上个月我拿一张110kV变电站的电气一次系统图做了一轮AI实测。说实话动手之前我对“AI辅助画图”这类说法一直不太感冒主接线图最难的从来不是“画”而是画之前那些方案论证和画之后那些审查计算。但这一轮实测下来我对AI在110kV电气一次系统图上的定位改观了不少它最擅长的不是帮你把线条重新描一遍而是把整张图变成可检索、可运算、可对照规程的工程数据。这篇文章就是我这次实测的完整记录包括试了哪些用法、翻过哪些车、最后沉淀下来的一套可用工作流给正在考虑把AI引入电力设计流程的同行做个参考。1. 先理清楚110kV一次主接线图里到底藏了哪些工程语义1.1 一张主接线图承载的不只是线条和符号很多非电气专业的同事看一次主接线图觉得就是一堆断路器、隔离开关、互感器的符号用线连起来。但干过设计的人都知道这张图的核心价值在于它完整表达了变电站的运行方式与供电可靠性。同样是110kV侧接线采用单母线分段、双母线还是桥形接线直接决定了母线故障时的停电范围、保护配置复杂度以及倒闸操作的灵活性。而110kV中性点是直接接地、不接地还是经消弧线圈接地又关系到零序保护的整定原则和过电压水平。所以主接线设计里真正花费时间的环节从来不是把符号拖到图框里而是方案阶段的论证这种接线方式在N-1工况下是否满足负荷供电要求分段断路器要不要配置备自投母联合并运行时的短路电流是否超出设备承受能力这些判断都建立在图纸背后的“语义”之上而不是图形本身。AI如果只做辅助画图相当于一个描图员它理解的只是坐标和线型而如果我们能让AI理解图纸语义它才有资格参与方案讨论。1.2 设计、评审、施工、运维对图纸的诉求完全不同我这次实测前先梳理了一下主接线图在四个环节中的实际用途因为这直接决定了AI该往哪个方向使劲。设计阶段最需要的是多方案比选和规程符合性论证。评审阶段最耗精力的是把图纸中的接线方式、设备参数、中性点接地形式等信息提取出来逐条对照规程形成审查意见。施工阶段需要的是设备清册、材料统计、土建条件图、一次设备安装图这些衍生文档工作量不比主接线图本身小。运维阶段则更关注倒闸操作逻辑、保护配置与定值、备自投动作逻辑是否清晰。有意思的是这四个环节的共性需求不是“再画一张图”而是“从已有的图里快速提取信息、对照规则做判断”。这正是AI相对传统CAD工具的优势所在。一次主接线图一旦以结构化数据的形式被读取出来设备清册、短路计算输入表、设计说明初稿甚至初步审查意见都能随之生成。从这个角度看辅助画图确实只是最表层的一层皮。2. AI实测准备工作多模态模型与图纸预处理才是关键2.1 通用多模态大模型和专用CAD插件的取舍实测前我先明确了一点没有哪一套AI工具能包打天下。市面上的AI辅助设计插件大多绑定在CAD环境中优势是图纸数据结构化程度高导出的设备表可以直接进入物料清单但劣势也很明显它们对自然语言指令的理解能力弱不会把一张“单母线分段接线”和规程条文里的相关要求关联起来。通用多模态大模型则相反视觉理解能力强能把图纸和规程放在一起综合推理但输出结果存在不确定性甚至会一本正经地编造设备型号。我最终采用的组合是通用多模态大模型负责“看图说话”也就是视觉识别、语义抽取、规程对照本地脚本负责坐标校验、格式规范、数据去重中间再加上人工抽查把关。三者缺一不可。实测结果也证明通用大模型能完成的高价值动作恰恰集中在图纸编辑工具之外的领域——审查、推理、文档生成、参数核对这正好呼应了标题里那句话不止辅助画图。2.2 图纸预处理直接决定识别的成败这一节重点说因为很多人都会在这一步翻车。我第一轮测试直接把PDF版的110kV主接线图丢给多模态大模型结果设备型号、铭牌参数、图例编号全部糊成一团识别率惨不忍睹。原因很简单A0图纸幅面的信息密度极高小号文字在缩略图里只有几个像素AI不是认不出而是“看不清”。预处理流程我建议按这样走先把PDF按页面导出为300dpi以上的PNG再按电压等级和功能分区把大图切块比如110kV配电装置区、主变区、10kV配电装置区各自独立成图对主变间隔、母线分段间隔、站用变间隔这些关键节点做局部放大最后把图上横排、竖排、斜排的文字统一进行方向校正。这套预处理做完识别率从70%左右直接提升到95%以上。千万别嫌麻烦图纸喂给AI之前花十分钟整理图片质量比之后花一小时校对错误数据划算得多。2.3 提示词结构的实测经验很多同行问我提示词怎么写我的经验是不要用“请帮我识别这张图纸”这种开放指令而是要求模型按固定JSON结构输出并给出明确字段定义。我这次用的核心框架类似这样device_id设备唯一编号对应图上的标注编号device_type设备类型如断路器、隔离开关、电流互感器、电压互感器、避雷器、站用变rated_param额定参数如110kV、630A、31.5kAconnected_node连接节点如110kV I段母线、主变高压侧adjacent_interval相邻间隔或设备同时我会在提示词里给一两行示例让模型跟着同样的格式走。这样输出的结果可以直接用脚本解析成表格省去大量清洗工作。需要提醒的是JSON结构一旦复杂模型偶尔会漏字段或嵌套出错所以脚本解析那一步建议做宽容处理不要一报错就全盘丢弃至少把能读出来的部分保留标注可疑字段留给人工确认。3. 实测一从图纸到设备清册和拓扑关系AI把图变成了结构数据3.1 设备清册自动抽取的实际效果第一项实测我选了某110kV常规变电站的典型接线110kV侧单母线分段2台主变4回110kV出线10kV侧也是单母线分段带2回出线、2台站用变和接地变。整张图包含的设备数量不算大但足以验证AI的识别粒度。AI输出的设备清册粗看质量相当高。110kV断路器识别出6台隔离开关24组电流互感器18只电压互感器6只避雷器12只。人工复核后发现隔离开关数量其实漏了1组接地隔离开关因为图例符号和普通隔离开关长得很像断路器编号字符识别错了1处把“1102”读成了“11022”。整体来说设备类别识别准确率在97%左右编号字符准确率约92%。这个结果放在人工录入场景里已经很有价值。以前从一张主接线图到设备台账熟练的电气设计师少说也要半天时间AI跑一遍只要几分钟哪怕需要逐条复核效率也是提升了一大截。复核的重点放在三处编号数字位数、隔离开关与接地开关的区分、避雷器放电计数器的小标注。这三处恰好是识别错误的高发区。3.2 拓扑关系还原认出设备只是第一步连成网络才算数设备清册再完整也是一堆孤立的零部件。真正能支撑后续应用的是把图纸还原成“谁连谁”的拓扑结构。我在提示词里要求AI按三元组输出连接关系比如110kV I段母线 → 隔离开关 → 断路器 → 隔离开关 → 线路。AI返回结构之后我用本地脚本把它转成邻接表再和原图人工对照。实测中AI对主线上的连接关系还原得相当准确母线、主变、出线间隔的主链基本无误。但交叉线密集的区域开始出问题最典型的一处是母线分段间隔图上的分段断路器两侧各带一组隔离开关再连接两段母线AI把分段断路器错读成了母联断路器。两者的图形符号几乎一样差别只在文字标注和两侧连接的对象上。这个错误人眼扫一眼就能发现但AI如果没有把旁边的“分段间隔”标签读进去就会沿图形相似性走偏。所以我的结论是拓扑还原功能可用但绝对不能直接信。特别是涉及分段、母联、旁路这类图形相似度极高的间隔必须结合文字标注一起校验。我的做法是让AI在输出连接关系时附带“依据来源”比如某个连接是根据图例推断的还是根据文字标签确认的这样人工复核就有了优先级。3.3 设备清册与拓扑数据的交叉验证这里再分享一个实测中摸索出来的技巧设备清册和拓扑关系不能分开校验它们可以互相验证。比如设备清册里出现一台“断路器”但在拓扑关系里没有任何一条连接关系引用到它那基本可以断定是多识别或者漏标了连接。反过来如果拓扑关系里有某个节点悬空没有任何设备连接也说明这一段识别出了问题。把两个结果放在一起做一致性检查能自动筛掉一多半的误识别。我把这个逻辑写成了脚本不用费眼神逐条看机器先把矛盾点挑出来我再集中精力核对那几处省事很多。4. 实测二拿AI当“图纸审查员”我给它喂了规程和参数表4.1 让AI对照规程条文找出图纸中“可能不合规”的点设备抽取和拓扑还原只是把图纸“读进来”下一步我开始尝试让AI理解“读进来的东西是否合理”。这项测试的核心方法是把主接线图和设计规程的相关章节同时输入给AI让模型列出图纸中与规程要求可能不符的点。我本次选取的规程是GB 50059-2011《35kV~110kV变电站设计规范》中关于主接线、中性点接地、设备配置的条款同时附上了主变、断路器等主要设备的参数表。AI提出了三条怀疑一是站用变未配置保护测控装置与规范对站用电可靠性的要求存在潜在不符二是110kV中性点只有避雷器未看到隔离开关接地方式的选择缺少明确依据三是母线PT二次侧接线中未见击穿保险可能不满足PT保护配置要求。人工复核后的结论是前两条成立确实属于图纸中存在的设计细节缺失第三条属于误报图纸中实际画了击穿保险但采用的图例不是标准图例AI没认出来。这个结果说明AI已经能“沾到边缘”它会从图纸符号和规程条文的对应关系里找异常但还不能替代专业判断。误报率大概在可接受范围内但每一条都需要人去甄别。4.2 用AI核对断路器遮断容量与短路电流水平比“找不合规”更硬核的一项测试是让AI做定量计算。我把110kV侧的系统阻抗、主变容量和短路阻抗一起给AI要求它计算110kV母线三相短路电流并逐台核对断路器型号上的开断电流是否满足要求。这一步的效果超出我的预期。AI先算出了110kV侧最大三相短路电流约为33.8kA然后逐台核对断路器参数发现某出线间隔的断路器开断电流为31.5kA小于计算值。它给出的结论很明确该断路器的遮断容量不满足该点短路水平要求建议更换为40kA开断电流的型号或重新核算系统阻抗取值。这类工作以前需要翻样本手册、算短路电流、再逐一对照设备表计算本身不难但量大繁琐。AI只要理解了一个思路就能把重复计算和比对一气呵成。当然计算过程中系统阻抗取值、基准容量这些参数都是人工给定的AI只是执行者。如果把不合理的输入参数喂进去它也会一本正经地算出离谱结果这也是这轮实测最重要的教训之一。所以定量核对可以用但输入侧一定要人工签字确认。4.3 审查功能的价值边界把AI当审查员用效率提升很明显但我也必须给这个用法划个边界。AI提出的疑点更像是“提示线索”而不是“最终结论”。它不懂工程背景某间隔中性点不接地可能是这个区域电容电流较小设计时有意为之某断路器遮断容量偏小可能是该线路规划负荷有限系统阻抗实际更大。这些“为什么这样设计”的背景知识现存图纸和规程条文里未必写得出来AI更无从推断。所以审查类应用的正确姿势是AI负责枚举疑点工程师负责判定真伪和解释原因。5. 实测三从主接线图自动生成衍生文档含金量比想象中高5.1 设计说明书初稿的自动起草设备清册提取完成之后我顺手试了文档生成。让AI根据刚识别出来的主接线形式、主变容量、进出线回路数、中性点接地方式、主要设备选型直接生成一份设计说明书的初稿。生成出来的内容在规范术语使用上没有大问题能完整描述“本变电站110kV侧采用单母线分段接线2回进线、4回出线两台主变容量50MVA110kV中性点经隔离开关及避雷器组合接地”这类基础信息。作为初稿来说参考价值很大。它把图纸中的信息自动转化成了结构化的文字描述省去了从空白页开始敲字的时间。但工程细节和运行方式描述仍然需要人工修订尤其是涉及保护配置原则、调度命名、特殊运行工况的内容AI写出来的只能算“及格线”不能直接作为正式设计文件交付。我估算一下AI生成的初稿能让一份说明书的编写时间缩短半小时到一小时左右对于经常要赶多个项目初设的设计院来说这个时间已经很可观了。5.2 从设备清册到短路计算与保护配置参数表这项测试我原本没抱太大期望但结果反而是所有测试中落地价值最高的一块。流程是AI把主接线图里的设备清册和拓扑关系提取出来之后我再让本地脚本把结构数据转换成短路计算软件可识别的输入参数比如线路阻抗、主变阻抗、基准电压等。同时根据各间隔的CT变比要求生成保护整定所需的参数清单。AI在这里主要承担格式转换和数据搬运的职责。这类工作的特点是一切规则明确、流程固定几乎不需要模型做主观判断所以准确率接近100%。只要前置的设备参数识别无误后端的表格生成就能完全自动化。而且这是在真实工作流中最容易形成闭环的一环图纸识别结果直接进计算模板计算模板的输出再回到设计与校审环节。对比“辅助画图”这种数据管道式的用法才是真正能省下时间并沉淀为团队资产的方向。5.3 衍生文档的流转与版本管理衍生文档多了之后版本管理就是一个现实问题。AI可以在一分钟之内生成三个版本的说明文字但哪个版本对应哪一版图纸必须有严格的关联机制。我实测时的处理方式是让AI输出的所有衍生文档都携带源图纸的哈希值和识别时间戳本地脚本在归档时自动校验图纸更新后对应文档标记为待重新生成。这样既可以利用AI的快速生成能力又不会让文档版本失控。这套流程不一定适合所有团队但如果AI输出开始常态化进入交付流程版本追溯是迟早要面对的问题。6. AI实测中踩过的坑一本正经的幻觉与不能碰的数据红线6.1 翻车现场把分段断路器读成了母联断路器这次翻车让我印象很深。某间隔的分段断路器在图纸上处于热备用状态但AI从图形状态判断认为它处于合闸位置进而把整个系统等值为“双母线并列运行”。这个误判直接导致它在后续的N-1分析中给出了完全错误的结论它认为其中一段母线故障另一段母线仍可通过分段断路器向全部负荷供电不信赖度自然被高估了。问题的根源在于AI没有把分段断路器旁边的文字标注“热备用”读取进来只凭图形特征做了判断。人眼看图会同时处理图形和文字两路信息但多模态模型在信息融合上有时会顾此失彼。这个案例再次说明AI的理解是概率性的不是逻辑性的。凡是对运行状态或运行方式有严格要求的环节都必须把人放在判定链路的末端。6.2 翻车现场一本正经地编造不存在的设备参数相比识别错误幻觉编造更危险。有一台断路器的型号标注为“ZW-110/31.5”AI正确识别出了31.5kA的开断电流但随后自作主张地把生产厂家名称补全成了一个看起来合理的名字实际与样本生产商无关还在设备表里凭空多出了一列“工厂代号”。这列数据完全属于子虚乌有。如果校审人员没有逐条核对设备表这种胡编的假数据就混进了存档。对付幻觉的办法只有一个凡是AI输出的“补全”内容都要高度警惕比如厂商缺省值、年代缺省值、规格式样推演等。我在脚本里加了一个规则凡字段来源标记为“AI推断”输出时自动标红人工确认之前不允许进入正式台账。设备清册环节可以允许AI辅助但设定一个“推断信息需人工确认”的岗哨让幻觉数据无处藏身。6.3 数据红线变电站图纸不能随便丢给云端最后一块必须讲清楚因为这一条比技术更重要。110kV变电站图纸哪怕只是系统接线图也属于电网基础设施的敏感资料包含变电站名称、路径坐标、设备接线、系统命名等资产信息。我这次实测全程使用的是脱敏版本删除变电站名称和坐标信息、把进线系统名称替换为通用编号、把具体出厂型号改成规范化型号。对公网大模型上传原始图纸绝对不是可取的做法。如果团队要常态化使用AI处理图纸我的建议按顺序做三件事一是先建脱敏流程图纸进入AI处理前必须经过自动脱敏脚本二是考虑私有化部署视觉模型现在不少开源多模态模型通过微调已经能胜任识别类任务可以完全在内部网络运行三是建立图纸外发的审批和审计制度凡导出图纸或识别结果都需要留痕。技术能力再强也不能以牺牲数据安全为代价这是我在实测期间反复提醒自己的一条底线。7. AI在110kV主接线图上的正确打开方式我最终沉淀的工作流7.1 从图纸到交付的完整闭环长这样这轮实测结束后我把可行的环节串联成了一条日常可用的工作流现在分享给各位同行参考。第一步图纸预处理。原始CAD或PDF先转成高分辨率图片并按间隔切块。第二步AI视觉识别。多模态模型生成设备清册、拓扑三元组、异常疑点初稿。第三步脚本一致性校验。设备清册与拓扑关系互相印证标红冲突项。第四步人工复核。设计师只需盯着被标红的部分逐一判断不用整张图重看。第五步AI辅助生成衍生文档包括设计说明初稿、设备台账、短路计算输入表。第六步图纸与文档版本归档并接受校审。这套流程做下来AI干的是繁重的信息抽取和初稿生成工程师干的是判断、决策和签发责任边界清清楚楚。7.2 效率提升和岗位责任的重新划分按我个人的实测体感这套流程整体能让主接线图相关的重复性工作减少至少三分之一省下来的时间可以投到方案论证和多方案比选这些真正需要经验的地方。但这并不意味着设计师可以当甩手掌柜。最终签字、校审、变更、设计责任仍然由工程师承担AI最多算一个效率极高的实习生还是一个偶尔会胡编乱造的实习生。我准备下一步再用双母线接线和桥形接线的样本各跑一批看看AI在不同接线方式下的误判分布是否一致也把短路电流计算与设备选型这个环节的自动化程度再推高一些。至少在110kV电气一次系统图这个场景里AI的真正价值已经很清楚——它不只是一个画图加速器更是一台能把图纸语义转化成工程数据的翻译机。谁先用好这台翻译机谁就能把更多精力放回工程师真正该做的事情上。