近年来整流器、变频调速装置、电弧炉、电气化铁路等设备在各行各业中广泛应用,电网受到严重干扰,电能质量不断恶化。同时,为保障现代工业敏感设备、高效生产流程的正常运行,用户开始主动向电力部门提出高质量供电的要求。电能质量扰动信号识别是电能质量综合评估、扰动源定位治理的前提,具有重要意义。为提高电能质量扰动识别准确率与分析能力,本文提出了一种多分辨率快速S变换方法,用于高噪工业环境下的电能质量扰动信号识别和扰动参数检测。为兼顾电能质量信号的类型识别与参数检测两方面的需要,首先,分析广义S变换在不同窗宽调整因子时,时间-幅值曲线与频率-幅值曲线中扰动起、止处峭度与扰动参数检测误差间的关系;之后,根据离差最大化法确定不同频率范围内最优窗宽调整因子,并通过3次样条插值法进行拟合,自适应调整不同扰动信号识别和参数检测所需最优窗宽;最后,针对广义S变换冗余计算较多的特点,设计多分辨率快速S变换方法以降低运算量满足实时性要求。经过S变换后获得的扰动信号的时–频模矩阵具有灰度图像特点。因此,可通过二维数学形态学方法,滤除噪声干扰,获得更高的识别准确率。首先,在阈值滤波基础上,根据信号时–频分布特点,选择线段型、零角度结构元进行灰度级形态学开运算,滤除高频频域噪声;之后,从原始信号、信号傅里叶谱、多分辨率快速S变换模矩阵中提取5种特征用于构建决策树分类器,识别含噪声信号与6种复合扰动信号在内的13种电能质量信号;最后,提出最小分类损失原则,确定决策树节点分类阈值,设计扰动分类器。通过仿真对比实验发现,新方法具有更好的抗噪能力,更加适用于低信噪比环境下的电能质量信号识别。在采用多分辨率快速S变换处理电能质量扰动信号的基础上,根据识别结果进行相应的参数检测。原始信号、信号傅里叶谱、基频幅值曲线、时间-幅值曲线与频率-幅值曲线可以全面反映电能质量扰动信号的扰动幅值、扰动起止时间、扰动主要频率等信息。通过对短时扰动、周期性扰动和暂态扰动的分析,本文提出一套适用于单类扰动及复合扰动的参数检测方法。仿真实验和实测数据分析表明,新方法能够满足电能质量扰动参数检测需要,参数检测误差低于广义S变换等方法。仿真对比实验和实测数据分析表明,新变换方法特征表现能力显著提高,且在高采样率时有效降低运算时间,抗噪能力强,识别准确率高,参数分析准确。