随着能源系统转型和新型负荷增长,以高比例可再生能源和高比例电力电子装备为特征的电力系统中,电能质量将面临更加严峻的考验。高性能的电能质量监测系统对采样硬件的速度和精度提出了更高的要求,也带来了海量的数据,传统的采样系统和压缩存储模式面临巨大挑战。本文利用电能质量信号的稀疏特征,基于压缩感知理论,围绕如何在低速采样的同时实现信号的高精度重构展开研究,提出了高效的信号重构算法和面向工程应用的压缩采样系统实现方案。首先,针对现有重构算法无法实现盲稀疏度、重构性能有限等问题,提出一种基于阶段弱正交匹配追踪（SWOMP）的电能质量数据重构算法。该算法利用原子和残差的相关度函数进行原子筛选,提高重构速度、实现盲稀疏度的同时降低对观测矩阵的要求。本文针对该算法对电能质量信号的重构性能展开研究,分析了测量值数目、筛选阈值对重构性能的影响,给出了不同误差水平下测量值数目的参考值和筛选阈值的最优取值范围。进一步地,通过引入回溯思想提出了回溯阶段弱正交匹配追踪算法（BSWOMP）。该算法通过对支撑集再次评估,提高了重构的精度。对比结果表明,BSWOMP算法在保留SWOMP算法优势的基础上能够取得更高的压缩比和重构精度,在电能质量信号重构中具有更明显的优势。其次,针对电能质量信号中的暂态扰动在傅里叶变换下稀疏特征不明显的问题,提出了一种基于自适应噪声完备聚合经验模态分解（CEEMDAN）的暂态电能质量信号重构算法。该算法利用CEEMDAN分解将暂态扰动平稳化,对分解得到的各分量进行预处理以获得信号的最佳稀疏表示,再结合压缩感知理论对信号进行降维量测和恢复重构。对典型暂态电能质量信号进行分解和重构实验验证,并与正交匹配追踪算法和经验模态分解算法进行对比,结果表明,基于CEEMDAN的重构算法在处理暂态电能质量信号方面具有明显的优势,能够在保证高压缩比的同时,实现对暂态扰动特征的高精度重构。最后,针对传统电能质量采样系统的弊端,研究了基于压缩感知的电能质量压缩采样系统,包括前端采样和后端重构两部分。其中,前端采样采用随机解调器实现,通过理论分析和数学推导,给出了采样系统对应的观测矩阵形式。后端重构采用BSWOMP算法,获取观测矩阵和采样值后实现重构。搭建压缩采样系统的硬件仿真模型,针对稳态和暂态电能质量信号分别进行了采样和重构实验,并分析了系统的抗噪能力。结果表明,所提压缩采样系统在采样和重构过程中可实现低速采样和高精度重构,同时具备很强的抗噪能力。