在工业技术、信息技术高速发展的背景下，电能质量问题正受到广泛关注。针对工程应用实际中智能化设备的发展特点，本文研究电能质量扰动分析方法，主要思路是：电能质量扰动预处理一电能质量扰动特征量提取一电能质量扰动人工神经网络，并基于上述思路，研发了基于ARM7+FPGA+DSP结构的监测单元以及基于ARM9的便携式电能质量分析装置。具体内容和成果如下： 针对电能质量扰动信号去噪过程的简化和硬件实现问题，提出基于跨小波尺度空间相关性处理的去噪方法。基于电能质量扰动信号不同成分在小波尺度空间上的相关性不同，新方法把原信号分为两个数据长度相等的新信号，分别进行小波变换，跨两个尺度空间对相同分解深度的尺度系数进行相关性处理和软阈值处理，合并后的信号可滤除噪声成分。 提出双尺度分形盒维数的网格覆盖方法，建立了电能质量扰动信号分析的无标度区经验公式，改进盒维数计算方法。通过比较电能质量扰动信号盒维数的数量和变化，反映信号的不规则性、复杂性。提出以单位能量的正弦波形作为投影向量的电能质量扰动信号投影匹配算法，计算电能质量扰动信号在匹配过程中的投影能量和剩余能量，描述了电能质量扰动信号的能量解析过程，有效表示电能质量扰动信号的能量特征。实现了基于极值搜索方法的动态测度计算方法，通过各个周波动态测度点的统计特性，描述电能质量扰动信号的幅值特征量。 提出基于量子行为的粒子群优化算法的改进方法，用于优化人工神经网络，实现电能质量扰动识别。电能质量扰动信号的特征量通过信号的投影匹配分析、动态测度计算、分形盒维数计算获取。首次提出两个子网络分别用于事件型和变化型电能质量扰动识别的方法。改进的量子行为粒子群优化算法主要增加了学习因子、粒子聚集度和进化速度等参数。6种典型现场采集的电能质量扰动数据的识别结果表明，与加入动量因子的前馈式人工神经网络的训练方法相比，该算法具有更好的收敛性和稳定性。 结合低压配电系统的特点及其智能化发展趋势，研发了基于ARM7+FPGA+DSP的电能质量现场监测单元，实现了上述电能质量扰动信号去噪和特征量提取等算法，同时具有电能质量数据采集、信号分析、网络通信等多种功能。此外，研发了基于ARM9的便携式电能质量扰动分析装置，可以收集、保存、分析和浏览相关的电能质量信息。