基于导入excel与三维模型互补的变电站工程方法与流程

本发明涉及一种变电站工程方法，特别是涉及基于导入excel与三维模型互补的变电站工程方法，属于工程智能领域。

背景技术：

1、工程的施工需要有一定的施工顺序，每一类施工方案都具有不同的物料支持以及造价核算。现有的工程方法通过excel维系物料属性并进一步通过所谓梯子表格实现属性识别，并由此计算造价。其实质并未利用三维模型进行设计。仅仅是通过表格数据进行属性-造价的函数映射过程，无法模拟其施工进度。

2、三维模型是一种空间上展示工程的手段，然而通过施工方案的逻辑区分无法形象地体现出施工进度。以及当前的完成造价，因此三维展示成为这一问题的可能手段。但是，如何将工程进度与造价进行可视化，如何通过造价、进度来预测多指标的工程评价，甚至进行细节的设计总结改进成为现有技术亟待解决的问题。

技术实现思路

1、基于上述现有技术的缺陷，本发明从三维模型构建着手，将物料属性造价资料，以及工程进度可视化融合在三维模型中，从而能够模拟出工程进度和造价的。鉴于上述设计总方案，本发明提供基于导入excel与三维模型互补的变电站工程方法，包括如下步骤：

2、s1将所述工程按照初步设计规划，分为多个子工程，并在至少一个子工程中分为多个区块工程，再于至少一个区块工程下分为多个细节工程，或者仅将所述工程分为多个子工程，或者将所述工程分为多个子工程以及至少一个子工程中分为至少一个区块工程或至少一个细节工程；

3、s2收集历史的工程完成进度时间表，以及物料属性及造价，构建物料属性表及造价表，其中物料属性表中具有物料的物理化学属性分类，产品供应商分类，造价表中具有与每一类物理化学属性分类下对应每一所述供应商分类下的每一款物料产品的实时市场价，可以为excel表；s3将时间表、物料属性表、造价表映射到每一个子工程、区块工程、细节工程，即三工程，并从头开始进行工程施工模拟，直到三维模型构建完毕，其中，根据每一款物料产品的不同，分离出多个三工程施工模拟可视化进程，当每一所述细节工程、区块工程、子工程的模拟完毕时，记录当前对应三工程各自的当前造价；

4、s4构建双模态深度学习人工智能模型，利用不同的进度时间表、物料产品造价，形成的文本数据，以及三维模型的3d图形数据学习出最佳规划，用于修改所述初步设计规划。

5、其中，可选地，将时间表、物料属性表、造价表映射到每一个子工程、区块工程、细节工程具体包括，分别将时间表、物料属性表、造价表中的时间数据，所述物理化学属性分类、产品供应商分类的属性数据、实时市场价的造价数据标记到当前进程中各三工程的三维模型中，通过点击所述标记进行展示。

6、可选地，改变三维模型的视角、放大、缩小的方式进行可视化进程展示。

7、可选地，所述历史的工程完成进度时间表中的时间数据包括三工程的历史的施工完成所需时间，以及三工程(对于仅将所述工程分为多个子工程时，为多个子工程)的施工顺序安排。

8、可选地，从头开始进行工程施工模拟直到三维模型构建完毕，具体包括确认三工程中所需物料对应的三维模型构件、三维模型设备，按照时间数据完成各构件和设备的施工。

9、可选地，所述施工包括构件的建造、装配和设备布设。

10、可选地，记录当前对应三工程各自的当前造价包括在所述标记处拓展记录实时造价信息，或者在所述造价数据中高亮已经完成的部分造价数据。

11、可选地，所述s4具体包括：

12、s4-1将时间数据、造价数据分别形成第一文本数据和第二文本数据，将三维模型中对应三工程的各构件和设备的三维模型构件、三维模型设备分别形成第一3d图形数据和第二3d图形数据；s4-2构建第一文本数据和第二文本数据用于分别训练长短期记忆模型lstm1和lstm2，以及第一3d图形数据和第二3d图形数据用于分别训练第一3d卷积神经网路3dcnn1和3dcnn2，将第一文本数据、第二文本数据、第一3d图形数据和第二3d图形数据分别形成第一训练集至第四训练集，以及相应的第一验证集至第四验证集，对应训练集和验证集的比例为7-4：1-3，以训练集和验证集的对应工程多指标综合评价等级为标签；其中第一3d图形数据和第二3d图形数据由不同的物料产品具有不同的实物图像进行三维构建和纹理渲染处理形成，以用于进行所述训练的信息数据。

13、s4-3将lstm1、lstm2、3dcnn1、3dcnn2的输出端加权输入到conact函数中，最后输出采用softmax函数进行工程多指标综合评价等级分类，从而使用各训练集输入对应的lstm1、lstm2、3dcnn1、3dcnn2输入端进行训练，以相应验证集进行综合评价等级准确率，以不断优化各网络参数，直至准确率趋稳停止训练，得到训练好的双模态深度学习人工智能模型。

14、由此，利用不同的数据文本以及3d图形的双模态，进行的多类网络模型的融合学习、分类，完成工程的完成质量的预测。所述综合评价包括从工程时长，是否非标建设(比如采用了超规、低于标准的或非知名品牌的物料和设备)，验收报告数据，运行期间的故障率、用户投诉情况，等多个指标进行统计评价。可以看出，仅利用双模态的数据训练能够预测多于两个指标进行的综合评价的预测，因此节省了评价的成本。但是指标有一个上限，更多指标无法准率地预测出评价等级，与实际的评价等级相差很大，失去预测意义。

15、因此，优选地，所述多指标数为3-5。

16、优选地，所述分离是按照工程的标准进行选物料规格和相应造价区间，对于不符合所述标准的规格的物料和造价对应的物料产品不予分离。也即，分离出的多个三工程施工模拟可视化进程中每一物料都是符合所述标准的，对于不符合的不予模拟相应进程。例如变电站机房建造所使用的混凝土中水泥标号不可能是建造超高层建筑的水泥标号，因此对于超高层建筑的水泥标号完成的机房的模拟不予分离出而展示。

17、优选地，仅选择第一文本数据或第二文本数据，以及对应的第一3d图形数据或第二3d图形数据进行所述训练和验证。

18、可选地，所述修改所述初步设计规划包括修改三工程的划分，以及物料、造价标准的修改，以及时间数据的修改。

19、可选地，不断积累新的工程完成进度时间表，以及物料属性及造价，更新所述训练集，以及更新多指标综合评价等级分类，并不断更新训练lstm1、lstm2、3dcnn1、3dcnn2。

20、有益效果

21、一方面在于，通过工程的细分、3d模型可视化，以及工程建造时间数据、物料属性数据、造价数据，实现了可视化工程进程的模拟，能够实时查看当前造价。

22、另一方面在于，利用时间数据、物料数据、造价数据作为文本数据，将基于不同物料产品的实物的物料3d模型作为3d图像数据，以该两种数据模态构建双模态深度学习人工智能模型，预测当前设计下的物料、造价、工期下最后呈现的基于更多指标统计的工程综合评价。整体上提高了工程进度的直观可分析性，也为工程施工设计的优化、工程综合评价提供可视化的、便捷的参考。