Các đơn vị quản lý hồ chứa đã cắt giảm lũ và thông báo trước bốn giờ theo đúng quy trình, nhưng chính quyền xã và người dân hạ du vẫn thiếu công cụ để biết nước sẽ lên đến đâu, lúc nào. Từ thực tế được nêu ra khi rà soát mùa lũ lịch sử năm 2025 trên lưu vực sông Vu Gia - Thu Bồn, nơi có Thủy điện A Vương, nhiều ý kiến đề nghị xây dựng bản sao số (Digital Twin) kết hợp trí tuệ nhân tạo (AI) cho các lưu vực lớn. Tại Trường Đại học Tài nguyên và Môi trường TP. Hồ Chí Minh, Nhóm nghiên cứu SIGMA đề xuất làm bản sao số theo từng nấc, nấc nào cũng dùng được ngay, để công nghệ này sớm có hiệu quả.
Mùa mưa lũ năm 2025 ghi vào chuỗi số liệu quan trắc của Việt Nam những giá trị chưa từng có. Lượng mưa 24 giờ tại đỉnh Bạch Mã (TP. Huế) lên tới 1.739 mm, lớn nhất từng đo được ở nước ta. Tháng 7/2025, đỉnh lũ về hồ Thủy điện Bản Vẽ (Nghệ An) vượt cả tần suất lũ kiểm tra 0,02%, tương ứng chu kỳ lặp 5.000 năm. Ngày 7/10/2025, đập Thủy điện Bắc Khê 1 (Lạng Sơn) bị vỡ trong mưa lũ do hoàn lưu bão số 11, chính quyền phải sơ tán 23 hộ với 101 nhân khẩu ở hạ du. Ngày 19/11/2025, Thủy điện Sông Ba Hạ xả tới 16.100 m3/giây, vượt lũ lịch sử năm 1993.
Trong khi đó, cả nước có gần 8.000 đập, hồ chứa thủy lợi và thủy điện với tổng dung tích khoảng 68 tỷ m3, gồm 6.723 hồ chứa thủy lợi và 685 đập, hồ chứa thủy điện. Số liệu ngành thủy lợi công bố tháng 11/2024 cho thấy mới 17% số hồ thủy lợi được lắp thiết bị quan trắc khí tượng thủy văn chuyên dùng và giám sát vận hành, 17% có phương án ứng phó với tình huống khẩn cấp.
Bốn giờ cảnh báo và khoảng trống ở hạ du
Thủy điện A Vương, công suất 210 MW, hồ chứa dung tích 343 triệu m3, được xây dựng trên sông A Vương, một nhánh của sông Bung trong hệ thống sông Vu Gia - Thu Bồn, nay thuộc địa bàn TP. Đà Nẵng. Theo loạt bài “Quản trị rủi ro trong vận hành hồ chứa” của Báo Tin tức và Dân tộc (TTXVN) cuối tháng 8/2026, báo cáo của Công ty cổ phần Thủy điện A Vương cho biết trong sáu năm 2020 - 2025, lưu vực xảy ra 36 đợt mưa lũ ảnh hưởng đến vận hành liên hồ; riêng hồ A Vương có 19 đợt lũ lớn và đều cắt, giảm lũ thành công. Trong đợt lũ tháng 9/2020, lưu lượng đỉnh lũ về hồ vượt 3.050 m3/giây, hồ giữ lại khoảng 77,6 triệu m3 nước mà không phải xả tràn. Ông Ngô Xuân Thế, Phó Tổng Giám đốc công ty, cho biết đơn vị luôn gửi thông báo trước khi xả tràn ít nhất bốn giờ và duy trì 15 trạm loa cảnh báo dọc các khu dân cư ven sông Vu Gia.
Ở hạ du, khó khăn lại nằm ở một khâu khác. Cũng theo loạt bài này, ông Nguyễn Hữu Lân, Phó Chủ tịch UBND xã Thượng Đức, cho biết đợt mưa lũ tháng 10 - 11/2025 làm khoảng 5.000 hộ dân bị ảnh hưởng trực tiếp, 4.262 căn nhà ngập sâu từ 1 m đến trên 3 m, 2 người chết, 39 người bị thương, thiệt hại kinh tế hơn 148,5 tỷ đồng. Chính quyền xã không phủ nhận tác dụng cắt lũ của hồ chứa, nhưng thông tin đến riêng rẽ từ từng hồ qua thư điện tử hoặc điện thoại, trong khi địa phương chưa có công cụ tính tổng lượng xả của cả chuỗi hồ phía trên. Một bản tin ghi lưu lượng xả bao nhiêu mét khối trên giây không tự trả lời được nhà nào sẽ ngập, nước vào cửa lúc mấy giờ và tuyến sơ tán nào còn đi được.
“Quỹ bốn giờ” vì thế ngắn lại rất nhiều khi thông báo phải đi từ phòng điều khiển qua cơ quan đầu mối của thành phố, về xã, về thôn rồi mới đến từng nhà. Khoảng trống này không thuộc về riêng đơn vị nào. Bản thân các đơn vị quản lý hồ cũng gặp khó về dữ liệu: đại diện Thủy điện A Vương cho biết cùng một số liệu mưa, lưu lượng về hồ, nhân viên phải nhập thủ công lên nhiều hệ thống của khí tượng, công thương, tài nguyên nước và điện lực. Theo Tạp chí Năng lượng Việt Nam (tháng 11/2024), cán bộ kỹ thuật của công ty đã tự xây dựng phần mềm đọc số liệu mực nước tại hai trạm thủy văn Ái Nghĩa và Hội Khách, tự động gửi thư cảnh báo khi mực nước chạm các cấp báo động. Đây là bước chuyển đổi số chủ động từ cơ sở; điều còn thiếu là một nền tảng chung để ghép các điểm đo ấy thành bức tranh toàn lưu vực.
Chuyên gia và đơn vị quản lý hồ cùng nói về một “bộ não” lưu vực
Ông Trần Mạnh Huy, đại biểu Quốc hội khóa XVI của TP. Đà Nẵng, cho rằng quy trình vận hành cần chuyển từ mô hình tĩnh sang quản trị thích ứng toàn lưu vực, dựa trên dự báo, số liệu thực đo, tình trạng các hồ và nguy cơ ngập ở hạ du. Loạt bài của TTXVN gọi thiết chế ấy là “bộ não” quản trị lưu vực: một hệ thống nhìn thấy đồng thời nước ở hồ, nước trên sông và người dân trong vùng có nguy cơ ngập.
Ý tưởng này không chỉ được nêu ở Đà Nẵng. Khi tổng kết các tình huống vận hành cực hạn của hệ thống thủy điện giai đoạn 2023 - 2025, TS. Nguyễn Huy Hoạch (Hội đồng Khoa học Tạp chí Năng lượng Việt Nam) kiến nghị xây dựng hệ thống “Digital Twin” cho các lưu vực lớn, mô phỏng song song trạng thái hồ, dòng chảy và dự báo thời tiết. Ngày 30/9/2024, Viện Quy hoạch Thủy lợi và Ban chủ nhiệm Chương trình KC.14/21-30 đã tổ chức hội thảo về ứng dụng bản sao số và AI trong lĩnh vực tài nguyên nước và an toàn hồ đập. Ông Mai Văn Khiêm, Giám đốc Trung tâm Dự báo khí tượng thủy văn quốc gia, cho biết trong mùa bão lũ năm 2025, AI đã được sử dụng trong quan trắc và dự báo, giúp tổ hợp đánh giá xác suất và độ bất định, hỗ trợ ra quyết định phòng chống thiên tai. Về phía các doanh nghiệp thủy điện, Công ty cổ phần Thủy điện Thác Mơ đã thực hiện đề tài ứng dụng AI và xây dựng phần mềm dự báo lưu lượng nước về hồ, được Tổng công ty Phát điện 2 phê duyệt từ năm 2019; Công ty Thủy điện Buôn Kuốp cũng đưa AI vào dự báo lưu lượng nước về các hồ chứa và số hóa trạm cảnh báo lũ vùng hạ du.
Trên thế giới, theo một bài tổng quan đăng trên tạp chí NPJ Natural Hazards năm 2024, Trung Quốc phát động chương trình lưu vực sông bản sao số từ năm 2022, đặt mục tiêu hoàn thành bảy lưu vực lớn, trong đó có Trường Giang và Hoàng Hà, vào năm 2025 và số hóa toàn bộ các lưu vực trên cả nước vào năm 2030. Tại Hàn Quốc, Tổng công ty Tài nguyên nước (K-water) thử nghiệm bản sao số trên lưu vực sông Seomjin từ năm 2021, sau đó mở rộng thành nền tảng Digital GARAM+ cho năm hệ thống sông lớn. Một nghiên cứu của Google công bố trên tạp chí Nature năm 2024 cho thấy mô hình AI dự báo lũ sông trước năm ngày ở những lưu vực không có trạm đo đạt độ tin cậy tương đương hoặc cao hơn dự báo tức thời của hệ thống toàn cầu hiện hành. Ở Việt Nam, trí tuệ nhân tạo và bản sao số đứng ở nhóm đầu tiên trong Danh mục công nghệ chiến lược ban hành theo Quyết định số 1131/QĐ-TTg ngày 12/6/2025 của Thủ tướng Chính phủ.
Bản sao số làm được điều còi và loa không làm được
Về mặt kỹ thuật, “bộ não” mà các ý kiến trên nói tới chính là một bản sao số. Bản sao số của hồ chứa là mô hình số của công trình, lưu vực và vùng hạ du, được cập nhật liên tục bằng số liệu quan trắc và chạy song song với công trình thật. Hệ thống gồm ba lớp. Lớp dữ liệu thu nhận mưa từ radar, vệ tinh, trạm đo; mực nước, lưu lượng về và lưu lượng xả của từng hồ; số đo thấm và chuyển vị thân đập; mực nước sông, địa hình, giao thông và dân cư hạ du. Lớp mô hình gồm các mô hình thủy văn, thủy lực và ổn định công trình. Lớp quyết định trả về kịch bản xả, bản đồ ngập theo từng giờ và danh sách khu dân cư bị ảnh hưởng (Hình 1).
AI tham gia ở bốn việc mà mô hình truyền thống làm chậm hoặc không làm được: dự báo dòng chảy đến hồ từ dữ liệu mưa; làm “mô hình thay thế”, tức học từ hàng nghìn kịch bản do mô hình vật lý tính sẵn để trả kết quả gần như tức thời; phát hiện bất thường trong chuỗi số đo thấm, áp lực, chuyển vị của đập trước khi chúng thành sự cố; và chuyển thông số kỹ thuật thành bản tin hành động cho biết thôn nào ngập, sâu bao nhiêu, sau mấy giờ, sơ tán theo đường nào.
Nhóm nghiên cứu SIGMA: Làm bản sao số từ đâu để có hiệu quả?
Tại Trường Đại học Tài nguyên và Môi trường TP. Hồ Chí Minh, Nhóm nghiên cứu SIGMA do PGS.TS. Đặng Xuân Trường làm Trưởng nhóm và KS. Trần Vũ Văn Hoà làm Phó Trưởng nhóm theo đuổi đúng phần lõi kỹ thuật của bản sao số: kết hợp mô hình vật lý với AI. Các kết quả của nhóm tương ứng với từng lớp trong Hình 1.
Ở lớp mô hình, Nhóm nghiên cứu SIGMA dùng phương pháp phần tử hữu hạn để mô phỏng công trình trong nhiều kịch bản, rồi huấn luyện mạng nơ-ron nhân tạo và các thuật toán học máy trên chính kết quả mô phỏng để dự báo chuyển vị của tường chắn, hố đào và độ lún của cọc. Với tường chắn bờ sông tại TP. Hồ Chí Minh trong điều kiện mưa lớn, nhóm chỉ ra khoảng cách cọc và đường kính cọc là hai yếu tố chi phối chuyển vị ngang của tường, với hệ số tương quan lần lượt là 0,585 và -0,549. “Một lần tính phần tử hữu hạn đầy đủ có thể mất nhiều giờ, trong khi lũ không chờ. Mô hình AI học từ những kịch bản đã tính sẵn cho kết quả gần như tức thời, đủ để người chỉ huy so sánh các phương án ngay trong đêm”, KS. Trần Vũ Văn Hoà nói.
Bản sao số chỉ đáng tin khi mô hình luôn khớp với công trình thật. Năm 2026, PGS.TS. Đặng Xuân Trường và KS. Trần Vũ Văn Hoà công bố nghiên cứu dùng mạng nơ-ron sâu để nhận dạng ngược thông số đất nền, tức là suy ngược thông số của mô hình từ ứng xử quan sát được. Theo PGS.TS. Đặng Xuân Trường, đây là khâu giúp bản sao số tự hiệu chỉnh khi có số đo mới, thay vì dùng mãi bộ thông số lúc thiết kế. “Bản sao số của một con đập hay một mái dốc hồ chứa cần đúng ba thứ: mô hình vật lý đã kiểm chứng, mô hình AI đủ nhanh để chạy theo thời gian thực và số đo để hiệu chỉnh liên tục”, ông nói.
Ở lớp dữ liệu và dự báo, TS. Đinh Thị Linh, thành viên của nhóm, là tác giả chính một mô hình lai học sâu dự báo lưu lượng dòng chảy và mực nước theo giờ từ độ phản hồi radar; đây là loại mô hình cho bản sao số biết trước lượng nước sắp về. Để có phần “thân” ba chiều của bản sao số, KS. Trần Vũ Văn Hoà là đồng chủ sở hữu bằng độc quyền sáng chế về phương pháp mô hình hóa đối tượng bằng quét ba chiều, còn một thành viên khác của nhóm đã đưa bản đồ ba chiều dựng từ ảnh thiết bị bay không người lái lên nền web. Ở lớp quyết định, nhóm đã công bố mô hình học sâu giải thích được cho dự báo lún và phân loại rủi ro hạ tầng giao thông: mỗi cảnh báo đi kèm lý do, điều mà nhóm coi là điều kiện để người vận hành tin và dùng kết quả của máy.
Từ các kết quả đó, nhóm đề xuất cách làm để bản sao số sớm có hiệu quả, thay vì trở thành một dự án phần mềm kéo dài. Theo PGS.TS. Đặng Xuân Trường, nên đi theo ba nấc, nấc nào cũng dùng được ngay. Nấc thứ nhất là bản sao số giám sát: gom số liệu mưa, mực nước, lưu lượng xả và số đo quan trắc đập mà các đơn vị quản lý hồ đang có về một bản đồ chung, để ban chỉ huy và chính quyền xã cùng nhìn một bức tranh. Nấc thứ hai là bản sao số dự báo: gắn mô hình vật lý và mô hình AI thay thế để tính nhanh các kịch bản mưa, lũ và phương án điều tiết. Nấc thứ ba là bản sao số hỗ trợ quyết định: tự động chuyển kịch bản thành bản đồ ngập theo giờ và bản tin hành động đến từng thôn.
Hiệu quả, theo KS. Trần Vũ Văn Hoà, phải đo được bằng ba con số: thời gian cảnh báo có thêm cho hạ du so với hiện nay; sai số giữa mực nước dự báo và mực nước thực đo tại các trạm thủy văn; tỷ lệ thôn, xã xác nhận đã nhận tin và đã sơ tán. “Nếu sau một mùa lũ ba con số này không tốt lên thì bản sao số mới chỉ là một mô hình đẹp”, ông nói.
PGS.TS. Đặng Xuân Trường cũng nói rõ giới hạn hiện nay: các kết quả của nhóm mới ở quy mô công trình và mô phỏng, chưa phải một hệ thống vận hành cho hồ đập cụ thể. Bước tiếp theo nhóm mong muốn là cùng các đơn vị quản lý hồ chứa và địa phương thí điểm nấc thứ nhất trên một lưu vực thật, nơi mô hình được kiểm chứng bằng số đo của chính mùa lũ.
AI và bản sao số không thay thế quy trình vận hành liên hồ chứa, càng không thay người chỉ huy. Công nghệ này giúp trả lời sớm hơn và cụ thể hơn câu hỏi mà cán bộ xã Thượng Đức hay người dân ven sông Vu Gia vẫn phải tự phỏng đoán trong đêm mưa: nước sẽ lên đến đâu và còn bao nhiêu thời gian. Từ câu chuyện A Vương, điều cần làm tiếp theo không còn thuần túy là kỹ thuật, mà là thể chế: ai đầu tư, ai chủ trì dữ liệu, theo chuẩn nào và trách nhiệm thuộc về ai. Tạp chí sẽ trở lại vấn đề này trong bài tiếp theo, với các đề xuất của Nhóm nghiên cứu SIGMA gửi tới cơ quan quản lý nhà nước.
