随着国家工业水平与科学技术的飞速发展,电能在逐步成为基础能源的同时,各个行业对电能质量的要求也在逐渐提高。由于各种非线性、冲击性和波动性电力设备的广泛应用,各类电能质量扰动现象频繁出现,对社会经济造成的损失日益增加。实现对电能质量扰动的有效治理是国家工业化水平的体现,因此,提高电能质量,打造绿色优质的电力网络成为了时下的热门课题。但是,由于电能质量扰动种类繁多,实际情况错综复杂,实现对相关扰动的有效治理难度较大。针对电能质量扰动精准清晰的分类是治理扰动的前提条件,是提高电能质量的首要保证。本文在线路复阻抗的基础上提取出扰动特征,结合支持向量机(SVM)和模糊支持向量机(F-SVM)两种分类方法,对5种主要的电能质量扰动进行特征提取、优化及分类,取得了良好的效果。本文所做的主要工作如下：(1)本文提出一种基于复阻抗的电能质量扰动特征提取方法。该方法首先通过Hilbert变换构造出扰动电压和电流信号的解析函数,然后计算出扰动发生时段的信号复阻抗,再结合软件锁相环等相关工具提取出复阻抗模值差值、复阻抗相位跳变最大值、残压值、残压余量以及扰动持续时间等扰动特征,最终组成特征向量。分类结果表明,这种方法不仅易于实现,而且可有效提取出扰动特征,具有一定的推广价值。(2)针对SVM方法的不足,本文进一步提出基于贝叶斯理论的F-SVM分类方法。在贝叶斯理论的基础上,通过抽样点密度的概念,构造出数据集的隶属度函数。由此,确定每一个数据点的隶属度值,通过这种方法,有效降低了不同噪声对最终分类结果的不利影响。不同类型和不同信噪比噪声环境下的分类精度对比表明,该方法在复杂的噪声环境中具有更高的分类精度和更强的鲁棒性。(3)本文首先在不同信噪比的高斯噪声环境下,比较了三种分类方法的分类精度,分别是复阻抗结合SVM、复阻抗结合F-SVM和已提出的S变换结合SVM的分类方法,分析了不同特征提取方法的优势和不足。然后在不同信噪比的白噪声环境下,比较分析了复阻抗结合SVM和复阻抗结合F-SVM的分类方法,分析对比相同特征提取方法下,不同分类器模型的分类精度。