在我国社会经济以及科技不断发展的势图下,将有更多的电力电子设备和计算机等敏感性负荷接入电力系统,进而人们对电网供电的电能质量要求则越来越严苛。在电能质量问题中,电压暂降由于其发生频次高、产生的经济损失严重等原因,成为了工程和学术领域的焦点问题,针对电压暂降的相关问题进行研究至关重要。本文以电压暂降监测点布点优化和扰动源辨识为切入点,主要进行了如下研究工作:本文首先介绍了目前对电压暂降的定义,简要描述了电压暂降的成因和可能产生的危害。主要对电压暂降的三种成因进行了详细的分析研究,并建立模型对各种成因进行仿真验证,分析了暂降发生前后电压的变化趋势和恢复能力。其次介绍了电压暂降目前常用的几种检测算法,包括有效值法、基波分量法、缺损电压法、瞬时d-q变换法、小波分析法、S变换法,并对部分算法的检验效果进行了验证,分析了上述各类算法的原理及其在应用层面上的优劣性。然后分析了电压暂降监测点的布置方法,由于电力系统的庞大和节点数的繁杂,并不适合在每个节点均安装监测装置,同时在监测数据的存储和传输方面也会更加复杂。本文选取IEEE-39节点为例,根据其网络结构和参数,采用了线性规划算法进行监测点布点优化,能满足在有限的监测点数目情况下实现对系统所有节点和各类故障的在线监测。最后提出一种基于深度置信网络(DBN)的电压暂降特征提取与辨识方法,利用DBN的特征提取能力对波形数据进行特征自提取,解决了人工提取特征中过度依赖于专家经验,受未知特征影响较大,从而不具备一般性的问题。该模型集特征提取器与分类器于一体,提高了暂降源辨识的准确率,证明了该方法在特征提取与暂降源识别上的优越性,更适用于实际工程。该论文有图26幅,表6个,参考文献73篇。