近几年来，随着电力电子装置在电力系统中的广泛应用，电力系统中的非线性、冲击性、非对称性的负荷显著增加，电能质量问题已经成为众多领域关注的热点问题。改善和提高电能质量的首要问题就是对电能质量扰动进行检测和识别，如何准确的检测扰动和正确地对其进行分类识别也是构建电能质量扰动检测系统的必要前提和改善电能质量的重要步骤。　　本文针对电能质量问题，分析了各种电能质量扰动检测和分类方法的研究现状，比较各种方法的优缺点，提出了一种基于S变换和概率神经网络的电能质量扰动的检测和分类方法。论文对电能质量问题进行了以下研究：　　运用S变换对电能质量扰动模型信号进行时频分析，提取各种特征曲线进行电能质量扰动检测。具体来讲，提取列向量平方和均值曲线检测扰动的起止时刻，提取行向量平方和均值曲线检测扰动频率，提取时间-幅值包络线检测扰动幅度。　　对检测输出的特征曲线进行特征量提取，将特征量分为训练样本集和测试样本集，用训练样本集训练概率神经网络，然后将测试样本集输入到概率神经网络中，进行电能质量扰动的分类。　　对比不同噪声条件下的扰动分类结果，检验该方法的抗噪声能力。　　仿真结果表明S变换具有很好的时频分析能力，能够实现电能扰动信号的较准确检测；S变换和概率神经网络结合的方法训练速度快，结构简单，需要的训练样本数少，分类识别正确率高并且抗噪声能力强，是一个电能质量检测与分类的有效方法。