本发明涉及变电站电气设备，特别涉及一种变电站电气设备符号电子图纸存储方法及系统。
背景技术：
1、随着信息技术的快速发展，国内外各设计院已逐步从传统的纸质设计流程过渡到全电子化设计流程。这一变化极大地提高了设计的效率和准确性，特别是在电力系统领域。电力系统中存在大量的存量纸质图纸，这些图纸包含了丰富的电气设备符号信息，对于电力系统的维护、改造和扩展至关重要。
2、虽然目前深度学习算法已被广泛应用于图像识别领域，能够准确地识别变电站图纸中的电气设备符号，但如何有效地将这些识别出的符号转化为可编辑并可存储在电子图纸中的电气设备符号数据仍然是一个未被解决的技术挑战。现有技术集中于图像的识别阶段，而忽视了识别结果的后续应用，尤其是在电力行业图纸管理中的应用。如：符号数据的转换和存储问题：尽管图纸中的符号可以被识别，但现有技术尚未提供一个有效的解决方案来处理如何将这些符号按照电力系统标准化要求转换并存储为电子图纸格式，使得这些图纸能够被进一步编辑和利用。现有的符号识别技术未能实现与电子图纸设计软件的深度集成，这意味着即使符号被识别出来，其数据处理和存储仍需手动进行，这不仅耗时耗力，也增加了错误发生的概率。虽然深度学习技术在图像处理领域取得了显著成就，但在电力系统电子图纸的具体应用中，如何有效利用这些技术成果还未见详细报道。
3、因此，急需开发一种能够自动将识别出的电气设备符号准确无误地转化并存储到电子图纸中的技术，以充分利用现有的深度学习成果，提高电力系统电子图纸的生成和更新效率，确保电力系统的信息化建设与现代技术发展同步。
技术实现思路
1、本发明的目的在于克服现有技术中的不足，提供一种变电站电气设备符号电子图纸存储方法及系统，能够准确获得电气设备符号在电子图纸中的存储关键信息，计算复杂度低，运行效率高，实时性能好。
2、为解决上述技术问题，本发明是采用下述技术方案实现的：
3、一方面，本发明提供一种变电站电气设备符号电子图纸存储方法，包括：
4、识别变电站光栅图中的电气设备符号，获取所述电气设备符号的类别信息、包围框信息及可信度信息，并从所述变电站光栅图中提取所有电气设备符号的roi图像；
5、针对每种类别的所述电气设备符号，绘制对应的标准模板；
6、将所述roi图像与所述标准模板进行比较，确定所述电气设备符号在电子图纸中的旋转方向；
7、根据所述roi图像与所述标准模板的宽高比，确定所述电气设备符号在电子图纸中的存储缩放比例；
8、利用所述电气设备符号的包围框信息，确定所述电气设备符号在电子图纸中的存储插入位置；
9、根据所述电气设备符号的旋转方向、缩放比例及插入位置，将相应类别的所述电气设备符号存储到电子图纸文件中。
10、可选的，利用灰度统计特征技术确定所述电气设备符号在电子图纸中的旋转方向，包括：
11、提取每一类别电气符号标准模板旋转0度、90度、180度和270度对应的x轴和y轴灰度统计特征；
12、提取每个电气设备符号roi图像的x轴和y轴灰度统计特征；
13、分别计算所述roi图像的x轴和y轴灰度统计特征与相应类别电气符号标准模板旋转0度、90度、180度和270度的灰度统计特征的相似度，将最大相似度值对应的标准模板旋转角度确定为所述电气设备符号在电子图纸中的旋转方向。
14、可选的，所述提取x轴和y轴灰度统计特征包括：
15、读取待提取图像所有像素的rgb三通道值；
16、将所述像素的rgb三通道值转换为灰度值，并将所述灰度值，组成二维矩阵；
17、对所述二维矩阵进行列求和得到x轴灰度统计特征；
18、对所述二维矩阵进行行求和得到y轴灰度统计特征。
19、可选的，利用欧几里得距离法计算所述灰度统计特征的相似度，包括：
20、将每个电气设备符号roi图像的x轴和y轴灰度统计特征表示为多维向量；
21、分别将每一类别电气符号标准模板旋转0度、90度、180度和270度对应的x轴和y轴灰度统计特征表示为多维向量；
22、通过以下公式计算每个roi图像多维向量与相应类别电气符号标准模板旋转0度、90度、180度和270度的多维向量之间的欧几里得距离，作为所述灰度统计特征的相似度：
23、
24、其中，表示roi图像多维向量的第个分量，表示标准模板多维向量的第个分量，为统计特征向量的维度。
25、可选的，利用形状匹配技术确定所述电气设备符号在电子图纸中的旋转方向，包括：
26、提取每一类别电气符号标准模板旋转0度、90度、180度和270度对应的的形状描述符；
27、提取每个电气设备符号roi图像的标准形状描述符，其中所述标准形状描述符为基于轮廓的特征集合，用于描述电气设备符号的外围轮廓形状；
28、将提取的所述标准形状描述符与相应类别电气符号标准模板旋转0度、90度、180度和270度的形状描述符进行比较，将形状匹配度最高的标准模板对应的旋转角度作为所述电气设备符号在电子图纸中的旋转方向。
29、可选的，利用卷积神经网络技术确定所述电气设备符号在电子图纸中的旋转方向，包括：
30、根据所述电气设备符号roi图像，利用训练好的卷积神经网络模型预测电气设备符号的旋转角度；
31、通过余弦相似度方法确定所述电气设备符号roi图像与相应类别电气符号标准模板的最佳匹配角度，作为所述电气设备符号在电子图纸中的旋转方向；
32、所述余弦相似度计算公式如下：
33、
34、其中，表示余弦相似度，表示预测旋转角度，表示标准模板旋转角度，最佳匹配角度为使得余弦相似度最大的标准模板旋转角度；
35、所述卷积神经网络模型采用alexnet模型，其表达式如下：
36、
37、其中，表示第个卷积层的输出，表示roi图像，表示卷积操作，表示第个卷积层的权重，表示第个卷积层的偏置，表示非线性激活函数；
38、所述卷积神经网络通过反向传播和梯度下降法优化参数，并最小化损失函数，得到训练好的卷积神经网络模型，其中所述损失函数的表达式如下：
39、
40、其中，表示训练样本数量，表示样本的实际旋转角度，表示样本的模型预测角度。
41、可选的，所述确定所述电气设备符号在电子图纸中的存储缩放比例，包括：
42、根据所述电气设备符号在电子图纸中的旋转方向，对所述标准模板进行旋转，得到旋转后的标准模板；
43、获取所述旋转后的标准模板与roi图像的宽和高信息；
44、将旋转后的标准模板与roi图像的宽度比值作为x轴缩放比例，将旋转后的标准模板与roi图像的高度比值作为y轴缩放比例，组合所述x轴缩放比例和所述y轴缩放比例，得到电气设备符号在电子图纸中的存储缩放比例。
45、可选的，所述确定所述电气设备符号在电子图纸中的存储插入位置，包括：
46、提取所述包围框信息中的最小x、y坐标值和最大x、y坐标值；
47、将最小x坐标值和最大x坐标值的平均值确定为x坐标，将最小y坐标值和最大y坐标值的平均值确定为y坐标，作为电气设备符号的电子图纸存储插入位置。
48、可选的，还包括：
49、自动校验存储后的电气设备符号在电子图纸中的位置和尺寸，确保电气设备符号的正确性和一致性，以及电子图纸的整体质量。
50、第二方面，本发明提供一种变电站电气设备符号电子图纸存储系统，包括：
51、roi图像提取模块，用于：识别变电站光栅图中的电气设备符号，获取所述电气设备符号的类别信息、包围框信息及可信度信息，并从所述变电站光栅图中提取所有电气设备符号的roi图像；
52、标准模板绘制模块，用于：针对每种类别的所述电气设备符号，绘制对应的标准模板；
53、旋转方向获取模块，用于：将所述roi图像与所述标准模板进行比较，确定所述电气设备符号在电子图纸中的旋转方向；
54、存储缩放比例获取模块，用于：根据所述roi图像与所述标准模板的宽高比，确定所述电气设备符号在电子图纸中的存储缩放比例；
55、存储插入位置获取模块，用于：利用所述电气设备符号的包围框信息，确定所述电气设备符号在电子图纸中的存储插入位置；
56、存储模块，用于：根据所述电气设备符号的旋转方向、缩放比例及插入位置，将相应类别的所述电气设备符号存储到电子图纸文件中。
57、与现有技术相比，本发明所达到的有益效果：
58、1.本发明提供的变电站电气设备符号电子图纸存储方法，通过结合灰度统计特征、形状匹配和卷积神经网络技术，即使在复杂的背景条件下，也能有效识别和定位各种电气设备符号，保证了电子图纸的准确性和数据的可靠性，是电力系统维护和设计优化的关键；能够准确获得电气设备符号在电子图纸中的存储关键信息，包括符号的位置、旋转方向和缩放比例，优化了传统图像处理方法，大幅降低了计算复杂度，不仅减少了对计算资源的需求，也显著提高了处理速度；
59、2.本发明提供的变电站电气设备符号电子图纸存储系统，适合于处理大量图纸的场景，如电力系统的设计更新和资料整理工作，大幅提升了工作效率，能实时更新电子图纸中的电气设备符号，极大地方便了电力工程师进行实时的设计修改和错误校正；在紧急或实时更新需求高的项目中，这一特性尤为重要；通过自动化和数字化处理支持了电力系统的持续发展和技术创新，有助于实现更加高效和可持续的电力系统管理，具有现实意义和良好的应用前景。
1.一种变电站电气设备符号电子图纸存储方法，其特征在于，包括：
2.根据权利要求1所述的变电站电气设备符号电子图纸存储方法，其特征在于，利用灰度统计特征技术确定所述电气设备符号在电子图纸中的旋转方向，包括：
3.根据权利要求2所述的变电站电气设备符号电子图纸存储方法，其特征在于，所述提取x轴和y轴灰度统计特征包括：
4.根据权利要求2所述的变电站电气设备符号电子图纸存储方法，其特征在于，利用欧几里得距离法计算所述灰度统计特征的相似度，包括：
5.根据权利要求1所述的变电站电气设备符号电子图纸存储方法，其特征在于，利用形状匹配技术确定所述电气设备符号在电子图纸中的旋转方向，包括：
6.根据权利要求1所述的变电站电气设备符号电子图纸存储方法，其特征在于，利用卷积神经网络技术确定所述电气设备符号在电子图纸中的旋转方向，包括：
7.根据权利要求1所述的变电站电气设备符号电子图纸存储方法，其特征在于，所述确定所述电气设备符号在电子图纸中的存储缩放比例，包括：
8.根据权利要求1所述的变电站电气设备符号电子图纸存储方法，其特征在于，所述确定所述电气设备符号在电子图纸中的存储插入位置，包括：
9.根据权利要求1所述的变电站电气设备符号电子图纸存储方法，其特征在于，还包括：
10.一种变电站电气设备符号电子图纸存储系统，其特征在于，包括：
