随着工业化进程的不断推进,国家电网电力调度任务不断增加,传统的电力调度模式已经不能满足日益增长的电网自动化调度需求了。同时,随着人工智能的发展,用语音识别的方式来实现人机交互已成为一个热门研究方向。而在电力调度领域,目前已有的语音识别交互应用,如讯飞小度、小爱同学等,不能有效满足其需求,主要原因有以下几点:（1）专业性不够,在电力调度识别场景下,因对电力专业词汇不敏感,导致专业词汇准确率偏低;（2）使用成本较高,需要搭建完备的电力专业语料库并且模型需要增量学习;（3）适用场景有限,难以兼顾多种电力调度识别场景;（4）安全性较低,使用中需要远程调用外部网络接口;（5）可移植性不强,难以与地方电网调度系统相适配。因此,为解决上述的问题,本文旨在设计一种针对电力调度专业领域的、离线的语音识别交互系统,并且可以迁移至其他专业领域,实现针对某一特殊的、专业领域的语音识别交互需求。它主要包含了以下几个特点:（1）针对专业性和使用成本的问题,设计了差频优先级语言模型。差频优先级语言模型所使用的差频优先级解码方式不需要语料库进行训练,并且解码过程中能重点将语音标注序列中的电力专业词汇召回;（2）针对适用场景有限的问题,在差频优先级模型的基础上,设计了Pre Transformer模型和语言语义一体化模型以分别针对不同的识别场景,并将其整合进系统。前者使用二次解码的方式进行语言解码,在词汇量大、对识别速率有一定要求的电力调度通话识别任务中表现优异,解码WER为2.89%;后者根据电力调度语法规则来判断语言模型的输出是否正确,并且做出相应的反向校正,在词汇量小、语句结构固定的电力调度指令识别任务中,解码WER为1.03%;（3）结合广州电网具体环境,完成了本离线语音识别交互系统工程上搭建与部署,实现了语音采集、语音播报、调度语音识别、消息通信四个模块的功能。实测结果表明,本系统能很好满足电力调度专业领域的语音识别交互需求,一定程度解决了已有系统存在的问题。并通过了相关验收鉴定,接入广州电网智能调度平台。