近年来,随着各种非线性电力电子设备和敏感负荷在现代工业的大规模使用,以及微电网、分布式电源等各种电力接入方式的产生,使得现代电力系统中电能质量问题日益突出。对电网监测的大量电能质量扰动数据进行有效的分析和处理是提高电网电能质量的关键。由于扰动事件的变迁及复合扰动等形式的存在,电能质量监测终端记录的扰动波形中可能含有多个不同时段发生和结束的形式多样的复杂扰动信号成分。只有将这些代表不同事件过程的复杂扰动信号成分恰当的分解出来,才能对其中所包含的基本事件进行更好的分析。因此,本文对电能质量扰动的波形数据分析及扰动事件识别进行了深入研究。原子分解在处理非连续、分段及复合扰动信号方面有很大的优势。因此,本文采用原子分解提取扰动信号特征参数。但由于扰动波形的记录一般比较长,如对完整的扰动记录波形直接进行分解,使得参数匹配时内积计算过程运算量大,而且基波和扰动分量有可能会相互影响,这样不利于扰动分量进一步提取和分类识别。相空间重构技术是非线性时间序列分析的最新发展,能够挖掘信号的潜在特征信息。本文在原子分解之前引入相空间重构对扰动记录波形数据进行分析,通过选取恰当的重构参数进行相轨迹的构造。根据基波和扰动部分相轨迹特征的不同,实现正常基波与扰动部分波形区段的分离。在原子分解过程中,采用基于PSO算法、FFT分析与匹配追踪算法相结合的分层搜索方法分段提取基波和扰动特征参数,从而降低了内积计算过程复杂度并提高了参数提取的准确性。根据原子分解过程得到的基波与扰动特征参数之间的关系,建立了基于原子特征参数的扰动事件识别方法。仿真结果表明本文方法能够得到扰动波形数据中各基本事件的类型、时序及组成成分等方面信息,验证了所提方法的有效性和正确性。