电能在现代社会中已逐渐成为使用最广泛且不可或缺的一种能源。电能质量包括稳态电能质量、暂态电能质量两种类型。暂态电能质量的研究刚刚起步。因此，对暂态电能质量扰动信号进行研究，已逐渐成为现代电力系统的一项重要研究课题，具有重要的研究意义。本文在国内外研究成果的基础上，主要针对暂态电能质量问题，在电能质量信号消噪、扰动检测与扰动识别等方面做了一些工作。主要工作和成果如下：1．首先阐述了电能质量相关的基本理论，并针对五种典型的暂态电能质量扰动信号做研究分析，如电压暂降、暂升、中断、振荡暂态和脉冲暂态。2．为了改善暂态电能质量扰动信号的消噪效果，提出了一种小波包改进阈值的消噪方法。在分析了软硬阈值消噪法的基础上，对阈值量化函数进行改进。改进后的新阈值消噪法，能有效克服硬阈值法不连续，软阈值法有偏差的缺点。对暂态电能质量扰动信号消噪处理的仿真结果表明，该新方法在消噪的同时能减少信息的损失，在不同信噪比下能有效去除白噪声，消噪效果优于软、硬阈值函数消噪法。3．小波变换的时频局部化特性好，可通过小波变换的模极大值来表示信号的奇异性。但实际检测的信号易受到噪声的干扰，对扰动信号的检测带来困难。因此，对信号进行消噪处理显得十分必要。仿真结果表明信号消噪后检测效果更佳。4．为了改善神经网络的电能质量扰动识别能力，提出了一种改进型神经网络--遗传算法优化贝叶斯正则化神经网络。并采用小波包能量熵作为特征向量。改进后的神经网络能有效克服传统BP神经网络易陷入局部最小，遗传算法优化BP神经网络易出现过拟合现象且网络节点数偏多等缺点。5．最后，全面总结了全文，并提出展望。