随着电力工业的发展,以及各种电力电子装置和冲击性负荷在电力系统中的广泛使用,由此各种扰动引起的电能质量(power quality, PQ)问题日益严重,因而电能质量越来越受到关注,同时也得到了比较深入的研究。但是对于电能质量扰动信号的去噪、压缩和分类等问题,目前还没有一种公认的方法,鉴于电能质量扰动问题的广泛性和当前分析方法的不足,有必要加强对电能质量扰动分析算法的研究。围绕电能质扰动相关问题,本文对涉及电能质量扰动信号的去噪、压缩、模式识别以及谐波分析和抑制等方面进行了研究,其主要内容如下：(1)设计了一种具有PQ扰动实时在线检测与分类功能的电能质量分析平台。该平台基于DSP和FPGA,实现了信号的采集、处理和显示。采用了一种简单和高效的PQ扰动分类方法,即基于规则基的决策树模式识别方法,同时提取五个典型的PQ扰动时频特征量作为决策树的输入量,实现了九种典型PQ扰动的辨识。最后,通过算法仿真及硬件平台验证,结果表明可以满足对PQ扰动分类的精度和实时性的要求。(2)提出了一种基于小波邻域阈值分类的自适应阈值电能质量信号去噪算法,首先结合所用小波函数,由模极大值小波域确定最佳邻域窗口尺寸；然后利用各个尺度携带信号信息的小波系数具有局部相关性,通过邻域阈值对小波系数进行分类：对分类后的“小”系数直接置零；对“大”系数则通过最小均方误差准则得到其估计。仿真实验结果表明该算法对实际电能质量信号去噪是有效的,在去噪性能上优于常用的多种自适应阂值去噪算法。(3)针对电能质量扰动数据的压缩问题,提出了一种基于谐波陷波滤波器的压缩方法。该数据压缩方法采用一种自适应信号处理方法来估计电能质量信号的基波和谐波分量的参数(幅值、频率和相位),并将它们与暂态分量进行分离,然后采用参数量化和小波变换技术分别对确定的正弦参数和残余信号进行压缩。利用实际电网中采集的各类电能质量扰动数据对方法进行了验证,结果表明本算法适用于各种波形特征的扰动信号,并且在保证压缩质量的前提下,可以获得较大的压缩比,具有一定的应用价值。JPEG2000是最新静态图像压缩的国际标准,虽然JPEG2000编解码器主要用于图像压缩,但是本文展示了其用于电能质量扰动数据的压缩。对于实际电网中采集的各类电能质量扰动信号,JPEG2000的压缩性能好于常见的一些压缩方法,该方法可以使用已有的JPEG2000编解码器的软硬件资源,特别可以省去专门的硬件开发成本。JPEG2000编解码器的一些优良特性,诸如精确的码率控制和累进式传输,也将得到保留。(4)S变换是连续小波变换和短时傅里叶变换的扩展,由于S变换很好的时频分析特性,非常适合分析电能质量扰动。而且基于模糊规则基的推理系统是容易升级和维护的,同时可升级的系统规则也是容易修改的。由此提出了基于S变换和模糊专家系统的电能质量扰动自动分类方法。实验结果表明使用相同的特征矢量作为输入,模糊专家系统的分类精度比神经网络提高了3%左右。熵是对系统不确定性程度的描述,为了提高小波包用于信号分析的性能,本文将小波包分析与熵相结合,充分利用二者的优点,来提取电能质量扰动的特征参数,并将这些参数作为特征向量,采用最小二乘支持向量机进行训练并辨识各类电能质量扰动。实验结果表明这是一种有效的、高精度的辨识方法。基于多域特征提取和自适应神经-模糊推理系统提出了一种新的电能质量扰动分类方法。首先基于波形包络阈值线对扰动进行检测；接着在时域、频域和小波域进行多域特征提取,选取扰动信号的基波均方根幅值、总谐波畸变率、次谐波幅值和小波包能量共同组成输入特征矢量；最后通过自适应神经-模糊推理系统对各类电能质量扰动进行分类。仿真结果表明该方法对特征不规则的待检电能质量扰动信号具有良好的柔性和适应性。(5)针对实际电力系统中可能同时存在多个振荡瞬态的情况,首先利用自适应陷波滤波器实现基波与振荡瞬态信号的分离以减少基波对奇异值分解结果的影响；再利用线性预测奇异值分解算法,估计出每单个振荡瞬态信号的起始幅值、起始相位、频率和衰减系数等参数。仿真实验的结果显示在多个振荡瞬态同时存在的情况下,用该方法估计多个振荡瞬态信号参数是可行的和有效的。(6)由于常规电量计量装置是基于正弦波设计的,因此在非正弦条件下进行测量必然带来一定的误差。本文采用改进的傅氏系数自适应组合估计算法来进行谐波检测与功率计算,该方法对非同步采样及初始值不敏感,实验表明一般经过约一个周期便能对非正弦信号进行实时跟踪,从而精确测量出电压与电流各次谐波的幅值及相位,从而实现功率的实时高精度计算。仿真实验验证了该算法的有效性。IEC标准推荐了谐波与间谐波的分析方法,但是无法满足进一步提升间谐波分析精度的要求。本文提出了可调分辨率的多重信号分类(multiple signal classification, MUSIC)算法通过调节因子改变MUSIC伪谱在目标区域的频率分辨率来提高分辨率,通过互相关的互谱计算来提高抗噪性能,以及设置阈值来估计信号中的谐波和间谐波频率,根据估计出的频率,利用AR (autoregressive model)模型参数估计方法估计出信号的幅值和相位。仿真实验验证了该算法的有效性。采用改进粒子群优化算法对无源滤波器组的参数进行优化设计,较为全面地考虑了无源滤波器的各滤波支路参数、无功功率补偿容量以及滤波后电网谐波含量等问题。同时参数摄动分析进一步验证了该算法的有效性。