随着社会的发展，电能已经成为一种不可缺少的能源，电能质量（power quality）也越来越引起人们的关注。影响电能质量的因素很多，包括供电、用电设备等。电能质量扰动主要有电压凸起、电压凹陷、电压间断、谐波、脉冲暂态和振荡暂态等。 本论文主要研究探讨现代数字信号处理方法用于电能质量扰动的检测和识别，研究基于基函数神经网络的信号分解理论方法，提出了一种自适应修改确定隐神经元数及权值的自适应基函数神经网络并用于电能质量扰动的检测和识别。探讨了三角基函数神经网络方法，提出了神经网络权值计算的最小二乘算法和基于正交原理的能量投影方法，计算量小，易于实现。采用三角基函数神经网络对常见的电能质量扰动信号进行识别的结果表明，在考虑干扰噪声情况下，扰动信号波形的差别并不能很好地识别扰动，而频谱分布虽然能区分一些扰动特征，但对瞬变脉冲信号识别效果不理想。采用自适应高斯基神经网络用于电力信号的时频分析，对电能质量扰动的检测和识别效果较好，仿真结果验证了该方法的可行性。