随着社会的发展,科技的进步,电网中的负荷已不再类型单一,增加了许多冲击性、非线性的负荷,这使得电网的暂态电能质量扰动问题越来越多。传统的电能质量分析方法主要是针对稳态电能质量,对暂态扰动的分析能力不强。因此,针对暂态电能质量问题研究高效、可靠的分析方法显得尤为重要。本文对五种常见的暂态电能质量现象,即电压暂升、电压暂降、电压中断、暂态振荡和电压波动作了详尽而细致的描述。结合数学形态学、S变换、小波变换、甲壳虫算法、支持向量机分类等算法对暂态电能质量相关的检测分类方法进行详细介绍。目前,暂态电能质量扰动分类识别工作的重点主要是三点:第一点,扰动滤波,电能质量扰动信号中存在许多干扰的噪声,设计合适的滤波器,能够降低特征提取时的难度,更容易准确地选取合适的分类特征;其次,从扰动信号中选取有效数量的特征,准确的特征能够提升分类器的识别精度,适当数量的特征在保证分类准确率的同时能有效减少特征组的维度,降低分类器的学习压力;最后,分类器的设计是重中之重,合适的分类器,合理的分类规则,都有利于提升分类器对扰动的分类能力。考虑到上述问题,基于数学形态学的原理,提出了尺度可变的结构元素数学形态学滤波器,改进设计高效的低通滤波器,对电能质量扰动信号进行相应的滤噪预处理。按照电能质量扰动数学模型,随机生成常见暂态电能质量扰动信号,并加入不同分贝的高斯白噪声,使其更符合电网高噪声的实际。采用尺度可变的结构元素数学形态学滤波器对波形进行滤波降噪。实验证明,该方法滤波效果优秀,并且明显优于结构元素尺度固定的数学形态学滤波器与小波滤波器,为后续特征提取提供了高质量的预处理信号。此外,利用S变换对预处理信号进行特征提取,对变换后的复数矩阵求模,根据模矩阵可以直观地得到扰动的起始时间、幅值、频率等信息,通过对波形的对比研究提出了18种特征,将其两两结合。根据聚类的思想,借助二维散列图从中选择出分类效果最佳的一组特征,并为分类效果不佳的电压暂降和电压中断扰动增加了一个新的分类规则。最后,利用改进甲壳虫算法优化支持向量机分类器,优化了重要参数寻优时易出现多样性减少及寻优时间过长的问题。构建SVM分类树,将扰动信号S变换后选取的三个特征及特征标签组成特征组输入SVM进行训练,简化了分类规则,提高了分类效率。分别与常见的几种分类器进行了对比。随后,利用上海电网实测数据对该算法进行了实测数据验证,实验证明,该方法具有准确率高,鲁棒性好等特点。