严重的电能质量问题不仅影响电网运行,而且将造成较大的经济损失,因此电网管理部门需要加强对电能质量的技术监督。稳态电能质量评估是电能质量技术监督的重要组成。稳态电能质量的评估属于多指标评估的复杂问题,日趋完善的电能质量监测系统积累了丰富的历史数据,为解决稳态电能质量的评估提供了新的视角。本文在已建成的电能质量监测系统大量实际数据的基础上,利用数据驱动思想研究稳态电能质量系统级评估方法,主要研究工作如下:（1）统计分析全体稳态电能质量监测数据,获取了稳态电能质量监测数据存在少量错误数据、具备不均衡结构以及单一指标存在局限性的基本特征,为进一步提出评估方法奠定基础;（2）针对稳态电能质量监测数据中的错误数据,提出了基于孤立森林的错误数据识别方法。利用单项指标的分布特征,选定分割属性构建孤立森林,并以测试样本的识别效果评价指标为依据确定了孤立森林的超参数和错误程度阈值,有效识别了电能质量监测数据中的错误数据;（3）针对监测数据的不均衡结构特征,提出基于量子聚类的稳态电能质量系统级评估方法。量子聚类算法有效地从不均衡的监测数据中挖掘出各种越限模式,从而可定义出越限模式严重度。由区域监测数据在不同越限模式的分布定义出区域越限严重度,并用于不同区域的横向对比。（4）针对海量高维的监测数据,研究了聚合分析的数据降维处理方法,并在此基础上提出了基于排序主曲线的稳态电能质量系统级评估方法。采用聚合分析获得了各区域的排序属性,实现数据降维。根据各区域排序属性,应用排序主曲线算法,求解了各区域位次,实现基于降维数据的各区域稳态电能质量无监督综合评估,并简化了计算。本文所提的两种稳态电能质量系统级评估方法从不同角度充分利用了大量监测数据的价值,可为稳态电能质量的技术监督与管理起到辅助决策的作用。