随着当前煤炭产业的稳步发展,矿区供电系统的规模逐渐扩大,对矿区电网安全可靠运行的要求不断提高,而矿区内非线性大功率电力电子装置和敏感设备负载也随之被广泛地应用,更加复杂的电能质量问题影响着矿区电网的安全稳定运行。因此,对矿区电网内的电能质量进行准确有效的检测和识别分析,具有非常重要的理论和实际意义。本文针对矿区供电系统中典型设备负载引起的电能质量问题,分析扰动产生原因并根据其特性建立了相应的数学模型。主要分析了矿区的六种典型设备带来的不同扰动类型,并根据扰动的特点分为电压波动、电压暂升、电压暂降、电力谐波等扰动类型。针对当前对含噪电能质量扰动检测精度不高的问题,提出了基于小波降噪和改进广义S变换的扰动检测方法。首先通过MATLAB软件对含噪矩形波进行小波熵的去噪仿真,并选取自矿区6 k V深井变电站供电系统母线节点的实测单相电压波形,运用本文降噪方法进行验证,证明了本文选用的小波熵去噪方法的可行性。然后基于改进广义S变换的原理,对电压波动、暂升、暂降、谐波四类单一仿真信号进行检测,分析了扰动的幅值和起止时刻,以及谐波信号中各谐波成分的频率和幅值,并与S变换等方法进行比较,证明了改进广义S变换算法对扰动检测的准确性。基于最小二乘支持向量机算法(LSSVM)具有对异常值和脉冲性噪声不敏感的特点,本文将此算法用于矿区电力系统电能质量扰动分类识别之中,通过仿真得到与原故障信号相似度高的特征分类和识别结果。本文运用样本熵得到相应的样本熵值,相比传统的RBF分类法,本文采用的样本熵来分析扰动信号,这种新型分类的结果更为精准,可以用来获得矿区扰动信号特征值并结合LSSVM分类器对这些矿区典型扰动信号进行分析。最后,根据本文所述的电能质量扰动分析方法,对仿真数据进行检测与识别结果,验证了本文所提算法在各类电能质量分析的有效性和准确性,适用于对实际矿区典型扰动信号的分析研究,并对未来矿区电网中电能质量分析方法的应用创新进行展望。该论文有图28幅,表6个,参考文献77篇。