里”,进而实现从专业设计为主体的特例性工程设计到多专业实时协同的产品化设计的飞跃。

2.2 数字设计工厂的技术架构数字设计工厂从功能和流程上自底向上分为无感化数据采集(物料)、智能协同设计(生产)、分析验证(质检)和产品交付(封装)(见图1)针对每层功能实现数据从下到上的流动，包括数据采集、网络资源、数据存储、数据治理、应用支撑、业务应用以及综合门户完整业务链条，通过数字设计过程控制与信息集成，打通专业间设计数据壁垒和信息孤岛，实现模块化、智能化、产品化的设计产品交付。

数字设计工厂功能架构和技术架构如图1和图2所示，主要内容如下：

图1 数字设计工厂功能架构

图2 数字设计工厂技术架构(1)数据采集实现BIM数据、文档数据、互联网数据和设计过程管理数据的无感化采集，实现历史经验数据的半自动化收集(2)网络资源同步考虑互联网和企业内网，基于企业现有网络拓扑架构，平台整体部署在企业局域网、DMZ域、互联网，借助VPN、防火墙和网闸的网络安全设备保证数据传输与存储安全。

(3)数据存储实现文档数据、BIM数据、互联网数据、过程管理数据和历史经验数据的数据存储，构建包括工程指标数据库、管理过程数据库、应用数据库、文档数据库、BIM数据库和图数据库等为一体的数据资源池(4)数据治理。

将工程的适用性参数加以标识评价与归纳总结，进一步采用数据清洗、比对、整合、质检和加工等数据治理手段，对各数据资源进行高效归纳、存储、运算和分析，形成可查询、可分析、可应用的棋谱性质工程大数据库，以数据为基础，以全链路加工为核心，提供数据集成、数据地图、数据开发、数据质量和数据服务等功能。

(5)应用支撑为数字设计工厂所需的商业软件，支撑整个数字设计工厂运行体系下的全量业务应用(6)业务应用包括智能协同设计平台、分析验证平台、产品交付平台以及结合企业管理体系文件控制贯穿于整个设计过程的过程管理平台，以达索3DEXPERIENCE平台软件(以下简称3DE平台)为例，数字设计工厂的总体业务流程如。

图3所示。

图3 数字设计工厂总体业务流程(7)综合门户对数字设计工厂所生产的产品进行封装，针对不同应用提供统一的门户管理、用户管理和权限管理2.3 数字设计工厂的关键构成要素数字设计工厂的关键构成要素主要包括设计流程再造、无感化数据采集、智能协同设计、基于大数据技术的分析验证，以及全生命周期的数字化交付。

在设计之初，将项目任务分解、产品校审直到产品交付的整个过程进行流程化管控与自动化管理；在设计过程中，进行智能化的设计引导、专业协同和企业数据资源库的共享调用；为验证设计的正确与否和优劣水平，汇集经实际施工运行检验优良的工程设计数据，采用逆向技术构建三维数字模型，根据实际运行的效果和理论分析，对比评判其得失优劣，发现原设计没有预见到的显性或隐性规律，形成知识图谱，并通过不断的迭代优化更新，快速指导新工程的设计。

2.3.1 过程控制与信息集成在工程设计过程中，结合业务需求，制定详细的项目管理流程如图4所示，根据项目管理流程的流转方式和要求，在数字设计工厂技术体系下匹配过程控制与信息集成的流程化再造，从而打通图形引擎与文档引擎间的数据链路，以图形引擎BIM正向协同设计为依托，基于文档引擎无感采集多维过程设计数据，结合工程构件标准化、定型化、系列化的模型资源库，采用工厂化组装产品的方式，与图形引擎系统建模环境双向映射，实时、动态在线协同，完成从项目设计任务分解、专业任务分解、上下游互提资料、接口资料管理、产品设计、校核、审查直到产品交付和归档的整个设计过程。

实现能同时管理结构化与非结构化数据的高效、开放、易于使用的协同工作机制与环境，通过图形控制和加密技术，在统一的数字设计工厂产品线上实现文档和信息的收集、加工、共享和发布提高项目管理的维度和深度，提升协同工作效率、质量以及最大限度地保障数字资产的安全。

图4 水利水电工程项目管理详细流程2.3.2 专业模块化智能设计专业模块化智能设计是以BIM技术为基础，以专业设计内容为主线，涵盖专业指标设计、BIM模块化组装、智能调参优化更新、专业工具开发以及专业产品交付等一系列过程，最终集成整合完成专业所对应设计内容。

其特点是结合模型库中的丰富资源，各专业基于“一套模型、一套平台、一套工具、一套数据”,快速组装完成符合标准规范要求的设计产品模块化智能设计始终以专业设计实际生产需求为牵引，如以输水系统线路优化为例，利用三维地形对线路进行三维挪威准则判别，通过输入线路轴线、判别范围的起点和终点、地形表面(扣除强风化),全自动分析线路各部位三维挪威准则安全系数，计算结果自动读入EXCEL表，并自动生成计算结果报告如。

图5所示专业工具开发基于知识工程技术方法，完成如挡水建筑物、电站厂房、电气二次接线、闸门设计、道路设计等专业特色的流程化快速设计工作标准化的辅助工具以及模块，使得设计师通过编程手段解决影响专业设计效率的问题，提高设计成果重复利用率。

表1为3DE平台下自主开发的专业智能设计程序集及相关功能。

图5 输水系统线路三维挪威准则自动判别

2.3.3 大数据分析验证遵循“一数一源、一源多用”原则，整合水利水电工程内外分散的设计数据，经治理、归纳、分析，形成设计数据资源库以及企业级知识库，搭建包括全专业、全业务、大协同、平台化、智能化，具备大数据分析处理能力的协同设计与服务平台，开发并提供包括在线设计协同、指标优化模型、智能云词和知识图谱等大数据智能服务应用，使设计生产管理条线的协同、共享、合作效率提升。

通过进一步的数据治理、数据挖掘与数据应用，基于人工智能、机器学习、模式识别、统计学、数据库、可视化技术等，分析归纳推理，建立水利水电工程指标机器学习模型，高度自动化地分析工程数据，做出归纳性的推理，实现基于大数据的智能化设计，进一步提高设计效率和设计质量。

大数据分析验证的核心是从数据库大量数据中揭示出隐含的、未知有潜在价值的信息，如针对水工、厂房、水机、电气、金结、造价、施工等专业，按不同专业、不同构筑物、不同系统等维度，迭代优化特征参数选取并输出结果，通过与传统计算方法比对验证，优化形成基于不同专业的专题应用。

以金属结构平面钢闸门结构设计为例，技术框架如图6所示，基于历史多个平面钢闸门设计数据，通过随机森林算法进行机器学习训练，并进行算法调参与数据拟合训练，建立多元输出回归模型，通过多交叉验证法进行模型评估，以平均方差最小为模型训练目标，选取最优算法与对应参数，训练得到机器学习模型。

具体输入参数包括工程名称、投产年份、闸门类别、孔口宽、孔口高、设计水头、闸门性质、运行方式、闸门材质等，具体输出参数包括闸门自重、埋件重、门槽宽、门槽深等通过构建目标函数，不断优化模型参数，最终基于交叉验证(Cross Validation),得到误差率在5%以下的算法模型，算法模型预测值与实际值对比评估如。

图7所示。

图6 基于大数据的平面钢闸门设计计算系统技术框架

图7 预测值与实际值对比评估2.3.4 全生命周期数字化交付数字化交付是以BIM模型为数据载体，建立了与其他交付物关联关系，集成了无感化数据采集、智能协同设计和分析验证等不同来源的生产结果数据、管理过程数据，基于封装引擎进行产品封装后，最终形成设计阶段数字化交付成果，交付内容主要包括BIM模型、报告、计算书、工程图纸、影音资料(高清视频及图片)和相关数据服务。

延伸交付是在数字化设计交付成果的基础上，着眼于工程全生命周期服务应用，实现设计成果交付的信息集成、传递与延伸服务3 典型案例基于对水利水电工程数字设计工厂的系统性研究开发，本文将其应用于九峰山抽水蓄能电站，对所提出的技术路径进行展开介绍。

九峰山抽水蓄能电站位于河南省新乡市辉县市黄水乡，电站由上水库、下水库、输水发电系统、地下厂房及地面开关站、补水工程等建筑物组成装机6台，单机容量为350 MW,总装机容量为2 100 MW主要承担河南省电力系统的调峰、填谷、储能、调频、调相、紧急事故备用、黑启动等任务。

通过数字设计工厂构建设计阶段基于模型的数字化应用，实现了统一平台下设计产品的交付与直观展示通过上水库模型的进出水口水头损失计算，实现设计参数同时驱动几何模型的造型和传统基于经验公式的数学计算与分析，达到设计模型“一模多用”的目标(见

图8);通过涵盖测绘、地质、水工、电气、金结、造价等全专业协同以及智能化设计程序，基于服务器的参数、接口、装配关系实现专业间数据级实施同步和数据交换(见图9);通过电气主接线相关实例数据，采用随机森林算法(Random Forest)进行机器学习模型训练，对机端电压等级、发电机断路器参数、发电机侧接线形式、送出电压等级等进行智能化推荐(见

图10);基于抽蓄电站各类型、各专业、各阶段结构化以及非结构化实例数据，抽取知识三元组，构建工程设计指标知识图谱，进行知识汇集、知识检索与知识推理等应用(见图11);通过NLP(Natural Language Processing, 自然语言处理)、知识图谱等技术的报告智能编写，提升报告编制自动化、智能化程度，以及编制质量和效率(见

图12);基于数字孪生仿真引擎，融合BIM+GIS基础地理信息空间数据，以及汇集数值分析结果、多媒体信息、文字信息等各类数据，开发工程数字场景汇报系统，真实还原工程场景，直观、全面、准确反映工程设计方案，汇报方式表达元素多样化，提升沟通效率，并为工程后期建设运维提供基础数据支撑(见

图13);通过图4所示的项目管理流程，实现对图形、文档、管理等流程化过程控制与信息集成应用，大大提升了设计的效率和质量。

图8 基于模型的进出水口水头损失计算

图9 多专业智能协同设计

图10 基于大数据的电气主接线设计指标推荐

图11 设计指标知识图谱

图12 智慧报告

图13 数字汇报系统4 问题分析与前景展望进入21世纪，以国外主流三维设计平台为代表的数字化应用在各个行业日渐成熟水利水电工程数字设计工厂的研究与建设涉及到数据库、地理信息系统、数学软件、图形引擎等方方面面。

然而，纵观我国在信息技术产业领域的高速发展，从硬件芯片到软件操作系统虽都有国产厂商参与布局，但参与并不意味着全面掌握核心技术因此，推进国内自主知识产权的软件研发势在必行在水利行业，水利部2021年10月发布《关于大力推进智慧水利建设的指导意见》要求强化国产安全可靠软硬件应用、开展水利关键基础设施国产化改造、水利监管设施设备国产化升级换代、基于多源国产卫星数据以及强化水利重要数据保护等发展定位。

中水勘协信息化工作委员会作为行业计算机领域的专门负责机构，与水利水电BIM联盟(中水勘协牵头组建，BIM行业联盟)共同负责在行业内进行研发设计类工业软件的相关开发、管理工作其发布的《水利水电BIM联盟三年行动计划(2021—2023年)》作为联盟发展战略规划的具体行动指南，提出开展国产软件研究工作。

水利水电工程数字设计工厂所涉及研究内容繁多、技术复杂，集成难度大，研发周期长，需要持续投入研究设计流程优化再造、工程领域机器学习、大数据分析预测、基于规则的数据计算与推断、基于数据的机器判别等知识领域方面相关内容。

未来将深入结合行业特点和专业需求，研发过程中及时梳理如何克服“卡脖子”技术，努力寻求国产化底层技术突破，寄望水利水电工程数字设计工厂为推进整个水利水电行业自主可控国产化软件产品的研发提供可借鉴的成功经验。

5 结 论本文在分析水利行业BIM应用现状的基础上，建设从数据采集、数据存储、数据治理到业务应用的水利水电工程数字设计工厂，提供了专业设计技术与数字技术在设计阶段的全新应用场景，输出了标准化的设计成果与服务。

数字设计工厂建设始终围绕以数据为驱动，探索研究将水利水电工程主要核心业务线上化、管理流程软件化以及管理流程高度信息化通过典型案例，阐述了抽水蓄能电站工程设计过程中基于模型的专业协同、智能化设计、大数据分析、知识图谱构建、智慧报告、基于数字孪生仿真引擎的数字汇报系统，以及数字设计过程控制与信息集成等数字设计工厂所涉及到的关键技术，经过实践验证，对实现工程从前期规划概念设计到落地实施的整个设计阶段具有重要意义，为构建基于模型的数字设计工厂全生命周期数字孪生基础提供了借鉴。

本文主要结论如下：(1)以流程化、模块化的思想解决设计差异化和设计效率问题，通过数字设计工厂产品线上的数字设计过程控制与信息集成，以生产节拍控制优化设计人力资源配置，实现模型和信息的收集、加工、管理和应用。

(2)以大数据的方法解决前期设计分析验证和乏数据问题汇聚整合水利水电工程内外分散的历史设计数据，初步建立工程设计大数据库从数据中逐步揭示出隐含的、未知有潜在价值的设计信息，自动化分析，归纳性推理，逐步实现基于大数据的智能化设计，进一步提高设计效率和设计质量。

(3)以促进设计生产和业务拓展为核心，拓展研究应用深度和广度，为水利水电工程全生命期提供数字增值业务提供参考未来将持续深入研究水利水电工程数字设计工厂的全面数字化设计，数字设计成果交付和延伸应用，进一步提供成熟的数字化交付体系和精益运维服务体系，实现从设计阶段到运维阶段产品和服务的全覆盖。

水利水电技术（中英文）水利部《水利水电技术（中英文）》杂志是中国水利水电行业的综合性技术期刊（月刊），为全国中文核心期刊，面向国内外公开发行本刊以介绍我国水资源的开发、利用、治理、配置、节约和保护，以及水利水电工程的勘测、设计、施工、运行管理和科学研究等方面的技术经验为主，同时也报道国外的先进技术。

期刊主要栏目有:水文水资源、水工建筑、工程施工、工程基础、水力学、机电技术、泥沙研究、水环境与水生态、运行管理、试验研究、工程地质、金属结构、水利经济、水利规划、防汛抗旱、建设管理、新能源、城市水利、农村水利、水土保持、水库移民、水利现代化、国际水利等。

方钉文库