电能质量监测系统面临着庞大的监测数据的考验,这些监测数据占据大量的存储空间,对远程数据传输提出了更高的要求。为了减少数据占用的存储空间,降低数据远程传输的时间,本文深入研究了压缩感知理论,并在此基础上,提出一种基于压缩感知理论的数据压缩方法,将其应用到电能质量数据压缩中,取得了较好的压缩效果。论文详细分析了国内外数据压缩方法,并对压缩感知理论进行了深入研究,包括信号的稀疏表示,测量矩阵与感知矩阵的确定,压缩感知重构算法;压缩感知重构采用正交匹配追踪方法,为了寻找最优的稀疏度,本文提出了一种稀疏度自适应的正交匹配追踪算法,本算法能够自动寻找最优稀疏度,最大限度的提高重构质量,同时也兼顾了重构时间。提出了基于压缩感知理论的电能质量数据压缩方法。采用傅里叶变换基作为稀疏基,高斯随机矩阵作为测量矩阵,正交匹配追踪算法作为重构算法,来实现压缩感知理论对于电能质量扰动信号的数据压缩。该方法压缩与采样同时进行,避免了采样资源浪费,且在不满足奈奎斯特采样率的情况下,也能很好的重构信号。将小波与压缩感知理论相结合,给出基于小波去噪的压缩感知数据压缩方法。在有噪声的情况下,对信号进行压缩之前,采用小波去噪预处理,然后在用压缩感知进行数据压缩。仿真结果表明,基于小波去噪的压缩感知数据压缩方法,提高了压缩率,增加了信号重构的信噪比和能量恢复系数,降低了均方误差百分值,重构效果更好。