[发明专利]一种输变电工程造价数据集成管理系统及其方法

说明书

本发明涉及一种输变电工程造价数据集成管理系统及其方法，该方法包括：对16项数据源的文件格式进行规范化处理，得到word格式文件；基于混合索引结构，从word格式文件中定位出关键造价数据所属数据源文件；进一步基于检索技术搜索获取对应关键造价数据；基于XML的元数据标准，对关键造价数据进行数字标准化处理，得到标准化数据格式的造价数据；之后进行数据校验以及融合处理，最后将关键造价数据对应填充至设定的五类数据收集模板中。与现有技术相比，本发明能够对输变电工程造价数据进行标准化、数字化管理，并从这些数据中自动化识别和智能提取有效的关键造价数据，将其进行集成并自动填充进五类数据收集模板，从而提高五类数据收集模板的比对率。

技术领域

本发明涉及电力数据处理技术领域，尤其是涉及一种输变电工程造价数据集成管理系统及其方法。

背景技术

工程造价数据种类繁多，5类数据模板中的数据繁多、来源多样、信息分散，且存在大量的多源异构非结构化数据，如图形数据、文本图像数据、图纸数据、审批流程数据、表格数据集、甚至包括语音数据等。以变电工程数据收集模板为例，里面数据项多达141项。另外，工程造价数据源头繁多，数据源文件格式多样，工程造价数据的数据源有16种，分别为可研批复、初设批复、初设概算、初设报告、工图预算、施工招标文件、中标通知书、施工中标文件、结算审价、大结算报告、财务竣工决算报告、现场签证、设计变更单、工程合同、施工组织设计和开竣工报告，且同一报告中对应多个不同类型表格，不易提取关键数据信息。如五类数据收集模板中的数据源文件包含ceb格式、excel格式、word格式、pdf格式、jpg格式、TIFE格式共6种文件格式，这些文件格式均来自16项数据源与ERP数据系统中，若要实现模板数据的自动与智能化采集，必然存在数据量大、技术难以突破的问题。

此外，工程造价数据标准化程度低，各个单位编制规则不一致；对于后续数据自动搜集和处理存在较大的障碍；工程各阶段数据格式标准、计量规则不统一，难以通过数据自动采集技术自动收集五算数据并分析校验；工程建设单位上报数据漏填报，或形式不规范，或造价数据标准、计量单位不统一等，造成检索不到所需的关键造价数据。

最后，财务决算数据由于公司运营性质，涉及一定保密性，数据自动同步存在一定风险性，五算数据难以贯通，无法实现造价数据的智能化采集。

以上种种原因，造成5类模板中造价数据比对率太低，仅达21％～35％。因此，如何对工程造价数据标准化、数字化，自动收集造价数据，并从这些数据中自动化识别和智能提取有效地关键数据，迫切需要深入的展开研究。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种输变电工程造价数据集成管理系统及其方法，能够对输变电工程造价数据进行标准化、数字化管理，并从这些数据中自动化识别和智能提取有效的关键造价数据，将其进行集成并自动填充进五类数据收集模板，从而提高五类数据收集模板的比对率。

本发明的目的可以通过以下技术方案来实现：一种输变电工程造价数据集成管理系统，包括依次连接的预处理模块、关键词检索模块、标准化模块、数据集成填报模块，所述预处理模块用于对16项数据源的文件格式进行相应处理，避免数据源文件中存在的图片文字识别问题；

所述关键词检索模块用于从收集的输变电工程造价数据中查询获得关键造价数据；

所述标准化模块用于对关键造价数据进行数字标准化处理，得到标准化数据格式的造价数据；

所述数据集成填报模块用于将标准化数据格式的造价数据对应填充至设定的数据收集模板中。

一种输变电工程造价数据集成管理方法，包括以下步骤：

S1、对16项数据源的文件格式进行规范化处理，包括图像处理、OCR文字识别、图片文字识别，得到word格式文件；

S2、基于混合索引结构，从word格式文件中定位出关键造价数据所属数据源文件；