基于深度學(xué)習(xí)的電網(wǎng)三維設(shè)計(jì)智能輔助評審研究

陳紅 管維亞 秦加林 陳建飛

摘? 要：隨著電網(wǎng)建設(shè)難度、競爭激烈程度的增加，迫切要求采用更先進(jìn)的技術(shù)來解決好電網(wǎng)工程中涉及的相關(guān)問題，提高電網(wǎng)工程設(shè)計(jì)的水平和服務(wù)質(zhì)量。三維設(shè)計(jì)是新一代數(shù)字智能設(shè)計(jì)平臺的基礎(chǔ)，電網(wǎng)三維設(shè)計(jì)有利于提高設(shè)計(jì)質(zhì)量和效率。但三維設(shè)計(jì)的評審具有更多的機(jī)械性重復(fù)工作，專家的評審效率低下且存在評審尺度不一的問題。為此，文章設(shè)計(jì)了電網(wǎng)三維設(shè)計(jì)輔助評審系統(tǒng)，可以幫助專家更好地完成評審工作，提高評審效率和質(zhì)量。

關(guān)鍵詞：深度學(xué)習(xí);電網(wǎng)三維設(shè)計(jì);智能輔助評審

中圖分類號：TP181? ? ? ? ? ? ? ? ? ? 文獻(xiàn)標(biāo)識碼：A文章編號：2096-4706（2021）15-0105-05

Abstract： With the increasing difficulty and fierce competition of power grid construction， it is urgent to adopt more advanced technology to solve the relevant problems involved in power grid engineering and improve the level of power grid engineering design and service quality. 3-D design is the basis of the new generation of digital intelligent design platform. power grid 3-D design is conducive to improve design quality and efficiency. However， the review of 3-D design has more mechanical repetitive work， the review efficiency of experts is low， and there are problems of different review scales. Therefore， this paper designs an auxiliary evaluation system for power grid 3-D design， which can help experts better complete the evaluation work and improve the evaluation efficiency and quality.

Keywords： deep learning; power grid 3-D design; intelligent aided review

0? 引? 言

項(xiàng)目評審是工程建設(shè)的關(guān)鍵環(huán)節(jié)之一，對提高工程建設(shè)質(zhì)量具有顯著影響。為適應(yīng)三維設(shè)計(jì)的發(fā)展，貫徹落實(shí)國家電網(wǎng)公司對輸變電工程三維設(shè)計(jì)評審管理工作的要求，推動(dòng)審查方式由傳統(tǒng)二維方式向三維方式的轉(zhuǎn)變，三維設(shè)計(jì)輔助評審的應(yīng)用可進(jìn)一步提升數(shù)字化協(xié)同設(shè)計(jì)手段，將評審人員從重復(fù)勞動(dòng)中解放出來，集中更多的精力投入到變電站接線及布置方案的優(yōu)化，精細(xì)化設(shè)計(jì)，設(shè)計(jì)創(chuàng)新及對業(yè)主服務(wù)等方面上去[1]。

因此，本文基于電網(wǎng)三維智能評審系統(tǒng)的具體需求，采用深度學(xué)習(xí)方法完成了模型數(shù)據(jù)質(zhì)量檢驗(yàn)、指標(biāo)智能比對、指標(biāo)智能預(yù)測的具體功能。

1? 三維設(shè)計(jì)智能輔助系統(tǒng)

1.1? 三維評審現(xiàn)狀

相比于二維設(shè)計(jì)評審，三維評審增加了對三維設(shè)計(jì)模型數(shù)據(jù)和三維測量數(shù)據(jù)（影像、電網(wǎng)專題數(shù)據(jù)、電網(wǎng)空間數(shù)據(jù)、現(xiàn)場測量數(shù)據(jù)）的審核[2]，審核內(nèi)容更加全面，專家評審工作量更大。三維評審的主要環(huán)節(jié)包括資料上傳、預(yù)評審、正式評審、評審意見編制等，在預(yù)評審階段。按照以往的經(jīng)驗(yàn)，專家需要查閱大量的資料對三維模型的完整性和合規(guī)性進(jìn)行檢查[3]。在正式評審階段，需要設(shè)計(jì)人員進(jìn)行展示和解釋。受限于不同評審專家的知識背景、工作經(jīng)驗(yàn)和實(shí)踐經(jīng)歷，在預(yù)評審和正式評審中容易產(chǎn)生以下問題：（1）專家在評審過程中需要進(jìn)行大量機(jī)械性重復(fù)工作，查閱大量資料，進(jìn)行比對計(jì)算，工作效率低下。同時(shí)，由于比對量大、比對過程容易出現(xiàn)錯(cuò)誤、遺漏和誤判等。（2）在正式評審過程中，需要技術(shù)人員進(jìn)行現(xiàn)場展示和解釋，這種方法依賴于技術(shù)人員的文字表達(dá)能力和問題回避能力。（3）不同專家的現(xiàn)場經(jīng)驗(yàn)、評審尺度不同，對指標(biāo)的判斷和預(yù)測存在一定的差距。

1.2? 三維設(shè)計(jì)智能輔助功能

三維評審過程中遇到的新問題，基于電網(wǎng)三維設(shè)計(jì)數(shù)據(jù)結(jié)構(gòu)和評審環(huán)節(jié)，配套設(shè)計(jì)了電網(wǎng)三維設(shè)計(jì)智能輔助評審工具。具體具有以下功能[5]：（1）自動(dòng)對項(xiàng)目提交的三維數(shù)據(jù)進(jìn)行質(zhì)量合規(guī)性檢測，并自動(dòng)輸出GIM文件檢測報(bào)告，輔助評審專家判別三維成果文件的完整性和合規(guī)性。（2）基于國網(wǎng)公司通用設(shè)計(jì)指標(biāo)和江蘇地區(qū)典型工程指標(biāo)，提取待評審工程的評審指標(biāo)與標(biāo)準(zhǔn)設(shè)計(jì)、典型造價(jià)、同類工程及同一工程不同設(shè)計(jì)階段的智能比對，自動(dòng)填寫對比分析報(bào)表。（3）基于專家知識庫，并通過海量評審指標(biāo)數(shù)據(jù)的智能分析以及機(jī)器自主學(xué)習(xí)技術(shù)，建立邏輯推理機(jī)制，為變電站及架空線路設(shè)計(jì)指標(biāo)提供智能判斷服務(wù)，輔助評審專家做出判斷。并根據(jù)判斷結(jié)果，智能提出三維設(shè)計(jì)建議方案，作為對比方案，實(shí)現(xiàn)與提交的設(shè)計(jì)方案之間的對比分析，輔助評審專家做出設(shè)計(jì)評價(jià)結(jié)果，提升評審效率和評審質(zhì)量。

1.3? 輔助評審體系的建立

為具體實(shí)現(xiàn)智能輔助評審工具的功能，需要建立智能輔助評審體系，從而可以進(jìn)一步確定實(shí)現(xiàn)的技術(shù)途徑。

1.3.1? 數(shù)據(jù)質(zhì)量校核

電網(wǎng)三維設(shè)計(jì)具體分為變電站三維設(shè)計(jì)和架空線三維設(shè)計(jì)，變電站和架空線三維設(shè)計(jì)數(shù)據(jù)質(zhì)量校核具有一致性，因此，本文以變電站為例進(jìn)行智能評審體系建立的說明。依據(jù)三維數(shù)據(jù)審查指標(biāo)，自動(dòng)對項(xiàng)目提交的三維變電站三維數(shù)據(jù)進(jìn)行質(zhì)量合規(guī)性檢測。檢測內(nèi)容包括：GIM文件格式、工程模型（*.cbm）、物理模型（*.dev）、組合模型（*.phm）等。具體的審核體系如表1所示。

1.3.2? 指標(biāo)智能比對

通過指標(biāo)智能比對，輔助專家進(jìn)行指標(biāo)分析和評審，提高評審效率和質(zhì)量。下文詳細(xì)講解具體的比對內(nèi)容。

1.3.2.1? 關(guān)鍵技術(shù)經(jīng)濟(jì)指標(biāo)比對

提取評審要點(diǎn)中可量化的技術(shù)與標(biāo)準(zhǔn)庫中的數(shù)據(jù)進(jìn)行分析比對，自動(dòng)形成報(bào)表，并結(jié)合圖表展示分析結(jié)果，系統(tǒng)可自動(dòng)勾選量化的技術(shù)指標(biāo)，自動(dòng)形成不同維度表格對比，快速設(shè)置表格樣式。

1.3.2.2? 同工程不同階段比對

基于提取架空線路單公里塔數(shù)、基礎(chǔ)、基礎(chǔ)鋼筋量，土方量，導(dǎo)地線、接地鋼材、絕緣子、金具、土建材料量、場地平整、無功補(bǔ)償配置、短路電流等輸變電工程各個(gè)單項(xiàng)工程的關(guān)鍵指標(biāo)，系統(tǒng)可記錄同工程不同階段的指標(biāo)數(shù)據(jù)，可自動(dòng)勾選階段的數(shù)據(jù)內(nèi)容，輔助專家橫向比對工程。

1.3.2.3? 同類工程比對

基于提取的關(guān)鍵評審指標(biāo)內(nèi)容，專家可使用同類工程比對功能，系統(tǒng)自動(dòng)推送指標(biāo)類似內(nèi)容的工程，與當(dāng)前評審工程進(jìn)行對比，通過顏色區(qū)分出指標(biāo)的差異，輔助評審專家判斷當(dāng)前評審工程的合理性。

1.3.2.4? 典型設(shè)計(jì)比對

基于標(biāo)準(zhǔn)方案與標(biāo)注模塊的設(shè)計(jì)內(nèi)容智能搭建出與實(shí)際工程一致的虛擬工程，讓虛擬工程與典設(shè)設(shè)計(jì)指標(biāo)內(nèi)容進(jìn)行快速比對，快速展現(xiàn)其差異內(nèi)容，通過圖表的方式可直觀查看到設(shè)計(jì)差異，快速輸出評審報(bào)告。

1.3.3? 指標(biāo)智能預(yù)測

指標(biāo)的智能預(yù)測主要針對變電站及架空線，兩者具體的評審體系略有不同。變電站的評審體系包括：設(shè)備選型、防雷設(shè)計(jì)、電氣主接線、導(dǎo)體選擇、中性點(diǎn)接地方式、建構(gòu)筑物智能指標(biāo)和地基處理方案等。架空線路的評審體系包括桿塔型號、風(fēng)速覆冰、絕緣配合、絕緣子串強(qiáng)度、重要交叉跨越等。

2? 基于深度學(xué)習(xí)的網(wǎng)三維設(shè)計(jì)智能輔助評審工具

2.1? 深度學(xué)習(xí)算法設(shè)計(jì)

通過對智能輔助評審工具三種功能的特點(diǎn)進(jìn)行分析，發(fā)現(xiàn)功能一二主要涉及關(guān)鍵詞的提取和語義分析，功能三主要涉及機(jī)器自主學(xué)習(xí)，因此為實(shí)現(xiàn)上述三種功能，可以分別采用基于深度學(xué)習(xí)的光學(xué)字符識別技術(shù) 、文本匹配和機(jī)器學(xué)習(xí)技術(shù)。

2.1.1? 基于Tesseract光學(xué)字符識別技術(shù)

為了實(shí)現(xiàn)三維電網(wǎng)設(shè)計(jì)模型數(shù)據(jù)質(zhì)量校核，需要對提交的三維模型關(guān)鍵詞和交互文件關(guān)鍵詞進(jìn)行識別提取，因此實(shí)現(xiàn)該輔助評審功能的關(guān)鍵是對文字的自動(dòng)識別，數(shù)據(jù)質(zhì)量校核流程如圖1所示。本文采用基于Tesseract的光學(xué)字符識別技術(shù)，可以得到較高的識別準(zhǔn)確率[6]。

Tesseract字符識別技術(shù)總體上可以分為兩部分，分別為圖片布局分析、字符分割和識別。Tesseract字符識別的具體流程如圖2所示，可以分為以下四步[7]。

在識別圖像中，字符的連通域會(huì)被識別為文本行，文本行通過不同的字符間隔被分成不同的字符。查找塊區(qū)域指的是尋找文本行基線的像素點(diǎn)集合，在Tesseract中，通過調(diào)用pixFindBaselines（）函數(shù)來尋找文本行基線。通過文本行區(qū)域的尋找，能識別傾斜的圖片而無需進(jìn)行傾斜矯正處理，確保了圖像的質(zhì)量，還可以過濾連通域中的下浮或者帶有下劃線的字體。文本行基線找到后，需要利用二次樣條曲線對基線再次擬合，這樣可以將連通區(qū)域劃分為多組來擬合基線，并將原始基線進(jìn)行移位，通過最小二乘法，用二次樣條曲線擬合得到最密集的區(qū)域。最小二乘法的計(jì)算公式如式（1）和式（2）所示。

式中：vi記為殘差，最小二乘法就是在式（2）取得的值最小，在此條件下用極值法求得參數(shù)a1，a2，…，ak。

對分割后得字符，以字體的幾何頂點(diǎn)作為字符分割點(diǎn)，利用識別得置信度來判斷字符。Tesseract本身提供了豐富的字庫，有英文、中文、法文等，但是三維模型的關(guān)鍵詞既包含了中文，也有數(shù)字、字符等混合組成，因此識別效率得不到保證[8]。本文使用了jTesBoxEditor工具，結(jié)合Tesseract引擎命令行進(jìn)行三維模型常用字符訓(xùn)練，以便提高模型訓(xùn)練精度。

2.1.2? 文本匹配方法

由于中文語言表達(dá)的復(fù)雜性，相同的規(guī)定具有不同的表達(dá)形式，關(guān)鍵詞提取后并不能直接進(jìn)行比對，需要進(jìn)行語義識別并進(jìn)行文本匹配。本文采用基于多語義特征融合的文本匹配方法，可以實(shí)現(xiàn)三維電網(wǎng)設(shè)計(jì)標(biāo)準(zhǔn)的比對。模型的框架如圖3所示。

模型主要包括多粒度嵌入層、多粒度編碼層、推理預(yù)測層。輸入的文本經(jīng)過多粒度嵌入層處理后，字和詞兩種粒度映射成具有文本特征的表達(dá)向量。字粒度和詞粒度文本嵌入表示作為輸出，傳輸?shù)蕉嗔６染幋a層，分別提取字符和單詞粒度的文本語義特征表示，同時(shí)將相同文本的不同語義特征進(jìn)行融合，融合后的多粒度表達(dá)式將會(huì)作為輸出輸入到推理預(yù)測層，計(jì)算兩種文本之間語義的相似度從而判斷兩者之間的匹配程度[9，10]。

基于多語義的文本匹配方法結(jié)合光學(xué)字符識別技術(shù)可以實(shí)現(xiàn)電網(wǎng)三維設(shè)計(jì)輔助評審功能一和二的主體內(nèi)容。從而輔助專家對電網(wǎng)三維設(shè)計(jì)進(jìn)行評審。

2.1.3? 機(jī)器學(xué)習(xí)

智能指標(biāo)的預(yù)測功能實(shí)現(xiàn)路線如圖4所示。

通過對海量評審數(shù)據(jù)的預(yù)處理，并作為聚類分析算法的輸入數(shù)據(jù)，進(jìn)行大量聚類分析。分別對不同聚類的元素進(jìn)行深度學(xué)習(xí)，自動(dòng)學(xué)習(xí)三維電網(wǎng)模型和評審指標(biāo)之間的內(nèi)在關(guān)系，完成深度網(wǎng)絡(luò)模型的訓(xùn)練。將待預(yù)測的工程指標(biāo)進(jìn)行預(yù)處理，然后進(jìn)行分類。以數(shù)據(jù)作為深度網(wǎng)絡(luò)模型的輸入，從而得到指標(biāo)的預(yù)測。

2.1.3.1? 數(shù)據(jù)預(yù)處理

數(shù)據(jù)預(yù)處理消除數(shù)據(jù)量綱對結(jié)果的影響，并將數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

式中，x位標(biāo)準(zhǔn)化前的數(shù)據(jù)為標(biāo)準(zhǔn)化后的數(shù)據(jù);xmax和xmin分別為該類數(shù)據(jù)的最大值和最小值。

2.1.3.2? 聚類分析

聚類分析算法主要采用K均值聚類算法。MacQueen提出的K均值算法也稱作為K-Means算法[11]，屬于動(dòng)態(tài)聚類方法，是一種無監(jiān)督學(xué)習(xí)算法，主要作用是將相似的樣本自動(dòng)歸為一類，采用歐氏距離作為相似性指標(biāo)。算法的流程圖如圖5所示。

首先隨機(jī)確定k個(gè)對象作為初始的聚類中心，然后計(jì)算每個(gè)對象與各個(gè)種子聚類中心之間的歐氏距離，把每個(gè)對象分配給距離它最近的聚類中心，對調(diào)整后的新類重新計(jì)算聚類中心，如果相鄰迭代之間的聚類中心沒有變化，說明數(shù)據(jù)對象調(diào)整結(jié)束，聚類準(zhǔn)則函數(shù)已經(jīng)收斂。K值均值算法的準(zhǔn)則函數(shù)如式（4）所示[12]。

式中，k為類數(shù)，U為類中的樣本，x是類中的樣本的位置矢量，Cj是類的中心點(diǎn)位置矢量。

2.1.3.3? 深度學(xué)習(xí)

深度學(xué)習(xí)模塊采用多層受限玻波茲曼機(jī)堆疊形成，其網(wǎng)絡(luò)模型如圖6所示，其能夠自動(dòng)學(xué)習(xí)并提取數(shù)據(jù)樣本之間的內(nèi)在關(guān)系，且可以處理大規(guī)模的數(shù)據(jù)集。深度學(xué)習(xí)主要包括兩個(gè)過程：正向逐層的無監(jiān)督預(yù)訓(xùn)練與反向誤差傳播調(diào)參數(shù)。

2.2? 數(shù)據(jù)庫設(shè)計(jì)

2.2.1? 三維評審模型庫

三維評審模型庫采用江蘇省變電和架空線路通用級、產(chǎn)品及通用設(shè)備模型和整站設(shè)計(jì)方案模型，并實(shí)現(xiàn)設(shè)計(jì)單位提交的單體設(shè)計(jì)模型和整站方案模型管理維護(hù)，為模型和設(shè)計(jì)方案的智能比對提供標(biāo)準(zhǔn)支撐，也為模型共享提供模型基礎(chǔ)。

2.2.2? 三維評審指標(biāo)庫

三維評審指標(biāo)庫主要是管理及更新江蘇經(jīng)研院體系管理特性的輸變電三維設(shè)計(jì)評審標(biāo)準(zhǔn)化應(yīng)用指標(biāo)，為輸變電工程三維設(shè)計(jì)智能輔助評審提供數(shù)據(jù)基礎(chǔ)和應(yīng)用參考，進(jìn)而實(shí)現(xiàn)三維設(shè)計(jì)智能輔助評審。

2.2.3? 基礎(chǔ)地理信息庫

用于存儲(chǔ)江蘇省全省電網(wǎng)工程數(shù)據(jù)（提交評審的歷史三維設(shè)計(jì)成果數(shù)據(jù)），基礎(chǔ)地理信息數(shù)據(jù)（影像及數(shù)字高程數(shù)據(jù)），電網(wǎng)專題數(shù)據(jù)（包含風(fēng)、覆冰、污穢、雷害、地震裂度、鳥害數(shù)據(jù)），電網(wǎng)空間數(shù)據(jù)（包含各類發(fā)電廠（場）站、線路、變電站等數(shù)據(jù)），輸電線路通道數(shù)據(jù)（包含通道范圍內(nèi)重要的規(guī)劃區(qū)、環(huán)境敏感點(diǎn)、交叉跨越和通道清理等準(zhǔn)確數(shù)據(jù)），工程測量數(shù)據(jù)（包含工程測量、水文、氣象、地質(zhì)等專業(yè)數(shù)據(jù)）等。為三維評審場景渲染、設(shè)計(jì)輸入條件判定以及江蘇省電網(wǎng)基建數(shù)字地圖的建設(shè)提供數(shù)據(jù)支撐。

3? 基于深度學(xué)習(xí)的電網(wǎng)三維設(shè)計(jì)智能輔助評審工具功能測試

3.1? 數(shù)據(jù)庫設(shè)計(jì)

為對電網(wǎng)三維設(shè)計(jì)智能輔助系統(tǒng)進(jìn)行測試，測試硬件環(huán)境為服務(wù)器一臺，軟件環(huán)境為Windows10平臺。

3.2? 數(shù)據(jù)庫設(shè)計(jì)

3.2.1? 智能輔助評審工具功能測試

本文針對該系統(tǒng)的主要功能和相應(yīng)的應(yīng)用模塊，設(shè)計(jì)了部分的測試內(nèi)容。各部分測試內(nèi)容的結(jié)果如圖7所示。

3.2.2? 智能輔助評審工具性能測試

為了測試智能輔助評審工具的性能，選取10位具有經(jīng)驗(yàn)的評審專家，對比分析電網(wǎng)三維設(shè)計(jì)智能輔助評審系統(tǒng)的結(jié)果，從圖8中可以看出，電網(wǎng)三維設(shè)計(jì)輔助評審系統(tǒng)的三種功能都具有一定的準(zhǔn)確性，可以替代專家的部分工作，從而提高工作效率。

4? 結(jié)? 論

本文基于電網(wǎng)三維設(shè)計(jì)評審中遇到的問題，提出了電網(wǎng)三維設(shè)計(jì)輔助系統(tǒng)，該系統(tǒng)具有的主要功能為：數(shù)據(jù)質(zhì)量檢驗(yàn)、指標(biāo)智能比對、指標(biāo)智能預(yù)測。為實(shí)現(xiàn)電網(wǎng)三維智能輔助評審的相應(yīng)功能，采用了基于深度學(xué)習(xí)的光學(xué)字符識別技術(shù)、文本匹配方法和機(jī)器學(xué)習(xí)，經(jīng)過實(shí)際測試，該系統(tǒng)可以準(zhǔn)確地實(shí)現(xiàn)輔助評審，可以大大提高專家的評審效率。

參考文獻(xiàn)：

[1] 彭博，李錦川，張育臣，等.基于三維設(shè)計(jì)成果的電網(wǎng)基建工程數(shù)字化管理模式的研究 [J].工程管理學(xué)報(bào)，2021，35（3）：94-99.

[2] 王波，陳建飛，秦加林，等.輸變電工程三維設(shè)計(jì)評審要點(diǎn)研究 [J].中國電力企業(yè)管理，2020（18）：26-27.

[3] 郭磊，肖明.電網(wǎng)三維設(shè)計(jì)系統(tǒng)在輸電線路勘測設(shè)計(jì)中的應(yīng)用 [J].江西電力，2020，44（4）：24-32.

[4] 方明，張雙萍，陸秋云，等.淺談電力工程設(shè)計(jì)評審及技術(shù)經(jīng)濟(jì)評價(jià)信息系統(tǒng) [J].中國管理信息化，2019，22（12）：56-57.

[5] 劉迪.電網(wǎng)全息數(shù)字地圖系統(tǒng)輔助輸變電工程設(shè)計(jì)評審方法 [J].中國科技信息，2018（23）：96+98.

[6] 葉子卿.基于Tesseract-OCR的古代漢語文字識別方法的設(shè)計(jì)與實(shí)現(xiàn) [D].南京：南京郵電大學(xué)，2020.

[7] 張婷婷.基于Tesseract_OCR文字識別系統(tǒng)的研究 [D].南京：南京郵電大學(xué)，2020.

[8] 郭室驛.基于OpenCV和Tesseract-OCR的英文字符算法研究 [J].電腦編程技巧與維護(hù)，2019（6）：45-49.

[9] 張旭.基于深度學(xué)習(xí)的文本匹配方法研究 [D].山東：齊魯工業(yè)大學(xué)，2021.

[10] 劉崇宇，陳曉雪，羅燦杰，等.自然場景文本檢測與識別的深度學(xué)習(xí)方法 [J].中國圖象圖形學(xué)報(bào)，2021，26（6）：1330-1367.

[11] 譚若洋.基于改進(jìn)的PSO的BP神經(jīng)網(wǎng)絡(luò)模型的建立及在空氣質(zhì)量預(yù)測中的應(yīng)用[D].重慶工商大學(xué)，2021.

[12] MACQUEEN J. A Test for Suboptimal Actions in Markovian Decision Problems [J]. Operations Research，1967，15（3）：559-561.

作者簡介：陳紅（1990—），女，漢族，安徽合肥人，中級工程師，碩士研究生，研究方向：電網(wǎng)工程變電土建技術(shù)。

3386500338274