CN115880457A - 一种输变电工程的三维模型构建方法及系统 - Google Patents

Abstract

本发明提供了一种输变电工程的三维模型构建方法及系统，涉及输变电工程技术领域，采集获得输变电工程的工程数据，进行数据初筛，进行数据特征分类，获得用户的需求模型数据，生成样本约束数据，进行特征关联分析，进行特征初始筛选，获得筛选特征数据集中同类特征的样本量数据，进行样本量数据的数据剔除，根据数据剔除后的筛选特征数据集进行三维模型构建。本发明解决了现有技术中存在模型构建不能准确契合用户需求，不够准确智能进行模型构建的技术问题，通过分析各特征之间的关联关系，结合构建需求，进而达到智能准确进行模型构建的技术效果。

Description

一种输变电工程的三维模型构建方法及系统

技术领域

本发明涉及输变电工程技术领域，具体涉及一种输变电工程的三维模型构建方法及系统。

背景技术

目前，电力系统正在发生着日新月异的变化，新技术、新产品不断的涌现。电力设计行业也正在由计划经济向市场经济过渡，工程设计参与投标、竞标势在必行，各个设计院为了适应系统发展的需要，就必须有一套先进、方便、实用的辅助设计工具来帮助设计人员更加高效、快捷的完成投标的前期工作。到目前为止，变电站工程、输电线路工程的设计只是进行单纯的二维平面设计，在设计初期无法给工程投资方一个总体形象和立体效果，特别是对于输变电内的一些涉及到交义、跨越的三维信息很难在平面图上直接获取，给设计人员带来很多不便。而现今常用的三维模型构建方法还存在着一定的弊端，对于三维模型构建还存在着一定的可提升空间。

现有技术中的模型构建无法准确契合用户需求，不能准确智能进行模型的构建。

发明内容

本申请实施例提供了一种输变电工程的三维模型构建方法及系统，用于针对解决现有技术中存在模型构建不能准确契合用户需求，不够准确智能进行模型构建的技术问题。

鉴于上述问题，本申请实施例提供了一种输变电工程的三维模型构建方法及系统。

第一方面，本申请实施例提供了一种输变电工程的三维模型构建方法，所述方法包括：采集获得输变电工程的工程数据，对所述工程数据进行数据初筛，获得初筛工程数据；对所述初筛工程数据进行数据特征分类，获得特征数据集；获得用户的需求模型数据，根据所述需求模型数据生成样本约束数据；对所述特征数据集中各特征参数进行特征关联分析，获得特征关联度分析结果；根据所述特征关联度分析结果进行特征初始筛选，获得筛选特征数据集；获得所述筛选特征数据集中同类特征的样本量数据，根据所述样本约束数据进行所述样本量数据的数据剔除；根据数据剔除后的所述筛选特征数据集进行三维模型构建。

第二方面，本申请实施例提供了一种输变电工程的三维模型构建系统，所述系统包括：工程数据初筛模块，所述工程数据初筛模块用于采集获得输变电工程的工程数据，对所述工程数据进行数据初筛，获得初筛工程数据；数据特征分类模块，所述数据特征分类模块用于对所述初筛工程数据进行数据特征分类，获得特征数据集；样本约束数据生成模块，所述样本约束数据生成模块用于获得用户的需求模型数据，根据所述需求模型数据生成样本约束数据；特征关联分析模块，所述特征关联分析模块用于对所述特征数据集中各特征参数进行特征关联分析，获得特征关联度分析结果；特征初始筛选模块，所述特征初始筛选模块用于根据所述特征关联度分析结果进行特征初始筛选，获得筛选特征数据集；样本量数据获取模块，所述样本量数据获取模块用于获得所述筛选特征数据集中同类特征的样本量数据，根据所述样本约束数据进行所述样本量数据的数据剔除；三维模型构建模块，所述三维模型构建模块用于根据数据剔除后的所述筛选特征数据集进行三维模型构建。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请实施例提供的一种输变电工程的三维模型构建方法，涉及输变电工程技术领域，采集获得输变电工程的工程数据，进行数据初筛，进行数据特征分类，获得用户的需求模型数据，生成样本约束数据，进行特征关联分析，进行特征初始筛选，获得筛选特征数据集中同类特征的样本量数据，进行样本量数据的数据剔除，根据数据剔除后的筛选特征数据集进行三维模型构建。解决了现有技术中存在模型构建不能准确契合用户需求，不够准确智能进行模型构建的技术问题，通过分析各特征之间的关联关系，结合构建需求，进而达到智能准确进行模型构建的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例提供了一种输变电工程的三维模型构建方法流程示意图；

图2为本申请实施例提供了一种输变电工程的三维模型构建方法中获得特征关联度分析结果流程示意图；

图3为本申请实施例提供了一种输变电工程的三维模型构建方法中样本量数据的数据剔除流程示意图；

图4为本申请实施例提供了一种输变电工程的三维模型构建系统结构示意图。

附图标记说明：工程数据初筛模块10，数据特征分类模块20，样本约束数据生成模块30，特征关联分析模块40，特征初始筛选模块50，样本量数据获取模块60，三维模型构建模块70。

具体实施方式

本申请实施例通过提供一种输变电工程的三维模型构建方法，用于针对解决现有技术中存在模型构建不能准确契合用户需求，不够准确智能进行模型构建的技术问题。

实施例一

如图1所示，本申请实施例提供了一种输变电工程的三维模型构建方法，该方法应用于一种输变电工程的三维模型构建系统，该方法包括：

步骤S100：采集获得输变电工程的工程数据，对所述工程数据进行数据初筛，获得初筛工程数据；

具体而言，本申请实施例提供的一种输变电工程的三维模型构建方法应用于一种输变电工程的三维模型构建系统。

首先，输变电工程是是输电线路建设和变压器安装工程的统称，输变电工程的电压等级越高，输送的电力越大，输送距离也越远。电压超过33万伏的输变电工程，称“超高压输变电”，其中，我国投入运行的超高压输变电线路的最高电压等级是±1100kV直流输电线路和1000kV交流输电线路。输变电工程的工程数据包括输变电工程地理信息数据、天气以及地区湿度信息数据、施工建造人员能力素质数据、施工材料选择的优劣的数据等，对所述工程数据进行净化处理，去除掉不完整或错误的数据后，将剩余的数据整合获得初筛工程数据。避免了下一步的分类或建模时缺少必要数据或有过多冗杂错误数据的情况，减少了工作量，提高了工作效率和精准度。

步骤S200：对所述初筛工程数据进行数据特征分类，获得特征数据集；

具体而言，在样本分析中，样本总量大会导致训练过程耗费大量资源，则会造成训练成本增加，样本种类多就会存在关联度低的数据，则会降低训练精度，因此需要对初筛工程数据的数据量进行判断，需不需要进一步处理。根据数据的属性可将所述初筛工程数据分为工程特征、电力特征、材料特征、几何特征、位置特征等，以此作为特征数据集，其中，工程特征、电力特征、材料特征对于输变电工程的电力运输影响大，位置特征只有在一定条件下才对电力运输有较大影响，几何特征对于输变电工程的电力运输影响小。通过对数据特征分类，实现了数据的初步判断，为后续进一步的数据处理打下基础。

步骤S300：获得用户的需求模型数据，根据所述需求模型数据生成样本约束数据；

具体而言，对三维模型进行需求分析，即该三维模型为达到输电目标所要具备的精度与训练成本，即系统必须满足的情况或提供的能力，它可以是直接来自客户需要，也可以来自标准、规范或其他有正规约束力的文档。以此对插入数据库中的数据进行限定，保证数据的有效性和完整性，如建立的三维模型需要提高精度，则增加样本总量，如需要控制训练成本，则减少样本总量，根据对于模型的需求，生成样本约束数据，对样本的总量和种类进行约束。达到提高数据库中数据的质量，节省数据库的空间和调用数据的时间的技术效果。

步骤S400：对所述特征数据集中各特征参数进行特征关联分析，获得特征关联度分析结果；

具体而言，获得特征数据集中的目标特征数据，对特征数据集中各特征参数的数据态势与目标特征数据的数据态势进行一致性评价，获得一致性评价结果，根据一致性评价结果生成第一关联度参数，根据第一关联度参数获得特征关联度分析结果。

以特征数据集中任意两个特征参数构建比对集合，根据比对集合构建两个特征参数的散点图，并进行散点图网格化，依据散点图网格化结果进行互信息值计算，将互信息值计算结果作为两个特征参数的关联值，计算获得特征数据集中所有特征参数之间的关联值，根据关联值比对结果获得第二关联度参数，根据第一关联度参数和第二关联度参数获得特征关联度分析结果。

实现了从两个角度对各特征参数进行关联度分析，第一个是特征与目标特征的关联度，第二个是特征之间的关联度，达到对数据进行全面分析，进而提升模型准确度的效果。

步骤S500：根据所述特征关联度分析结果进行特征初始筛选，获得筛选特征数据集；

具体而言，对所述特征数据集中的特征数据进行数值化处理，并构建特征数据集矩阵，获得第一特征数据集，对第一特征数据集中的各特征数据进行进行中心化处理，首先求解所述第一特征数据集中各特征的平均值，然后对于所有的样本，每一个特征都减去自身的均值，继而获得新的特征值，由新的特征数据集构成所述第二特征数据集。所述第二特征数据集为一数据矩阵，通过协方差公式对所述第二特征数据集进行运算，获得所述第二特征数据集的第一协方差矩阵，继而通过矩阵运算，求出所述第一协方差矩阵的特征值及特征向量，且每一特征值对应一个特征向量。

在求出的所述第一特征向量中，选取最大的前K个特征值及其对应的特征向量，并将所述第一特征数据集中的原始特征投影到所选取的特征向量之上，得到降维之后的所述第一特征数据集。通过主成分分析法对数据库中的特征数据进行降维处理，在保证信息量的前提下，剔除冗余数据，获取筛选特征数据集，使得数据库中特征数据的样本量减小，且降维后信息量损失最小，从而加快训练模型对于数据的运算速度。

步骤S600：获得所述筛选特征数据集中同类特征的样本量数据，根据所述样本约束数据进行所述样本量数据的数据剔除；

具体而言，根据所述样本约束数据获得第一特征的剔除量数据，根据所述筛选特征数据集获得所述第一特征的特征样本数据，对所述特征样本数据进行样本相似聚合，获得多个样本聚合结果，根据所述剔除量数据按照所述多个样本聚合结果的聚合数量进行比例剔除。实现了对样本量的进一步剔除，使得数据库中的特征数据更接近需求模型数据，达到精确控制模型的精度和训练成本的效果。

步骤S700：根据数据剔除后的所述筛选特征数据集进行三维模型构建。

具体而言，将得到的筛选特征数据集导入三维建模工具，根据控制点坐标得到输变电工程的三维模型，实现输变电工程的数字化表达，使得模型完成从传统二维图纸向三维数字化信息模型的转变，达到提高工程建设水平的技术效果。

进一步而言，如图2所示，本申请步骤S400还包括：

步骤S410：获得所述特征数据集中的目标特征数据；

步骤S420：对所述特征数据集中各特征参数的数据态势与所述目标特征数据的数据态势进行一致性评价，获得一致性评价结果；

步骤S430：根据所述一致性评价结果生成第一关联度参数；

步骤S440：根据所述第一关联度参数获得所述特征关联度分析结果。

具体而言，目标特征数据为该输变电工程需要达到的输电量数据，数据态势一致性评价是用于判断特征数据集中各特征参数的数据态势与目标特征数据的数据态势的相符程度，以及不同特征参数获得的共同关注区域的态势信息的相符程度。数据态势是输变电工程在进行工作过程中各项信息变化的总称，包括环境、输变电工程状态、输电量目标等。进一步而言，一致性评价的计算可根据指标的定义采用效用函数进行计算，首先，根据具体特征参数指标的主观价值倾向和客观条件约束选取合理的效用函数类型，如线型、拐点型和指数型，确定效用函数的上下限，在便捷外参数变化对效用的影响可以不计，一般的效用值取值区间可定为[0，1]或[0，100]等，依据特征参数指标的边际价值特征，建立效用函数表达式，这些函数曲线可通过增加超出边界或者定义效用值变化率为输入的函数而加以调整，通过对比特征参数的效用函数曲线和目标特征数据的效用函数曲线，获得一致性评价结果，将各特征参数的效用函数曲线和目标特征数据的效用函数曲线的差值作为第一关联度参数。

进一步而言，本申请步骤S440还包括：

步骤S441：以所述特征数据集中任意两个特征参数构建比对集合；

步骤S442：根据所述比对集合构建两个特征参数的散点图，并进行散点图网格化；

步骤S443：依据散点图网格化结果进行互信息值计算，将互信息值计算结果作为两个特征参数的关联值；

步骤S444：计算获得所述特征数据集中所有特征参数之间的关联值；

步骤S445：根据关联值比对结果获得第二关联度参数；

步骤S446：根据所述第一关联度参数和所述第二关联度参数获得所述特征关联度分析结果。

具体而言，互信息是信息论里一种有用的信息度量，它可以看成是一个随机变量中包含的关于另一个随机变量的信息量，或者说是一个随机变量由于已知另一个随机变量而减少的不肯定性。互信息值计算的具体计算公式为：

其中，p(x，y)为两个随机变量(X；Y)的联合分布，p(x)、p(y)分别为边缘分布，I(X；Y)为互信息，是联合分布p(x，y)与边缘分布p(x)p(y)的相对熵。平均互信息量不是从两个具体消息出发，而是从随机变量X和Y的整体角度出发，并在平均意义上观察问题，所以平均互信息量不会出现负值。或者说从一个事件提取关于另一个事件的信息，最坏的情况是0，不会由于知道了一个事件，反而使另一个事件的不确定度增加。

进一步地，构建网格化方案集合，通过所述网格化方案集合进行所述散点图的网格化处理，获得网格化处理集合，分别计算获得所述网格化处理集合的特征互信息值，将所述特征互信息值的最大值作为所述关联值。

进一步而言，本申请步骤S443还包括：

步骤S4431：构建网格化方案集合；

步骤S4432：通过所述网格化方案集合进行所述散点图的网格化处理，获得网格化处理集合；

步骤S4433：分别计算获得所述网格化处理集合的特征互信息值；

步骤S4434：将所述特征互信息值的最大值作为所述关联值。

具体而言，给定i、j，对X、Y构成的散点图进行i列j行网格化，求出最大的互信息值，对最大的互信息值进行归一化，其中，将得到的最大互信息除以log(min(X，Y))，即为归一化，选择不同尺度下互信息值的最大值作为两个特征参数的关联值。其中，给定i和j后，可以得出多种不同的网格化方案，选择其中一种方案，该网格化方案将所有数据点分为四个区域：左上、右上、左下、右下，每个区域有其对应的数据点数量，将数据点归一化得到四个区域的数据点频率，根据互信息计算公式，得到X和Y在这种分区下的互信息。计算玩第一种网格化方案的互信息后，以此类推，再分别计算出其他网格化方案的互信息，对比不同的网格化方案，找到使互信息最大的网格化方案，将所述特征互信息值的最大值作为所述关联值。

进一步而言，如图3所示，本申请步骤S600还包括：

步骤S610：根据所述样本约束数据获得第一特征的剔除量数据；

步骤S620：根据所述筛选特征数据集获得所述第一特征的特征样本数据；

步骤S630：对所述特征样本数据进行样本相似聚合，获得多个样本聚合结果；

步骤S640：根据所述剔除量数据按照所述多个样本聚合结果的聚合数量进行比例剔除。

具体而言，根据样本约束数据对模型精度、训练成本的要求，获取第一特征的样本量数据，通过对比筛选特征数据集的数量与第一特征的样本量数据，得到第一特征的剔除量数据，即需要剔除的样本数量。相似聚合即将分散的数据根据其相似性聚集到一起，获得多个样本聚合结果，经过计算可得，每一项样本集合的样本剔除数量等于该样本集合中样本数量与筛选特征数据集数据数量的比值乘以剔除量，以此进行多个样本聚合结果聚合数量的比例剔除。

进一步而言，本申请还包括：

步骤S810：根据构建完成的所述三维模型进行数据测试，获得数据测试结果；

步骤S820：根据所述数据测试结果进行测试灵敏度、测试准确性评价；

步骤S830：基于测试灵敏度评价结果和测试准确性评价结果进行所述需求模型数据的匹配评价；

步骤S840：根据匹配评价结果进行所述三维模型的优化参考。

具体而言，在进行模型构建时，将筛选特征数据集按照8：2的比例进行随机抽取，其中的80％作为训练集，用于进行模型的训练，另外20％作为测试集，用于对构建完成的三维模型进行数据测试，将训练集输入三维模型，将得到的数据与测试集本身的结果进行对比，将对比结果作为数据测试结果。基于测试灵敏度、测试准确性，将数据测试结果与需求模型数据进行对比，获取模型对比阈值，满足阈值说明该三维模型满足要求，若不满足，根据其中不满足的特征对建立的三维模型进行优化。

进一步而言，本申请还包括：

步骤S850：当所述匹配评价结果为不能满足需求模型数据时，则生成新增特征指令；

步骤S860：通过所述新增特征指令控制进行所述筛选特征数据集的特征新增筛选；

步骤S870：根据新增特征后的所述筛选特征数据集进行三维模型构建。

具体而言，当将数据测试结果与需求模型数据的差值超出模型对比阈值时，生成新增特征指令，所述新增特征指令用于控制进行所述筛选特征数据集的特征新增筛选，即原本的筛选特征数据集不足以满足三维模型的构建要求，根据匹配评价结果进行特征数据的增加，如测试灵敏度不够则增加样本种类，测试准确性不够则增加样本数量，将增加的样本数据添加到筛选特征数据集中，再次构建三维模型，直至构建的三维模型满足需求模型数据。

实施例二

基于与前述实施例中一种输变电工程的三维模型构建方法相同的发明构思，如图4所示，本申请提供了一种输变电工程的三维模型构建系统，系统包括：

工程数据初筛模块10，所述工程数据初筛模块10用于采集获得输变电工程的工程数据，对所述工程数据进行数据初筛，获得初筛工程数据；

数据特征分类模块20，所述数据特征分类模块20用于对所述初筛工程数据进行数据特征分类，获得特征数据集；

样本约束数据生成模块30，所述样本约束数据生成模块30用于获得用户的需求模型数据，根据所述需求模型数据生成样本约束数据；

特征关联分析模块40，所述特征关联分析模块40用于对所述特征数据集中各特征参数进行特征关联分析，获得特征关联度分析结果；

特征初始筛选模块50，所述特征初始筛选模块50用于根据所述特征关联度分析结果进行特征初始筛选，获得筛选特征数据集；

样本量数据获取模块60，所述样本量数据获取模块60用于获得所述筛选特征数据集中同类特征的样本量数据，根据所述样本约束数据进行所述样本量数据的数据剔除；

三维模型构建模块70，所述三维模型构建模块70用于根据数据剔除后的所述筛选特征数据集进行三维模型构建。

进一步而言，系统还包括：

目标特征数据获取模块，用于获得所述特征数据集中的目标特征数据；

一致性评价模块，用于对所述特征数据集中个特征参数的数据态势与所述目标特征数据的数据态势进行一致性评价，获得一致性评价结果；

第一关联度参数生成模块，用于根据所述一致性评价结果生成第一关联度参数；

特征关联度分析结果获取模块，用于根据所述第一关联度参数获得所述特征关联度分析结果。

进一步而言，系统还包括：

比对集合构建模块，用于以所述特征数据集中任意两个特征参数构建比对集合；

散点图构建模块，用于根据所述比对集合构建两个特征参数的散点图，并进行散点图网格化；

互信息值计算模块，用于依据散点图网格化结果进行互信息值计算，将互信息值计算结果作为两个特征参数的关联值；

关联值计算模块，用于计算获得所述特征数据集中所有特征参数之间的关联值；

第二关联度参数获取模块，用于根据关联值比对结果获得第二关联度参数；

分析结果获取模块，用于根据所述第一关联度参数和所述第二关联度参数获得所述特征关联度分析结果。

进一步而言，系统还包括：

网格化方案集合构建模块，用于构建网格化方案集合；

网格化处理模块，用于通过所述网格化方案集合进行所述散点图的网格化处理，获得网格化处理集合；

特征互信息值获取模块，用于分别计算获得所述网格化处理集合的特征互信息值；

关联值获取模块，用于将所述特征互信息值的最大值作为所述关联值。

进一步而言，系统还包括：

剔除量数据获取模块，用于根据所述样本约束数据获得第一特征的剔除量数据；

特征样本数据获取模块，用于根据所述筛选特征数据集获得所述第一特征的特征样本数据；

样本相似聚合模块，用于对所述特征样本数据进行样本相似聚合，获得多个样本聚合结果；

比例剔除模块，用于根据所述剔除量数据按照所述多个样本聚合结果的聚合数量进行比例剔除。

进一步而言，系统还包括：

数据测试模块，用于根据构建完成的所述三维模型进行数据测试，获得数据测试结果；

测试评价模块，用于根据所述数据测试结果进行测试灵敏度、测试准确性评价；

匹配评价模块，用于基于测试灵敏度评价结果和测试准确性评价结果进行所述需求模型数据的匹配评价；

优化参考模块，用于根据匹配评价结果进行所述三维模型的优化参考。

进一步而言，系统还包括：

新增特征指令生成模块，用于当所述匹配评价结果为不能满足需求模式数据时，则生成新增特征指令；

特征新增筛选模块，用于通过所述新增特征指令控制进行所述筛选特征数据集的特征新增筛选；

模型构建模块，用于根据新增特征后的所述筛选特征数据集进行三维模型构建。

本说明书通过前述对一种输变电工程的三维模型构建方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种输变电工程的三维模型构建方法及系统，对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (8)

1.一种输变电工程的三维模型构建方法，其特征在于，所述方法包括：

采集获得输变电工程的工程数据，对所述工程数据进行数据初筛，获得初筛工程数据；

对所述初筛工程数据进行数据特征分类，获得特征数据集；

获得用户的需求模型数据，根据所述需求模型数据生成样本约束数据；

对所述特征数据集中各特征参数进行特征关联分析，获得特征关联度分析结果；

根据所述特征关联度分析结果进行特征初始筛选，获得筛选特征数据集；

获得所述筛选特征数据集中同类特征的样本量数据，根据所述样本约束数据进行所述样本量数据的数据剔除；

根据数据剔除后的所述筛选特征数据集进行三维模型构建。

2.如权利要求1所述的方法，其特征在于，所述方法包括：

获得所述特征数据集中的目标特征数据；

对所述特征数据集中个特征参数的数据态势与所述目标特征数据的数据态势进行一致性评价，获得一致性评价结果；

根据所述一致性评价结果生成第一关联度参数；

根据所述第一关联度参数获得所述特征关联度分析结果。

3.如权利要求2所述的方法，其特征在于，所述方法还包括：

以所述特征数据集中任意两个特征参数构建比对集合；

根据所述比对集合构建两个特征参数的散点图，并进行散点图网格化；

依据散点图网格化结果进行互信息值计算，将互信息值计算结果作为两个特征参数的关联值；

计算获得所述特征数据集中所有特征参数之间的关联值；

根据关联值比对结果获得第二关联度参数；

根据所述第一关联度参数和所述第二关联度参数获得所述特征关联度分析结果。

4.如权利要求3所述的方法，其特征在于，所述方法包括：

构建网格化方案集合；

通过所述网格化方案集合进行所述散点图的网格化处理，获得网格化处理集合；

分别计算获得所述网格化处理集合的特征互信息值；

将所述特征互信息值的最大值作为所述关联值。

5.如权利要求1所述的方法，其特征在于，所述方法包括：

根据所述样本约束数据获得第一特征的剔除量数据；

根据所述筛选特征数据集获得所述第一特征的特征样本数据；

对所述特征样本数据进行样本相似聚合，获得多个样本聚合结果；

根据所述剔除量数据按照所述多个样本聚合结果的聚合数量进行比例剔除。

6.如权利要求1所述的方法，其特征在于，所述方法包括：

根据构建完成的所述三维模型进行数据测试，获得数据测试结果；

根据所述数据测试结果进行测试灵敏度、测试准确性评价；

基于测试灵敏度评价结果和测试准确性评价结果进行所述需求模型数据的匹配评价；

根据匹配评价结果进行所述三维模型的优化参考。

7.如权利要求6所述的方法，其特征在于，所述方法包括：

当所述匹配评价结果为不能满足需求模式数据时，则生成新增特征指令；

通过所述新增特征指令控制进行所述筛选特征数据集的特征新增筛选；

根据新增特征后的所述筛选特征数据集进行三维模型构建。

8.一种输变电工程的三维模型构建系统，其特征在于，所述系统包括：

工程数据初筛模块，所述工程数据初筛模块用于采集获得输变电工程的工程数据，对所述工程数据进行数据初筛，获得初筛工程数据；

数据特征分类模块，所述数据特征分类模块用于对所述初筛工程数据进行数据特征分类，获得特征数据集；

样本约束数据生成模块，所述样本约束数据生成模块用于获得用户的需求模型数据，根据所述需求模型数据生成样本约束数据；

特征关联分析模块，所述特征关联分析模块用于对所述特征数据集中各特征参数进行特征关联分析，获得特征关联度分析结果；

特征初始筛选模块，所述特征初始筛选模块用于根据所述特征关联度分析结果进行特征初始筛选，获得筛选特征数据集；

样本量数据获取模块，所述样本量数据获取模块用于获得所述筛选特征数据集中同类特征的样本量数据，根据所述样本约束数据进行所述样本量数据的数据剔除；

三维模型构建模块，所述三维模型构建模块用于根据数据剔除后的所述筛选特征数据集进行三维模型构建。

Images