随着电网结构的升级和负荷类型的变化,电压暂降、电压中断、电压暂升、电压波动、瞬时脉冲、谐波和衰减振荡等电能质量扰动问题层出不穷。对扰动信号有效的分析处理,提取扰动信号的时频特征,完成电能质量数据压缩和扰动识别是解决电能质量问题的重要前提和基础。原子分解算法在根据信号自身特征构建的原子库上,对信号进行分解,提取出信号中的特征参数,得到更加简明稀疏的信号表达,可以更好的反映信号的时频特征,适用于电能质量数据压缩和扰动识别。但传统的原子分解算法计算量大、耗时长,限制了其在电能质量数据压缩和扰动识别中的应用。本文提出一种改进的原子分解算法,将其应用于电能质量扰动信号分析,实现高效的电能质量数据压缩与扰动识别。（1）提出一种改进的原子分解算法。匹配追踪算法是原子分解中常用的稀疏分解算法,通过遍历整个原子库来匹配到最优原子,由于原子库中的原子数目非常庞大,导致匹配过程中的计算量过大,限制了原子分解算法的应用范围。针对上述问题,本文利用闪电搜索算法选择出最佳匹配原子,不需要遍历整个原子库,减少计算量,提高原子分解的效率。（2）提出一种基于改进原子分解算法的电能质量数据压缩方法。首先根据电能质量扰动信号的特点,在衰减正弦量原子的基础上构造五类电能质量相关原子库,减少原子匹配过程中不必要的参数搜索,进一步加快原子匹配进程;然后利用改进的原子分解算法在构建的电能质量相关原子库上进行稀疏分解,提取到电能质量扰动信号的幅值、频率、相位和扰动的起止时刻等特征信息,完成数据压缩过程;最后利用压缩后的数据实现信号重构。（3）提出一种基于改进原子分解算法的电能质量扰动识别方法。首先,利用改进的原子分解算法在构建的五种电能质量相关原子库中提取扰动信号的特征信息,将提取到的扰动频率、初相位、起始时刻、终止时刻、衰减系数、扰动的幅值和每次匹配最佳原子时的最大内积等特征作为最终扰动分类的特征量;其次,针对SVM中惩罚因子C和核函数参数γ的选择问题,提出用非线性收敛因子和自适应权重策略改进的WOA算法选择最佳的参数组合（C,γ）,提高分类器的分类准确率。仿真实验结果表明:所提改进的原子分解算法在信号分解时的精度高,耗时短,增强了原子分解算法的实用性;所提电能质量数据压缩方法与小波包压缩算法相比压缩率更高、失真度更低;所提电能质量扰动识别方法与标准ST的检测识别方法相比,识别准确率更高,抗噪能力更优,泛化能力更强。