本文基于对暂态电能质量的复合扰动的信号特点进行了研究，采用希尔伯特－黄变换的数学方法完成对复合电能质量扰动的特征量的提取，采集了电能质量复合扰动的特征量数据。在此基础上，利用支持向量机分类原理对复合扰动的扰动类型进行自动识别分类。鉴于支持向量机的参数选择对分类效果影响较大，将网格搜索法和粒子群优化算法应用于其参数的优化，并且比较了两种方法优化后的分类效果，得出了在暂态电能质量扰动类型自动分类方面粒子群算法优化的支持向量机分类方法有优秀的分类识别度和较短的分类响应时间。　　 鉴于治理电能质量扰动源是预防电能质量问题的关键，所以扰动源位置的搜寻也是需要研究的问题之一。以电网谐波扰动源入手对电网用户侧扰动源的位置定位进行了进一步的研究。基于谐波导纳阵利用电网不同节点对谐波源的灵敏度不同的特点，以此作为电网的电压监测点位置确定的主要依据。把监测点采集的数据输入支持向量机，通过学习形成谐波源的定位模型，可以较为准确的完成对电网谐波源位置的确定。　　 本文以matlab为仿真平台，对暂态电能质量复合扰动的检测分类以及谐波源的定位进行了验证。仿真结果表明，基于希尔伯特－黄变换和粒子群优化支持向量机分类原理对常见的暂态电能质量复合扰动可以得到优秀的分类精准度，基于支持向量机回归原理建立的谐波源定位模型可以准确快速地完成对谐波源的定位。