电力工业的迅猛发展对变电站建设提出更高要求,而变电站数字重构是其监控和诊断的重要内容。以变电站设备的外形轮廓及姿态信息为基础,对现有变电站建立数字重构模型,能够反应变电站设备空间位置信息的真实情况,便于变电站的升级维护以及布局的调整,同时可根据需要为变电站的重建提供更准确的依据。电气设备的分类识别是变电站数字重构的关键技术,其识别数据来源于三维激光点云。通过三维激光扫描仪获取变电站设备外形的三维点云数据,使得利用变电站设备的外形特征对设备进行分类识别成为可能。同时,实现变电站设备的自动分类识别对变电站大规模三维自动数字重构有着基础支撑作用。本文研究了变电站三维设备的特征提取、分类识别以及姿态估计等问题,主要研究的内容如下。(1)论述了三维激光扫描系统的工作原理以及变电站设备点云的获取以及预处理过程。(2)研究了基于三维点云的变电站设备特征提取原理及方法,提取了设备的分层投影面积特征,利用主成分分析法对变电站设备点云的法向量特征进行提取,同时提取了设备的投影面积、投影密度、灰度、包络体积等,为设备的分类识别奠定了良好的基础。(3)对支持向量机、神经网络以及距离分类算法进行了比较分析,由于提取变电站设备三维点云的特征达数百维,应用距离分类器实现变电站设备的分类识别较为简单,所以设计了基于距离分类算法的三维电气设备分类识别方法。提出了粒子群算法的一种改进算法,并利用该算法对距离分类器中输入权重进行优化,提高设备的分类识别精度。(4)利用体积匹配法对变电站设备的姿态进行估计,为变电站自动三维数字重构提供设备的姿态位置信息。同时,在MATLAB环境中创建了一个实验仿真平台,对变电站设备的分类识别过程进行较为直观的演示。利用本文研究的基于三维点云的变电站设备分类识别算法,对12类共222个变电站设备进行了点云数据分析和研究,提取了设备的识别特征,并进行了分类识别仿真测试。结果表明,该算法实现了对变电站设备的自动识别分类以及姿态估计,为变电站的自动数字重构奠定了基础。与此同时,采用本文研究的方法能够提高变电站三维数字重构的效率,进而提高相应工作效率。