基于人工智能的电网工程设计智能评审方法及系统与流程

本发明涉及智能评审领域，尤其涉及一种基于人工智能的电网工程设计智能评审方法及系统。

背景技术：

1、随着我国能源结构调整和新型电力系统建设的持续推进，电网工程设计的复杂性、创新性及安全性需求大幅提升。电力工程设计不仅面临庞杂、不断迭代的行业标准和技术规范，还需兼顾工程本地化定制、绿色能源接入等多元场景，其评审工作日益繁重。在实际工程实践中，传统的设计评审主要依赖人工查阅标准与专家经验，对文档资料的分析、比对、归纳耗时耗力，且主观性强，往往难以全面发现隐患与创新空间，存在效率低和漏查错判等问题。随着人工智能、大数据和自然语言处理等技术突破，基于多源异构数据的自动化处理和知识推理能力迅速发展，为工程设计自动评审提供了新契机。

技术实现思路

1、为了解决上述问题，本发明的目的在于提供一种基于人工智能的电网工程设计智能评审方法，全面提升了评审的智能化水平，大幅增强了电力工程项目的质量保障及管理效率。

2、为实现上述目的，本发明采用以下技术方案：

3、一种基于人工智能的电网工程设计智能评审方法，包括以下步骤：

4、s1:获取电力工程设计材料行业标准、规范和典型工程案例，构建电力工程设计方案智能评审的基础数据库；

5、s2:基于基础数据库，采用多层级要素识别方法构建分层多维指标体系；

6、s3:获取各场景下结构化设计数据，并根据分层多维指标体系，建立多场景知识图谱；

7、s4:根据分层多维指标体系、多场景知识图谱和当次设计目标及重要性排序，采用基于ai的自适应权重分配和多策略组合分析，获取针对不同评审维度、项目场景的差异化评审意见清单；

8、s5:利用nlg技术，将差异化评审意见清单与优化建议自动转化为规范、清晰的报告文本；报告不仅含问题列表、改进建议，也自动关联原始设计文档和各类数据来源，便于追溯。

9、进一步的，获取电力工程设计材料行业标准、规范和典型工程案例，构建电力工程设计方案智能评审的基础数据库，具体如下：

10、建立自动化采集系统，实时行业标准、规范；采用基于深度学习的文档解析技术，对pdf和图片格式的标准文档进行结构化处理，提取条款编号、技术参数、强制性要求关键信息；

11、构建案例质量评估模型，从设计院、施工单位获取典型工程的全套技术资料，包括设计说明书、施工图纸、计算书、竣工验收报告；通过加权评分法评估案例完整性，仅收录评分大于阈值的高质量案例；

12、采用基于规则与机器学习结合的清洗方法，去除文档中的页眉页脚、无关图表噪声数据，保留包含技术参数、设计要求的有效内容；

13、对采集的各类参数进行归一化处理，考虑电压等级、工程规模特征因素，建立统一的参数表达体系，得到基础数据库。

14、进一步的，基于基础数据库，采用多层级要素识别方法构建分层多维指标体系，具体如下：

15、根据基础数据库，基于nlp段落与标题识别模型自动抽取一级、二级、三级章节，构建文档目录树；

16、在每个章节节点下，使用文本分割与关键字提取技术定位技术条款，每条技术条款提取编号、文本内容、上级章节引用；获取技术条款清单；

17、基于依存句法分析与参数识别模型，解析条款中涉及的具体参数、数值范围、单位、条件关系，若条款为主干，参数为叶节点，则存为树的叶节点，获取参数要求字典，包括参数名称、取值范围、上下文条件及单位；

18、根据条款中关键词汇和模板规则，自动标注强制性、推荐性、可选性，并结合章节上下文、出现场合以及结构化数据，映射每项要素所属工况（如电压等级、变电站类型、新能源场景）；

19、并计算每个要素的权重，设第 i 个要素的权重为 wi：

20、wi=α·fi+β·ci+γ·hi；

21、其中，fi为要素 i 出现频次的归一化值；ci为章节重要性分值；hi为历史案例引用次数的归一化值；α,β,γ为权重可调参数；

22、每个要素以结构化对象存在数据库中，构建分层多维指标体系，包含：所属章节与技术条款关联参数描述及约束属性、适用场景、权重分值及各分项原始数据。

23、进一步的，在每个章节节点下，使用文本分割与关键字提取技术定位技术条款，每条技术条款提取编号、文本内容、上级章节引用；获取技术条款清单，具体如下：

24、对于每个章节节点下的全部文本内容，将其再做细分，以空行、编号或分号标志性文本为切分点，划分为若干候选条款片段，针对有目录编号开头的片段优先作为技术条款的候选。

25、利用正则匹配提取技术术语的句子，初步筛选出潜在技术条款；

26、引入spanbert上下文语义模型，对每个文本片段的句意进行进一步判断；对于每条技术条款，抽取以下信息并结构化存储，包括编号、条款内容、上级章节引用、条款位置、属性标签；以章节编号为桥梁，将条款清单中每条技术条款直接归属于相应章节节点，实现数据双向映射；目录树每个节点均维护一个技术条款列表，清单表记录所属章节编号，双向可追溯。

27、进一步的，获取各场景下结构化设计数据，并根据分层多维指标体系，建立多场景知识图谱，具体如下：

28、从bim、cad、参数表、配置单获取工程对象及设计参数，统一结构，识别出工程对象、参数项及组织、场景元数据，根据分层多维指标体系，将结构化设计数据字段同标准指标体系一一匹配，实现不同数据的语义统一和规范化表示；

29、基于语义统一和规范化表示后的数据，构建多场景知识图谱；

30、每条规范条款、每个指标案元均指定适用场景，在知识图谱中以属性存在或通过关系节点实现； 按不同工程类型、不同设计深度细化归集规范规则和评审约束；

31、知识图谱为规范条款建立生效标签，仅在其适用的场景与阶段激活；

32、根据场景标签筛选出当前项目所有适用规则，自动加载工程数据后，对照规则进行自动化检查、对比、推理，如发现有参数不达标、缺漏、违反现行规范，在图谱中自动标注并输出问题及数据追溯路径。

33、进一步的，根据分层多维指标体系、多场景知识图谱和当次设计目标及重要性排序，采用基于ai的自适应权重分配和多策略组合分析，获取针对不同评审维度、项目场景的差异化评审意见清单与优化建议，具体如下：

34、将多源权重因子融合，利用机器学习与协同推荐调整各评审要素在本项目、特定场景下的优先级；

35、；

36、其中，wi,j为在评审维度j下第i个指标的最终权重；为在评审维度j下第i个指标的基础权重；为根据当次设计目标及重要性排序动态加权；为根据历史案例中该项指标的实际影响与引用度归一化值；为在评审维度j下第i个指标与当前场景的适配性分值；λ1、λ2、λ3和λ4为加权系数；

37、依据多场景知识图谱，自动比对设计参数与适用的规范约束；比较历史高分案例和本次设计对应参数，标记差异显著的参数，自动推送参考方案；

38、根据分层多维指标体系，对主要评审维度的表现进行综合归纳，在权重排序前n的指标上自动优先输出调整建议；

39、对存在评审意见冲突的要素，输出弹性优化建议与权衡理由，生成差异化评审意见清单。

40、进一步的，依据多场景知识图谱，自动比对设计参数与适用的规范约束；比较历史高分案例和本次设计对应参数，标记差异显著的参数，具体如下：

41、针对每一设计参数，遍历其对应场景下的规范约束条款，提取参数规范区间，分别为参数的最小值和最大值；对应比对：判断是否满足：

42、；

43、其中，compliance为判断函数；

44、差异量:

45、

46、对于每项参数，获取对应案例参数统计区间，其中，分别为历史高分工程案例中，第 i′个参数的最小值和最大值区间；分别为历史高分工程案例中，第 i′个参数的平均值和标准差；筛选案例集合caseset；

47、检索案例集合caseset中该参数的最佳做法；若差异项历史优化建议在知识图谱中已有记录，直接匹配推送。

48、进一步的，利用nlg技术，将差异化评审意见清单与优化建议自动转化为规范、清晰的报告文本，具体如下：

49、根据维度、问题类型、重要性先对内容做分类聚合，为每类输出内容确定阐述顺序，确定何时阐述结果、原因、优化建议及引用依据；

50、由预设公式或基础模板，将结构化信息自动转化为规范、通顺、条理清晰的书面表述，文本不仅描述问题和建议，还自动引用原文档与数据来源，便于追溯；

51、通过nlg自动生成章节划分、目录、摘要、分项、附录，按行业标准输出完整评审报告；

52、报告中的每个结论或建议都自动嵌入原始数据锚点，包括设计参数在原始文件中的页码、规范对照出处、回溯的案例编号。

53、一种基于人工智能的电网工程设计智能评审系统，包括处理器、存储器以及存储在所述存储器上的计算机程序，所述处理器执行所述计算机程序时，具体执行如上所述的基于人工智能的电网工程设计智能评审方法中的步骤。

54、一种计算机存储介质，所述计算机存储介质存储有多条指令，所述指令适于由处理器加载并执行如上方法步骤。

55、本发明具有如下有益效果：

56、1、本发明实现了评审要素的自动抽取、权重自适应分配、智能碰撞比对和反馈优化，能自动归并多源异构数据，消除人工检索、对照与整理过程中的重复劳动，大幅提升评审的时效性和核心要素的覆盖率；

57、2、本发明通过端到端的数据驱动与智能规则融合机制，能够动态适应不同工程类型、规范修订和实际应用场景，全面确保设计成果符合行业强制要求和最佳实践，降低人为疏漏风险；

58、3、本发明以多场景知识图谱与历史高分案例数据库为底座，融合自然语言理解、依存句法分析、参数归一化等技术，自动解析设计参数与复杂规范约束间的适用逻辑，并完成与历史案例的横向比对分析，对于每一关键参数，既能判断当前设计是否合规，又能基于案例统计偏差提供最优实践和多策略弹性建议，且所有建议均可自动引用原文、数据位置、案例编号，实现建议闭环和推理透明。