随着工业技术、信息技术等的高速发展,电能质量(Power Quality)问题正受到越来越多的关注.针对低压配电系统的特点和其中存在的PQ问题,该文结合低压配电系统,特别是智能化设备的发展特点来研究如何在其中较好地进行有效的PQ监测.所研究的主要问题包括:PQ信号的快速、有效去噪,检测,压缩,特征抽取和识别等各种算法的设计,以及基于双CPU结构的硬件设备和基于Web技术的软件系统.基于小波变换的Donoho软阈值方法存在受噪声强度影响较大的缺陷,若小波空间中噪声与有效信号能量相近则该方法难以有效区分.该文设计了一种能有效地处理各种非平稳PQ信号的去噪算法,该算法根据信号中的不同成分在小波分解空间中具有的不同的相关性关系,并结合软阈值消噪方法的原理而设计,能弥补软阈值算法的缺陷,较好地解决了保护信号局部特征与抑制噪声之间的矛盾.该文将基于数学形态学的滤波方法引入电力信号处理中,并通过全新的形态算子组合,结合软阈值算法要点,设计了具有较高精度的扰动信号定位方法.通过对PQ信号的小波变换结果的分析研究,比较不同故障信号在时域、频域、小波空间和幅值等的异同关系,提出了电力扰动信号的有效特征量的提取方法,利用这些特征值能有效地进行PQ信号的识别工作.基于所提出的PQ信号的有效的特征量,设计了以结合新的改进遗传算法的BP神经网络为基础的PQ辨识系统.结合低压配电系统的特点及其智能化发展趋势,自行设计了基于双CPU的PQ监测单元,以及以此为基础的基于Web技术的PQ信息管理系统,形成了完善的PQ监测系统.所设计的智能单元既能较好地融合到低压配电系统中,对其中的智能化设备的性能增强和功能扩展能起到关键作用,也能单独使用,作为低压配电系统中的新型设备,实现PQ数据采集、快速计算、网络通信等多种功能.全面有效的监测是解决低压配电系统中的PQ的前提,而先进有效的算法和实现载体是PQ监测的基础.该文研究的各种非平稳的电力信号处理方法和人工智能技术算法研究的最终目的是将它们应用到处于智能化发展中的低压配电系统,特别是智能化电器的设计中,致力于解决实际工程应用中的具体问题.