为了更好地分析船舶电能质量问题,找出引起电能质量问题的原因和采取针对性的解决方案,对电能质量暂态扰动进行正确地分类,具有十分重要的意义。本文首先对电能质量问题做了介绍,对现有的电能质量分析和分类方法做了深入的研究。然后利用小波变换结合支持向量机的方法,对电能质量暂态扰动进行分析与识别。所做工作如下：首先,提出了改进的阈值函数小波去噪方法。针对传统的硬阈值函数方法去噪不彻底和软阈值函数易丢失有用信息的不足,提出了一种折衷的阈值函数方法。建立了五种电能质量暂态扰动的数学模型,对其进行高斯白噪声处理后分别采用三种阈值去噪方法来进行去噪处理。仿真结果表明,扰动信号经改进的阈值函数方法去噪后,信噪比和均方根均优于传统的硬阈值函数和软阈值函数,同时具备两种方法的优点。然后,利用小波变换对电能质量扰动信号进行特征向量的提取。通过对特征向量提取方法的分析,利用小波变换提取小波系数的能量差作为特征向量。该方法的优点在于特征向量个数少,计算方便,分类准确率高。通过分析基础小波的类别和小波变换分解尺度对特征向量的影响,最终采用Db4小波进行10层分解来提取特征向量。仿真结果表明,该条件下提取的特征向量具有较优的分类效果。最后,提出一种改进的一对多法多分类支持向量机分类器方法。针对普通多分类支持向量机分类器不能够识别复合电能质量暂态扰动的不足,提出一种改进多分类方法。该方法不仅继承了原方法快速和准确的优点,而且实现了复合电能质量暂态扰动的分类功能。仿真结果表明,该方法的性能优于一般的人工神经网络分类器和普通多分类支持向量机分类器方法。本文提出的以上电能质量暂态扰动分析识别方法,针对以往方法的局限性,分别在去噪和分类器多分类功能方面做了改进。仿真结果验证了上述方法在电能质量暂态扰动问题中的可行性和有效性。