在人们生活水平逐渐变好的同时，对电能质量也提出新的要求。由于电力电子技术的广泛应用，电网的电能质量问题正日益严重，逐渐成为一个不可逃避的问题，如何对电能质量扰动进行识别已成为科学研究的热门课题之一。　　本文首先介绍了本课题的相关信息，包括本课题的目的、选题背景和国内外研究现状以及本文的主要工作。其次，对电能质量的含义，出现的问题，造成这些问题的原因，影响，产品标准等一系列相关内容的研究探讨并进行总结。　　本文第三章主要研究了目前常用的电能质量分析方法和分类方法，对他们的效果进行了客观的评价。在电能时域，频域和包括质量分析方法的基础上，对人工神经网络和支持向量机分类器方法进行了深入的研究。仿真结果表明，该方法可以提高电能质量扰动的识别精度，但在一些要求高可靠性的场合仍然显得有所不足，因而本文在第四章提出了一种扰动识别精度更高的双密度双树复小波转换的小波熵的电能质量扰动识别方法。　　本文第四章对双密度双树复小波转换的小波熵的电力品质干扰判别方法进行了理论研究和仿真分析。仿真结果表明，该方法具有较高的识别率，并对噪声不敏感，是一种有效的电源质量扰动识别方法。这个方式的引入为电力体系障碍监测开拓了新思路。　　最后，本文研制了一种基于DSP与FPGA的实时电能质量监测系统。该监测系统采用FPGA控制高精度的8通道16位同步AD转换器完成电能质量信号的同步采集，DSP从FPGA内部的FIFO存储器读取采集的电能质量数据，然后对其进行双密度双树离散小波变换(DD-DT DWT)，并计算其小波系数Shannon熵，最后用训练得到的最小二乘支持向量机分类树对扰动信号进行分类识别。实验测试结果表明:该电能质量监测系统能够连续实时对8路电能质量进行准确监测，对8种常见扰动信号的平均识别率可以达到99.1％。