现代电力系统中，电力电子设备的应用越来越广泛，各种非线性、冲击性、波动性负载也大量增加，使电力系统所遭受的电能质量污染也日趋严重。同时信息科技的发展则对电能质量及供电可靠性提出更高的要求。对电能质量进行监测和分析是发现电力质量问题并进行治理和改善的前提条件，而如何从海量的电能质量扰动信号中自动提取特征并进行正确分类则是电能质量监测分析系统首先要解决的问题。　　 本文对目前电能质量问题所带来的影响做了概述，综述了国内外电能质量标准和研究的现状，重点对电能质量扰动检测、电压扰动特征提取、暂态扰动的分类、电能质量扰动信号压缩等问题进行了深入研究，主要内容和成果如下：　　 针对电能质量扰动检测，提出了一种基于改进的S变换(Improved S-Transform，IST)和时域分析的电能质量扰动自动识别方法。IST有优秀的时频分辨率特征并能准确地检测到扰动，因而，它很适合在噪声情况下的电能质量扰动的分析。论文按照IEEE1159标准，运用MATLAB产生各样电压扰动波形。IST可以鉴别出扰动信号的幅度和持续时间。小波变换也用于分析电能质量扰动，其结果与IST进行对比。仿真结果显示提出的方法是有效的，有很强的抗噪声特性，在实际运用中有可行性。　　 由于S变换具有良好的时频特性，因而非常适合于进行电能质量扰动信号特征提取。首先通过S变换进行扰动信号特征提取，然后构造支持向量机分类树进行扰动分类。通过仿真和实验数据证明该算法在扰动分类中的有效性和实用性，算例表明该方案具有分类准确率高，对噪声不敏感，训练样本少等优点，是电能质量扰动识别的有效方法。　　 针对电能质量扰动数据存储问题，在基于小波变换的基础上，本文提出了一种新的数据压缩方法。通过分析电力扰动信号的时频局部特征，提出了最小极大值法，并对影响压缩效果的分解层数和频带重叠问题进行了研究。本文利用新方法对四种暂态信号扰动进行了测试，测试结果表明，提出的压缩方法在保证时频局部特征不丢失的条件下，可以获得较高的压缩比。