电能质量直接关系到国民经济效益与人身财产安全。随着我国电力市场规模越来越庞大,众多行业对于电能质量的良好及稳定也开始有了更高的要求。恶劣的电能质量会影响电气设备的性能指标,甚至威胁电网安全。与发达国家相比,我国现阶段电能质量治理方式仍较为粗放。在办公楼宇用能环境下,随着我国经济向高质量发展,对电能质量要求越来越高。因此,在全面、科学的电能质量评价的基础之上,提高能源利用率的研究具有重要意义。首先,本文分析了现有电能质量评价方法。分析表明,现有的主流电能质量评价方案的评价结果存在主观性强、不确定性大等问题。因此针对用电质量建立高效的电能质量评价模型具有重要意义。其次,提出一种融合BP神经网络与遗传算法的电能质量评价模型。BP神经网络能深入挖掘指标与结果之间的关联信息的特点,使用智能算法对电能数据本身进行优化,能利用其预测功能对更多数据进行标记,扩大标记空间,同时使用遗传算法对客观权值进行计算,可根据数据的实际情况制定对应的适应度函数,能反应在不同环境下真正对评价结果起到关键影响的指标情况。然后,利用本文提出的电能质量评价模型,对办公楼宇电能质量进行了评价。分析办公楼宇电能数据特点,对其数据异常、数据缺失因素进行了分类,并根据分类制定了相应的数据处理方案。其中数据归一化与分级预处理的目的是提高后续BP神经网络及遗传算法的数据挖掘性能。最后,对评价结果进行了分析及检验。根据检验数据,对BP神经网络和遗传算法得出的指标权值进行了拟合检验,并结合其他文献电能质量评价方法和本文得出的组合权值,对本文算例进行了结果对比分析。