随着电气自动化及智能化水平越来越高,电压暂降问题对于工商业用户的生产经营影响也越来越显著。特别是半导体制造、精密仪器加工、汽车制造等大量应用电力电子设备的工业,对电压的波动十分敏感,当电压有效值低于90%持续时间达到1～2周波以上时就会跳闸停运,从而造成经济损失甚至导致事故。电压暂降是一种常见的电能质量问题,电动机启动、变压器投切、短路故障等都会引起电压暂降现象,因电压暂降而导致的生产中断和延缓呈明显的上升趋势,由此带来的直接及间接经济损失日趋严重,这对供电质量提出了更高要求。因此分析电压暂降事件机理,治理电压暂降问题,以获得工业生产、电力用户所需的高质量电能,是当下热点研究内容:准确识别暂降源能有针对性地对当地的电压暂降情况进行分析、补偿和抑制;及时准确定位暂降源发生位置,可作为电力供应部门和用户之间协调纠纷的依据;对电网中各节点的电压暂降情况进行准确评估是采取措施进行暂降治理的重要依据,是治理电压暂降问题中必不可少的步骤。因此本文从电压暂降源辨识、定位及评估方法这三个方面进行了研究。首先在电压暂降源辨识方面,提出了2种电压暂降源辨识方法——基于深度置信网络的电压暂降辨识方法和基于卷积神经网络的电压暂降源辨识方法。基于深度置信网络的电压暂降辨识方法利用深度置信网络的特征提取能力对实测波形数据进行特征自提取,解决了人工提取特征时过度依赖专家经验,辨识结果受未知特征影响较大,且不具备普适性的问题。该模型集特征提取器与分类器于一体,优化了模型结构框架。基于卷积神经网络的电压暂降源辨识方法在卷积神经网络与自动编码器的基础结构上构建了自监督卷积神经网络分类模型,基于自动编码器原理实现网络训练过程自监督。自监督训练无需事先输入大量训练集与正确标签,克服了传统方法中需要大量有效数据才能正确辨识的问题。并在算例中通过实测数据验证了两种方法在暂降源识别上的高准确率和优越性。然后在电压暂降定位方面,由于大部分电压暂降都是由短路故障引起的,且短路型暂降危害程度和造成的经济损失更为严重,因此本文针对短路型电压暂降源定位方法进行研究。利用故障全波形信息和特征匹配技术,提出了一种基于互近似熵的故障支路判定方法。在准确分辨故障所在线路的基础上,使用简化后的R-L模型进行双端精准测距。算例中使用simulink搭建了一个33节点的辐射式配电网,测试了定位误差,验证了所提方法的有效性。基于互近似熵的故障支路判定方法在33节点网络仿真模型中的测试结果可达到正确率100%,为电压暂降定位提供了一种新思路。双端测距法可到达98.51%的精确度。最后在电压暂降严重性评估方面,本文对评估指标做出改进,新指标涵盖了系统侧和负荷侧信息,就传统评价方法只考虑电力公司或用电用户的缺点进行改进,结果更加全面、符合实际。基于AHP法构造主观权重、基于CRITIC法构造客观权重,综合两者为组合权重,在simulink系统中对33节点网络进行蒙特卡洛仿真模拟故障事件,给各节点监测到的暂降情况打分,按照电压暂降严重程度对节点进行排序。排名结果证明该方法符合理论结果,更贴合实际,可以合理地筛选出对电压暂降敏感的脆弱节点。