随着国民经济水平发展与城市化进程持续推进,我国电缆工程项目建设力度也逐步提升。作为电缆工程建设、运行、维护等各环节的源头,电缆工程设计质量对后续环节均存在直接或间接的重要影响。当前,国内外电缆工程设计评价呈现出评价指标冗余度较高、定性定量评价指标混杂、评价结论专家主观性显著以及投运工程数据信息利用率低下等特点,影响了电缆工程设计质量与城市供电可靠性。因此,建立符合我国电缆工程实际的电缆工程设计评价指标体系,构建科学统一的电缆工程设计综合评价方法具有较大的工程实践意义,可以有效推动电力工程行业健康、持续、和谐发展,促进先进信息处理技术在电力工程中的推广与应用。针对电缆工程设计质量与所选设备持续运行能力之间的内在关联,依据价值工程原理提出了电缆工程设备选型价值指标的定义,构建了基于低秩矩阵填充的设备选型价值指标计算方法,以各地已投运的同类电缆工程设备的相对老化年龄与不齐备检测数据作为电缆工程设备信息矩阵的缺失项,引入特征值分解与算子收缩实现对电缆工程设备信息矩阵不完全信息的精确填充,解决了各地电缆工程设备检测条件不一致,部分检测指标不齐备,设备选型价值难以整合的问题。计算实例定性的验证了所提设备选型价值指标可有效描述其对电缆工程运行持续性的影响,是电缆工程设计评价指标体系的有益补充。针对电缆工程设计评价指标体系优化方法匮乏的现象,提出社会属性网络理论,实现电缆工程设计评价指标及评价指标体系结构的优化。该理论通过引入属性测度空间与有序分割类,对电缆工程设计评价指标体系中的各评价指标进行属性描述与关联关系挖掘,最终形成覆盖电缆工程设计技术性、经济性、持续性的电缆工程设计评价指标体系。信度与效度的实例分析验证了该电缆工程设计评价指标以及其评价指标体系结构的科学性,为后续构建定性与定量综合评价模型提供了指标支撑。针对传统电缆工程设计定性评价指标权重中主观性难以去除的问题,提出自适应属性偏好学习方法,提升了评价指标权重的客观性。该方法采用属性测度矩阵与综合测度矩阵描述评价对象属性测度空间,并结合随机权网络学习电缆工程设计评价历史样本数据,进行评价指标的主客观综合权重系数计算。同时,为解决属性偏好学习中置信度选择问题,通过泛化误差进行理论推导,提出了置信离散度参数,并基于该参数采用置信度平移法以实现综合评价模型的自适应优化。仿真实验表明自适应属性偏好学习算法能够实现对电缆工程设计定性指标综合评价,且结果分布较传统综合评价方法更为离散,有助于决策者做出合理判断。针对电缆工程设计定量评价指标数据中有效信息难以提取的问题,提出基于随机权深度神经学习的特征提取方法,构建由外而内神经元数量逐层减少的多隐层随机权神经网络模型,实现对评价指标内有效数据特征的深度学习。基于上述深度提取的数据特征,面向大体量的电缆工程设计评价数据,提出了基于稀疏随机森林的综合评价模型,采用多个弱决策树组合构建冗余的强决策树,引入稀疏编码技术删减冗余决策树以形成最终综合评价模型。仿真实验表明随机权深度神经学习算法实现了对数据信息的多元统计,比主成分分析与独立成分分析有着更为出众的特征提取效果;稀疏随机森林算法能够实现对电缆工程设计的综合评价,且精确性与鲁棒性令人满意。