一种智能变电站图纸的物理回路建模方法与流程

1.本发明属于智能变电站图纸物理回路建模技术领域，尤其涉及一种智能变电站图纸的物理回路建模方法。


背景技术：

2.变电站二次原始图纸的保存和解析数字化程度依旧不高，图纸的分类和识别工作越发繁杂，因此通过智能化的方式协助工作人员分类和识别图纸，提取图纸的关键信息，进而为二次系统提供数字化支撑也更为重要。现存有大量的变电站，其二次系统物理回路模型尚无标准规范，设计单位依然通过光缆联系原始图纸表达物理回路的设计，工程实施单位同样根据光缆联系原始图纸完成智能变电站二次系统物理回路的施工。描述物理回路设计的变电站物理配置描述(substation physical configuration description，spcd)文件所需的关键信息仍然采用原始图纸表达，图纸不带有任何属性，信息保存单一，很难对其加工和后续处理，通常需要人员观察图纸手动提取信息，保存成光缆清册excel文件、设计图纸cad文件，或通过配置工具生成xml配置文件，都有着庞大的工作量，不利于智能变电站数字化技术的发展和二次开发的应用。
3.由于变电站图纸的设计单位和工程师不同，导致图纸规范性差，正是这大同小异的差别给图纸信息识别和语义理解造成很大的障碍。已有的相关研究：主要包括电气符号的识别、变电站模型的分类和拓扑信息的解析。大多数的技术研究都是基于上述三个方面，如文献[1] 是通过环形分割算法提取工程cad图纸中每个组件对象几何特征，实现对各个组件拓扑特征的提取，然后基于协方差描述符融合几何特征和拓扑特征，连通域标记方法识别拓扑关系，但不适用于变电站对象图例。如文献[2]提出了一种基于工程图纸知识的预分割字符串及标注信息提取方法，基于图元矢量化讨论了对标注信息的提取过程，但只针对提取图纸中的标注文本信息和标注尺寸信息，文献[3]只针对图纸标题栏内容的提取和图纸标注尺寸的定位与识别，都没有涉及到变电站电气符号的识别和设备对象拓扑关系的解析。文献[4]基于cad图纸将电气符号转化为拓扑图，建立图元矩阵表征图的结构特征，图元矩阵是对属性图[5]的改进，因为本文是基于图纸图像识别图元存在误差，使用矩阵匹配必然造成误差进一步增大。文献[6]基于图纸图像通过深度学习的深度神经网络yolov3模型识别电气符号，由于电气符号规范性差，根据目标检测识别电气符号，必然会有数据集大小、训练程度，识别场景不同等各种限制和误差，实验和应用相差较大。这些都只是电气符号的识别，没有进一步实现物理回路模型的构建。
[0004]
中国专利cn110795809a[7]公开了一种基于cad图自动拾取的变电站电气二次回路连接关系的方法，根据建立二次元件图元库，识别区域框大小的自动选定，根据识别区域框中图形与二次元件图元库自动比对识别电气二次回路cad图中各类元件，依托连接线的连接点位置坐标与元件的位置关系获取cad图中的电气二次回路连接关系，并最终可以输出描述变电站电气二次回路连接关系的标准文件，完成变电站图纸二次回路的提取，但是文中没有详细介绍如何匹配电气符号，而且其中的大多操作需要手动框选对象和设置图形
大小，操作繁琐复杂。
[0005]
综上所述，目前没有从变电站原始图纸到智能变电站配置文件应用过程的相关研究，而且从设计单位获取的图纸大多是pdf文件，没有针对pdf图纸的研究。本发明所要解决的关键问题如下：
[0006]
1)电气符号的识别。
[0007]
当前的研究多是基于cad图纸，但从设计单位获取和保存的图纸大多是pdf文件，本发明专利是基于pdf文件转图像，对电气符号进行识别。因此，如何在图像提取图元信息存在误差的情况下，较好地识别电气符号是要解决的一个关键问题。
[0008]
2)变电站模型的分类。
[0009]
现有主要研究是对变电站模型或图纸信息的检索与匹配，根据图纸清册对模型进行分类，不通用于实际生产过程中具有差异性的各类模型，同一类图纸，甚至一张图纸就包含不同特征的变电站对象，本发明专利对图纸中的变电站模型图像进行分类，可以实现自适应识别变电站模型并解析的功能，可以减少手动框选图像和设置图像大小的操作。因此，如何提取变电站模型的特征，构造分类模型是需要解决的另外一个关键问题。
[0010]
3)连接关系的解析。
[0011]
目前的研究主要应用在类似电路图的元件符号连接关系cad图，没有涉及到变电站二次图纸物理回路设备对象连接关系的解析，变电站对象图例规范性比较差，构成物理回路的变电站模型一般是由多个矩形组合描述设备区域，由直线描述连线的模型。因此，如何提取物理回路联接关系是需要解决的第三个关键问题。
[0012]
文献资料：
[0013]
[1]张琪,叶颖.基于对象图例及其拓扑关系识别的二维工程cad图纸矢量化方法[j].计算机与现代化,2018(11):40-45.zhangqi,yeying.2dengineeringcaddrawingsvectorizationmethodbasedonrecognitionofobjectlegendsandtheirtopology[j].computerandmodernization,2018(11):40-45.
[0014]
[2]范帆,关佶红.工程图纸字符串及标注信息提取[j].计算机工程与应用,2012,48(07):161-164.fanfan,guanjihong.recognitionofcharactersandannotationsonengineeringdrawings[j].computerengineeringandapplications,2012,48(7):161-164.
[0015]
[3]宋小鸿.工程图纸的关键信息智能提取技术[d].北京:北京交通大学,2019.songxiaohong.intelligentextractiontechnologyofkeyinformationinengineeringdrawings[d].beijing:beijingjiaotonguniversity,2019.
[0016]
[4]刘清泉,陈天英,郭少飞,等.基于图谱理论的变电站二次系统图纸活化技术研究与应用实践[j].电测与仪表,2021,58(07):97-103.liuqingquan,chentianying,guoshaofei,etal.researchandapplicationofdrawingactivationtech-nologyofsubstationsecondarysystembasedongraphtheory[j].electricalmeasurement&instrumentation,2021,58(07):97-103.
[0017]
[5]朱江,孙家广,邹北骥,等.电气原理图的自动识别[j].计算机工程与科学,2007(01):56-58,69.zhujiang,sunjiaguang,zoubeiji,etal.automatedrecognitionofelectricalcircuitdrawings[j].computerengineering&science,
2007(01):56-58,69.
[0018]
[6]江再玉,石文娟,马晶,等.基于深度神经网络的电气元件符号识别算法[j/ol].电力系统及其自动化学报:1-8[2021-12-01].https://doi-org-s.era.lib.swjtu.edu.cn/10.19635/j.cnki.csu-epsa.000830.jiangzaiyu,shiwenjuan,majing,etal.recognitionalgorithmforelectricalcomponentsymbolsbasedondeepneuralnetwork[j/ol].proceedingsofthecsu-epsa:1-8[2021-11-30].https://doi-org-s.era.lib.swjtu.edu.cn/10.19635/j.cnki.csu-epsa.000830.
[0019]
[7]李铁成,任江波,曾四鸣,等.基于cad图自动拾取的变电站电气二次回路连接关系的方法、系统及介质[p].河北省:cn110795809a,2020-02-14.litiecheng,renjiangbo,zengsiming,etal.themethod,systemandmediumofsubstationelectricalsecondarycircuitconnectionbasedoncaddrawingautomaticpicking[p].hebei:cn110795809a,2020-02-14。


技术实现要素：

[0020]
为解决背景技术中的问题。本发明提供一种智能变电站图纸的物理回路建模方法。
[0021]
本发明的一种智能变电站图纸的物理回路建模方法，包括以下步骤：
[0022]
步骤1：图纸电气符号的识别。
[0023]
s11、导入pdf图纸，转成png图像，对图像进行放大。再对图像进行预处理操作，分割图纸中变电站模型的图像，依次检测变电站模型图像的图元，获取图纸的图元信息。
[0024]
s12、为了消除缩放等变换对特征提取产生的影响，规定区域左上角顶点为坐标原点，采用基于线段长度加权的主成分分析法(weightedprincipalcomponentanalysis，wpca)进行比例归一化处理。
[0025]
s13、为了解决组成电气符号图元和变电站模型图元的冲突，保证电气符号唯一性，在提取图元的基础上定义电气符号最小的几何图元集合，根据拓扑图构建拓扑连接关系字符串。由于存在提取图元误差和设计不同，将电气符号和多个拓扑字符串构造一对多的典型映射关系，通过字符串相似度rkr-gst(runningkarp-rabingreedystringtiling，结合kr的贪心串覆盖)匹配算法，求出最相似的拓扑字符串对应的电气符号。
[0026]
步骤2：变电站模型的分类。
[0027]
s21、使用统计分布方法提取具有区分能力的特征描述符，能够较好地表达基于图元的变电站模型特点。
[0028]
s22、根据提取变电站模型的图元特征，使用gbdt与lr耦合训练的二分类算法对数据集进行训练，获得分类模型。
[0029]
s23、根据分类模型对变电站模型图像进行分类，获得构成物理回路的变电站模型，再对变电站模型进行连接关系的解析，实现物理回路模型的构建。
[0030]
s231、先通过矩形区域获取物理回路的设备对象的信息。再基于图论深度遍历优先搜索(depthfirstsearch，dfs)算法获取物理回路的连接关系的信息。
[0031]
s232、无法从图纸中直接获取spcd所需的全部信息，根据变电站配置描述语言(substationconfigurationdescriptionlanguage，scl)标准和spcd配置文件，以单张
图纸解析得到的物理回路数字化描述，构建中间模型文件。最后通过配置工具和人工校核完成spcd 配置文件。
[0032]
进一步的，步骤s11中，预处理操作为图像二值化和降噪处理。图元信息包括标题栏、直线、圆和文本。
[0033]
进一步的，步骤s12中采用基于线段长度加权的主成分分析法wpca进行比例归一化处理，得到标题栏i、直线l、圆o和文本t，表征图元的类型和图纸中的位置，作为模型分类和建模的基础：
[0034]
i＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀ
(1)
[0035]
l＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0036]
o＝{(xi,yi,ri)|i＝1,2,
···
,n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0037]
t＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0038]
其中，xi和yi是坐标，wi是矩形的宽，hi是矩形的高，ri是圆的半径。
[0039]
进一步的，步骤s13具体为：
[0040]
定义电气符号最小的几何图元集合s，包含短直线ls构成的矩形、不能构成矩形的短垂直线l
sv
、短水平线l
sh
、斜线l
sb
、圆o；集合s通过包含、相交和分离三种位置关系构成电气符号，用图表示结构，节点表示图元类型，边表示图元位置关系；根据拓扑图构建拓扑连接关系字符串，首先从图元坐标最小的节点起始，由小到大，先判断相交，再判断包含，以两图元之间的距离是否为0或小于指定阈值的最邻近欧式距离遍历集合s，每个图元都要遍历判断与之前图元的位置关系，直到完成相关所有图元，得到电气符号矩形图元集合j：
[0041]
j＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀ
(5)
[0042]
进一步的，步骤21具体为：
[0043]
提取图形图元特征fe和电气符号特征fj来合成模型特征向量f，如下：
[0044]
f＝wefe w
jfj
ꢀꢀ
(6)
[0045]
其中，we和wj为加权系数。
[0046]
提取图元的个数和长度两种特征来合成公式(6)中图形图元特征fe，如下：
[0047]
fe＝w
nfn
w
lfl
ꢀꢀ
(7)
[0048]
其中，wn和w
l
为加权系数。
[0049]
统计l在垂直和水平上的个数和累加长度，统计o的个数和圆周累加长度，对个数和长度做数据归一化处理，结果值映射到[0,1]区间，获得四维的个数特征向量fn与长度特征向量 fj。
[0050]
将物理回路电气符号j分为m类，每类的个数fm来合成公式(6)中电气符号特征fj，如下：
[0051][0052]
其中，w1…
wm为加权系数。
[0053]
统计各类电气符号的个数，做数据归一化处理，结果值映射到[0,1]区间，获得m维的电气符号特征向量fj。
[0054]
进一步的，步骤22中训练具体为：把原始数据一分为二，一部分采用gbdt进行训练，构造决策树组，得到分类器、使用训练好的gbdt模型对数据集进行预测，以预测值构造
新特征并编码、得到新的特征向量和另一半数据集提供给lr进行训练，二分类输出的结果。
[0055]
进一步的，步骤s23中对变电站模型进行连接关系的解析具体为：
[0056]
先通过矩形区域获取设备的信息：按照逆时针方向，遍历最大长度的垂直线和水平线，找到若干个封闭连通矩形区域，即设备；再以矩形区域左上角为坐标原点，坐标从小到大，依次遍历该设备区域内的直线及电气符号，即port；定位电气符号所在的设备；依次就近匹配文本信息。
[0057]
再基于图论深度遍历优先搜索dfs算法获取连接关系的信息：本文将port或终端设备作为节点，连线作为边，构建拓扑图；定位矩形区域中port为起点，进行dfs遍历，以最邻近欧式距离寻找拓扑路径，依次遍历与之相连的长直线，并匹配节点与边的文本标注，路径终点是port或者标注终端设备信息的直线。
[0058]
重复上述过程，直到遍历完毕，得到无向连通拓扑图。
[0059]
本发明的有益技术效果为：
[0060]
1)本发明创新地综合了电气符号的识别、变电站模型的分类和拓扑信息的解析三个方面进行研究，比当前的研究各有创新和改进，将三个方面的研究整合在一起，应用到变电站原始图纸到智能变电站spcd配置文件过程中，使之流解析程智能化，人工操作简单。
[0061]
2)本发明是基于pdf格式的图纸文件。当前大多都是基于cad图纸的研究，从设计单位获取和变电站保存与共享的图纸大多是pdf文件，没有针对pdf图纸的研究，故从pdf 图纸出发，可以实现变电站施工改扩和运行维护的智能化二次应用。
[0062]
3)本发明在对于电气符号的识别的方面具有较好的效果。在提取图元存在误差的情况下，电气符号的识别正确率和运算速度，文本的方法要优于矩阵匹配和目标检测，有利于变电站模型的自动化分类和物理回路的建模。
[0063]
基于以上原因，本发明针对智能变电站配置文件生成过程中，人工读图效率低下的问题，创新地提出了pdf图纸物理回路建模的方法，完成了spcd的辅助设计，减少了读图的人力和时间，实现变电站图纸物理回路的模型化和数字化，具有一定的实用和参考价值。
附图说明
[0064]
图1为本发明pdf图元信息提取流程图。
[0065]
图2为本发明电气符号拓扑字符串图。
[0066]
图3为本发明gbdt-lr算法训练过程图。
[0067]
图4为本发明物理回路建模流程图。
[0068]
图5为本发明ipcd和spcd文件结构图。
[0069]
图6为变电站图像。
[0070]
图7为图6的物理回路模型数字化描述。
[0071]
图8为实例解析的单张图纸中间模型文件“ipcd”。
[0072]
图9为本发明方法整体流程示意图。
具体实施方式
[0073]
下面结合附图和具体实施方法对本发明做进一步详细说明。
[0074]
为了说明本发明方法的有效性，选取单张pdf变电站二次图纸作为具体的实施例，
本发明具体方法包括以下步骤：
[0075]
1、图纸电气符号的识别。
[0076]
(1)导入pdf图纸，转成png图像，对图像进行放大；再对图像进行预处理操作，分割图纸中变电站模型的图像，依次检测变电站模型图像的图元，获取图纸的图元信息。
[0077]
由于pdf的逻辑或语义结构无法直接读取，需要经过复杂地转化才能获得内容，而且准确性难以得到保障，故将pdf转成png，基于图像提取图元信息。图像分辨率对不同图像检测效果不同，一般设置放大4或6倍。检测图元时，先进行图像二值化、降噪等预处理，再使用opencv的核矩阵(kernel)、霍夫变换和形态学等算法检测图元。
[0078]
构成变电站模型基本图元是直线，检测直线时，多次实验选取合适的阈值scale，根据二值图的行或列与scale的取整除操作，自适应获取kernel，使用开闭运算和方向上的膨胀腐蚀检测直线的效果比霍夫变换好，基本不存在断裂和漏检的情况。通过轮廓检测算法依次提取直线、圆(圆弧)的图元信息。通过二进制位操作对原始图像进行减法运算，去除图形图元，为了提高泛化性，剩下的图像和文本信息一起处理，对于无关且细小的图像，可以起到很好的过滤作用。通过阈值灰度投影算法分割字符，用光学字符识别(optical character recognition， ocr)模型识别。流程如图1所示。
[0079]
(2)为了消除缩放等变换对特征提取产生的影响，规定区域左上角顶点为坐标原点，采用基于线段长度加权的主成分分析法(weighted principal component analysis，wpca)进行比例归一化处理。
[0080]
直线是变电站模型最广泛的图元，为了消除缩放等变换对特征提取产生的影响，规定区域左上角顶点为坐标原点，采用基于线段长度加权的主成分分析法(wpca)进行比例归一化处理。统一处理成如下公式的图元，结果得到标题栏i、直线l、圆(圆弧)o和文本t，表征图元的类型和图纸中的位置，作为模型分类和建模的基础：
[0081]
i＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)
[0082]
l＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(2)
[0083]
o＝{(xi,yi,ri)|i＝1,2,
···
,n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(3)
[0084]
t＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)
[0085]
其中，xi和yi是坐标，wi是矩形的宽，hi是矩形的高，ri是圆的半径。
[0086]
(3)为了解决组成电气符号图元和变电站模型图元的冲突，保证电气符号唯一性，在提取图元的基础上定义电气符号最小的几何图元集合，根据拓扑图构建拓扑连接关系字符串。由于存在提取图元误差和设计不同，将电气符号和多个拓扑字符串构造一对多的典型映射关系，通过字符串相似度rkr-gst(running karp-rabin greedy string tiling，结合kr的贪心串覆盖)匹配算法，求出最相似的拓扑字符串对应的电气符号。
[0087]
物理回路的电气符号是由o和l的短直线ls组合而成，其中ls的长度由o的直径比例阈值设定，需要选取最优区分度的阈值。为了解决组成电气符号图元和变电站模型图元的冲突，保证电气符号唯一性，在公式(2-4)基础上定义电气符号最小的几何图元集合s，包含ls构成的矩形，不能构成矩形的短垂直线l
sv
、短水平线l
sh
、斜线l
sb
、圆o。
[0088]
集合s通过包含、相交和分离三种位置关系构成电气符号，用图表示结构，节点表示图元类型，边表示图元位置关系。根据拓扑图构建拓扑连接关系字符串，首先从图元坐标最小的节点起始，由小到大，先判断相交，再判断包含，以两图元之间的距离是否为0(相交)
或小于指定阈值(分离)的最邻近欧式距离遍历集合s，每个图元都要遍历判断与之前图元的位置关系，直到完成相关所有图元，得到电气符号矩形图元集合j。
[0089]
j＝{(xi,yi,wi,hi)|i＝1,2,
···
,n}
ꢀꢀ
(5)
[0090]
端口如图2所示，节点1表示矩形、2表示圆，边a表示包含，边b表示分离，端口符号的拓扑连接关系字符串是“1a2”、“2a1”或“1a2b2a1”。电气符号识别问题就成为了拓扑字符串匹配问题。由于存在提取图元误差和设计不同，将电气符号和多个拓扑字符串构造一对多的典型映射关系，通过字符串相似度rkr-gst匹配算法，求出最相似的拓扑字符串对应的电气符号。
[0091]
2、变电站模型的分类。
[0092]
(1)使用统计分布方法提取具有区分能力的特征描述符。
[0093]
使用统计分布方法提取具有区分能力的特征描述符，能够较好地表达基于图元的变电站模型特点。提取图形图元特征fe和电气符号特征fj来合成模型特征向量f，如下：
[0094]
f＝wefe w
jfj
ꢀꢀ
(6)
[0095]
其中，we和wj为加权系数。
[0096]
提取图元的个数和长度两种特征来合成公式(6)中图形图元特征fe，如下：
[0097]
fe＝w
nfn
w
lfl
ꢀꢀ
(7)
[0098]
其中，wn和w
l
为加权系数。
[0099]
统计l在垂直和水平上的个数和累加长度，统计o的个数和圆周累加长度，对个数和长度做数据归一化处理，结果值映射到[0,1]区间，获得四维的个数特征向量fn与长度特征向量 fj。
[0100]
将物理回路电气符号j分为m类，每类的个数fm来合成公式(6)中电气符号特征fj，如下：
[0101][0102]
其中，w1…
wm为加权系数。
[0103]
统计各类电气符号的个数，做数据归一化处理，结果值映射到[0,1]区间，获得m维的电气符号特征向量fj。
[0104]
(2)根据提取变电站模型的图元特征，使用gbdt与lr耦合训练的二分类算法对数据集进行训练，获得分类模型。
[0105]
根据公式(6)的模型特征获取构成物理回路的变电站模型，逻辑回归(logistics regression，lr)算法不具有特征组合的能力，并假设特征各个维度独立，因此只具有线性分界面，实际应用中，多数特征之间有相关性。梯度提升决策树(gradient boosting decision tree，gbdt)算法训练的特征能够有效解决lr特征要求高的问题。故提出一种gbdt与lr耦合训练的二分类算法。
[0106]
训练流程如图3所示，具体步骤如下：把原始数据一分为二，一部分采用gbdt进行训练，构造决策树组，得到分类器。使用训练好的gbdt模型对数据集进行预测，以预测值构造新特征并编码。得到新的特征向量和另一半数据集提供给lr进行训练，二分类输出的结果。
[0107]
(3)根据分类模型对变电站模型图像进行分类，获得构成物理回路的变电站模型，
再对变电站模型进行连接关系的解析，实现物理回路模型的构建。
[0108]
基于公式(2)-(5)四个公式设计变电站物理回路建模方法，获取设备与连接关系的数字化描述，解析成单张图纸对应的中间模型文件“ipcd”。流程如图4所示。
[0109]
1)连接关系的解析。
[0110]
先通过矩形区域获取设备的信息：按照逆时针方向，遍历最大长度的垂直线和水平线，可以找到若干个封闭连通矩形区域，即设备(一般是unit)。再以矩形区域左上角为坐标原点，坐标从小到大，依次遍历该设备区域内的直线及电气符号(一般是port)，定位电气符号所在的设备(一般是board)。依次就近匹配文本信息。再基于图论深度遍历优先搜索(depth first search， dfs)算法获取连接关系的信息：本文将port或终端设备作为节点，连线作为边，构建拓扑图。模型的连接关系是长直线，与短直线没有交集，互为补集，不存在斜线。定位矩形区域中port 为起点，进行dfs遍历，以最邻近欧式距离寻找拓扑路径，依次遍历与之相连的长直线(去除设备的直线)，并匹配节点与边的文本标注，路径终点是port或者标注终端设备信息的直线。重复上述过程，直到遍历完毕，得到无向连通拓扑图。
[0111]
2)单张图纸中间模型文件“ipcd”的构建。
[0112]
单装置物理能力描述(individual physical con-figuration description，ipcd)是描述单个设备对象物理能力的配置文件。在实际工程中，通过配置工具导入配置的ipcd，完成全站物理回路配置的spcd。结构如图5所示。经过分析，无法从图纸中直接获取spcd所需的全部信息，只能尽量完整地获取表1的具体属性信息，设计物理回路建模算法，解析成的中间模型文件“ipcd”。
[0113]
表1“ipcd”元素属性
[0114][0115]
变电站中，装置单元(unit)设备的名称(name)和型号(type)从图纸中获取，设备的文本描述(desc)、类型(class)和厂商(manufacturer)需要手动填写，desc和class是对应的枚举类型；每个unit至少包含一个板卡(board)，board的编号(slot)和文本描述(desc)从图纸中获取，板卡型号(type)有则获取无则缺省；每个board上有多个端口(port)，端口组序号(no)对于同组端口(如一对收发端口)采用a～z标明，其他属性从图纸中获取；连线是指任意设备间直接连接的一段光纤，可能是纤芯(intcore)也可能是芯线(core)，cubicle内的是柜内纤芯(intcore)，cubicle 间的是物理线缆(cable)。物理回路是指智能设备间从发送tx到接收rx的一个完整通道，是由连线和端口组成，需要从图纸中得到屏柜、装置、端口、线缆、连接终端和标注文本等信息。单张图纸可能只标识收发的连接端口或装置，无法生成完整规范的回路信息，也无法区分intcore和cable，因此统一只解析图纸本身的连接信息，包括该端口、线缆、用途描述等属性，有则获取就近文本信息，无则缺省。文本信息采用正则表达式根据字段标识格式解析字符串，获取具体的属性信息。如成对出现的port格式为“unit name.board slot.port no-direction”。
[0116]
以图6所示的典型变电站图像为例，基于本文物理回路建模算法，根据图元信息，
构建如图7所示的物理回路模型的数字化描述。解析成实例单张图纸对应的中间模型文件“ipcd”，图8所示。最后通过配置工具和人工校核完成spcd配置文件。
[0117]
本发明方法整体流程如图9所示，在分析变电站图纸识别需求和实际流程的基础上，为解决生成智能变电站配置文件工作量庞大的问题，从电气符号的识别、变电站模型的分类和拓扑信息的解析三个方面进行研究，针对pdf格式的变电站二次系统图纸文件提出了一种物理回路设备对象和连接关系建模的方法。提取工程图纸关键信息的数字化描述应用在变电站 spcd文件配置的过程中，有效地减少读图的人力和时间，为智能变电站二次系统配置提供智能化的服务。