摘 要：随着电网建设难度、竞争激烈程度的增加，迫切要求采用更先进的技术来解决好电网工程中涉及的相关问题，提高电网工程设计的水平和服务质量。三维设计是新一代数字智能设计平台的基础，电网三维设计有利于提高设计质量和效率。但三维设计的评审具有更多的机械性重复工作，专家的评审效率低下且存在评审尺度不一的问题。为此，文章设计了电网三维设计辅助评审系统，可以帮助专家更好地完成评审工作，提高评审效率和质量。
关键词：深度学习；电网三维设计；智能辅助评审
DOI:10.19850/j.cnki.2096-4706.2021.15.027
中图分类号：TP181 文献标识码：A 文章编号：2096-4706（2021）15-0105-05
Research on Intelligent Aided Review of Power Grid 3-D Design Based on Deep Learning
CHEN Hong1 , GUAN Weiya 1 , QIN Jialin2 , CHEN Jianfei 2
(1.State Grid Jiangsu Electric Power Co., Ltd., Economic and Technological Research Institute, Nanjing 210000, China; 2.CEC Technical and Economic Consulting Center Of Electric Power Construction, Beijing 100053, China)
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
参考文献：
[1] 彭博，李锦川，张育臣，等 . 基于三维设计成果的电网基建工程数字化管理模式的研究 [J]. 工程管理学报，2021，35（3）： 94-99.
[2] 王波，陈建飞，秦加林，等 . 输变电工程三维设计评审要点研究 [J]. 中国电力企业管理，2020（18）：26-27.
[3] 郭磊，肖明 . 电网三维设计系统在输电线路勘测设计中的应用 [J]. 江西电力，2020，44（4）： 24-32.
[4] 方明，张双萍，陆秋云，等 . 浅谈电力工程设计评审及技术经济评价信息系统 [J]. 中国管理信息化，2019，22（12）：56- 57.
[5] 刘迪 . 电网全息数字地图系统辅助输变电工程设计评审方法 [J]. 中国科技信息，2018（23）：96+98.
[6] 叶子卿 . 基于 Tesseract-OCR 的古代汉语文字识别方法的设计与实现 [D]. 南京：南京邮电大学，2020.
[7] 张婷婷 . 基于 Tesseract ＿ OCR 文字识别系统的研究 [D]. 南京：南京邮电大学，2020.
[8] 郭室驿 . 基于 OpenCV 和 Tesseract-OCR 的英文字符算法研究 [J]. 电脑编程技巧与维护，2019（6）：45-49.
[9] 张旭 . 基于深度学习的文本匹配方法研究 [D]. 山东：齐鲁工业大学，2021.
[10] 刘崇宇，陈晓雪，罗灿杰，等 . 自然场景文本检测与识别的深度学习方法 [J]. 中国图象图形学报，2021，26（6）：1330- 1367.
[11] 谭若洋 . 基于改进的 PSO 的 BP 神经网络模型的建立及在空气质量预测中的应用 [D]. 重庆工商大学，2021.
[12] MACQUEEN J. A Test for Suboptimal Actions in Markovian Decision Problems [J]. Operations Research，1967，15（3）：559-561.
作者简介：陈红（1990—），女，汉族，安徽合肥人，中级工程师，硕士研究生，研究方向：电网工程变电土建技术