随着分布式能源的快速发展,微电网作为解决分布式电源大量接入电网的技术手段之一,是未来电力系统的重要形式,对于我国能源战略的发展有重大意义。微电网系统通常由多种新能源（如风力、太阳能等）和负载组成,其中交直流混合微电网的使用也越来越普遍。交直流混合微电网系统的出现提高了能源利用效率,但由于新能源渗透率的增加,大量电力电子元件的接入,发生电能质量扰动的频率显著增高。因此,对交直流混合微电网电能质量扰动进行分类研究具有重要的理论和应用意义。本文对交流、直流电能质量问题的形成机理、扰动识别方法等方面开展了分析研究,主要工作如下:（1）搭建了交直流混合微电网仿真模型,分析了交直流混合微电网中光伏发电系统、储能系统的工作原理及相关特性。针对光伏发电接入微电网造成的电压波动和谐波机理以及微电网并网运行时负载变化引起的电压波动问题与大电网之间的谐波交互原理进行详细分析。（2）分析了混合微电网中存在的交直流电能质量问题。为达到仿真数据接近实际数据的目的,使用随机元素生成交流电能质量扰动的已知模型。由于目前直流电能质量问题的定义和国家标准尚未统一,对交直流混合微电网中直流电压波动、直流电压纹波、直流电压暂升以及三种典型工况下的直流电压暂降等电能质量问题进行定义并分析其形成的机理。利用交直流混合微电网仿真模型,研究了不同的工况对混合微电网中直流电能质量的影响。（3）针对交流电能质量扰动人工特征提取计算复杂、复合扰动识别准确率较低以及训练时间长的问题,提出了一种基于麻雀算法优化深度极限学习机的交流电能质量扰动分类方法。首先,阐述极限学习机和自编码器的基本原理及其各自的特点,并将这两种方法结合起来构建极限学习机自编码器,分析其在分类领域的优点。其次,通过利用ELM-AE的特征表示能力,构造深度极限学习机模型。然后,将麻雀优化算法（SSA）与深度极限学习机（DELM）相结合,实现SSA算法寻找DELM最优输入权重,从而提高网络的鲁棒性。最后,通过对交流电能质量扰动的数学模型仿真数据和工况仿真数据进行实验,验证了该方法的有效性。（4）对交直流混合微电网中直流电能质量扰动分类问题开展研究,提出了一种基于多维特征分析和决策树的直流电能质量扰动分类方法。分析了六种典型工况下交直流混合微电网的直流电能质量扰动信号,并根据其时域、频域以及图形特征,提取直流电能质量扰动的五种特征量作为识别分类的依据。构建了CART决策树分类方法模型,实现快速准确识别直流电能质量扰动信号。通过实验仿真验证了方法的准确性与有效性。