微电网系统是一种新型的电网结构,是以可再生能源为主的分布式电源系统。它是随着全球工业、经济、电力技术的高速发展,在国家智能电网战略的推进中应运而生的。随着微电网研究的不断深入,微电网在为大电网带来福音的同时,其电能质量问题亦日益复杂和突出。及时对微电网中各种电能质量扰动进行正确判别是微电网电能质量有效治理的前提。因此,研究微电网中电能质量扰动的识别,对完善微电网电能质量监测具有重要意义。根据微电网中电能质量存在的问题及特点,以单一和复合电能质量扰动为研究对象,采用两种不同的方案对电能质量扰动信号的识别进行研究。对于单一电能质量扰动信号,采用基于时频统计特征的电能质量扰动识别方法,利用集合平均模态分解(EEMD)和Hilbert变换提取电能质量扰动信号的时频特征向量,将提取的特征向量作为最小二乘支持向量机(LS-SVM)分类器的输入实现对电能质量扰动信号的正确判别。系统选择微电网中常出现的7种单一扰动信号进行数学仿真和测试,以正确识别率为评价指标。结果表明,该方法对7种单一扰动信号识别率较高,同时具有一定的抗噪能力。对于复杂的复合扰动信号识别,采用基于卷积神经网络的电能质量扰动识别方法,可以自动提取扰动信号的高维抽象特征,避免了传统方法在特征提取方面存在的问题。系统选择微电网中常出现的7种单一扰动信号和3种复合扰动信号进行数学仿真和测试,以正确识别率为评价指标。结果表明,该方法对单一和复合扰动信号同时识别时,具有很好的识别效果和抗噪性能,同时随着样本量的增大,该模型具有很好的泛化性能。为了测试两种电能质量扰动识别方法的可靠性和有效性,仿真搭建了光伏并网系统,提取并网电压扰动信号作为研究对象,分别采用两种扰动识别方法对不同的扰动信号类型进行判别。实验结果表明,本文提出的两种扰动识别方法均能很好的识别并网仿真得到的并网电压扰动信号,具有一定的有效性。