现代电力系统中,各种电力电子器件的广泛使用及非线性、冲击性、波动性负荷的不断增加,致使电网发生各种电能质量问题。随着社会的发展和生活水平的提高,敏感的新型电力负荷迅速发展与壮大,对电网中的暂态电能质量问题更为敏感。暂态电能质量问题带给敏感负荷用户的经济损失正在逐年增加,因而对供电质量也提出越来越高的要求。对暂态电能质量扰动进行长期的监测和智能化分析,有助于及时发现暂态电能质量问题,并进行针对性的治理,极大限度的减少经济损失。本文围绕暂态电能质量扰动监测与分析中的扰动去噪、检测与定位、特征提取及分类这四个方面进行了深入研究。在电能质量扰动的去噪方面,本文首次将具有较强图像细节特征保护能力的BM3D算法和迭代自适应核回归方法引入电能质量信号的去噪中,并针对这两种方法进行了改进,提出一种电能质量扰动信号的自适应去噪方法和一种基于改进迭代自适应核回归的电能质量扰动去噪方法。这两种方法的优势在于无需估计噪声方差,也无需人为设定滤波阈值,能较好地克服电能质量信号去噪的难点问题(即有效抑制噪声干扰的同时,能较好地保留扰动突变点的特征)。另外,基于改进迭代自适应核回归的电能质量扰动去噪方法的运算量小,易于实现。通过对仿真和实际电能质量扰动的去噪分析,并与小波阈值去噪方法进行对比,验证了这两种方法的有效性。在暂态扰动的检测与定位方面,为弥补传统扰动检测方法的不足,提高低信噪比环境下暂态扰动检测的准确性,本文提出两种新的扰动检测方法,一种是基于差分奇异值分解的暂态扰动检测新方法,另一种是基于希尔伯特变换和滑移奇异值分解的扰动检测新方法。为检验这两种方法的有效性,仿真与实验分析中对大量仿真和实际扰动数据进行分析,并与多种扰动检测方法进行对比,结果表明:本文提出的两种扰动检测方法运算量小,参数少且对检测结果不灵敏,无需前置滤波算法且具有较强的抗噪性,对过零时刻发生的扰动具有较好的检测效果,且可用于混合扰动的检测。另外,基于希尔伯特变换和滑移奇异值分解方法还具有较低的扰动误检测率、实际应用性及兼容性,其分解波形还可用于提取重要的分类特征。上述优点表明本文扰动检测方法在实时的电能质量监测系统中具有较大的应用潜力,很容易整合到数字故障录波器中,有助于降低噪声环境下暂态扰动检测的误触发和漏触发率。在暂态扰动的特征提取方面,本文综合利用多种手段从基于希尔伯特变换和滑移奇异值分解方法的分解波形中提取多个频域和时域特征量,表征单一扰动和多种混合扰动。文中所提取的特征量具有较强的分类能力和抗噪性,容易给出明确的分类限值,有利于设计出基于简单规则的扰动分类系统。在暂态扰动的分类方面,本文以单一扰动和多种混合扰动为出发点,提出一种基于多标签的暂态电能质量扰动分类新方法。该分类方法分为幅值扰动判断模块和加性扰动判断模块,其分类结果按照系统输出的标签值进行判定。通过对不同信噪比环境下的10种仿真单一扰动(含正常电压)和13种仿真混合扰动(含双重扰动和三重扰动)及多组实际电能质量扰动进行测试,结果表明该分类方法可以有效地识别单一扰动和多种混合扰动,即使在低信噪比环境下也具有较高的分类准确率。另外该方法运算量小,在实时性要求较高、硬件性能较低的工作环境中具有明显的优越性。本课题的研究成果完善和丰富了暂态电能质量监测与分析理论体系,为设计开发暂态电能质量扰动实时监控和智能分析系统提供了重要的理论依据和有效的实现途径。