电能质量的好坏严重影响了整个电力系统的安全经济运行,改善并提高电能质量具有重要意义。随着电力系统中非线性、冲击性负荷的不断投入使用,使得电网波形畸变日益严重,造成电能质量恶化。电能质量检测与识别是电能质量监测的重要内容,能否快速有效的检测出扰动事件,并对其进行准确定位和分类识别,对电能质量问题处理有着重要意义。论文研究的主要工作如下:电能质量扰动主要包括稳态和暂态两类,依据相关标准可进一步具体划分表现不同时频信息的扰动类型。大量电力电子器件装置的广泛应用,电能质量信号越来越趋于非平稳非线性化趋势,传统的电能质量检测方法已不适用于非线性非平稳信号分析。为了能有效的对电能质量进行检测分析,针对IEEE提出的几种常见的扰动信号搭建数学模型,并利用经验模式分解(Empirical Mode Decomposition,EMD)和局部均值分解(Local Mean Decomposition,LMD)对扰动信号进行仿真分析。为了更快速准确地得到检测效果,文中提出一种针对噪声处理的综合性改进LMD检测算法,通过仿真分析验真了该方法的有效性。为了在准确检测扰动的基础上进一步对扰动进行分类识别,提出改进LMD与熵特征提取相结合的方法。LMD熵能适应LMD分解的波动性,根据各分量信息分布反映不同时间尺度下的复杂程度。对所提取的特征向量数据样本,采用支持向量机(Support Vector Machine,SVM)进行分类识别,对分类识别的结果进行分析并加以改善。同时,利用遗传算法全局优化能力对SVM参数进行优化,得到最终优化后的分类结果。通过对样本数据进行分析处理,分类准确率能达到98%及以上,既基本能完全正确区分识别各类扰动信号。最后基于仿真平台和含分布式电源的微电网系统实验平台提取的波形数据验证算法的有效性。