新兴的大规模新能源电力并入已建电网，造成供电不可靠及电能质量问题，加剧了传统电网暂态非稳定，使得电网运行状态的不确定性增加和可预测性降低。所以建立以高效稳定的电网监测系统为支撑，流畅的监控数据流为分析依据的智能电网，是具有重大现实意义的科学问题。为了监测新能源电力引入的高频扰动，需要提高采样频率，增加电网监控装置数量，由此产生的海量数据造成了存储、传输和检索压力，严重时可能造成整个电力信息共享困难，以及保护和调控的非安全事故。本文从智能电网的数据采集与监测着手，通过对相关应用技术的深入研究，总结高品质智能电网动态数据采集中的关键技术，从采样环节电源完整性问题、奈奎斯特体制下电力数据压缩、压缩感知下电网数据采样及重构方法及硬件设计，这四个方面进行深入研究并改进，以增强采集系统性能和数据的压缩品质，达到提高数据压缩比的目的，并对电能质量扰动监测中稳态和时变谐波/间谐波参数检测中存在的问题进行深入研究，为电力设备安全经济运行提供数据支撑。　　电网数据采集系统中采样环节稳定性，影响电力数据压缩品质。传统电网的在线监测装置和智能电网中的合并单元性能日趋复杂，采集系统工作频率提升，可容忍噪声越来越小，对板级电源配送网络的质量提出了更严苛的要求。因此，为保证系统的稳定性，必须对其电源完整性进行分析与评估。结合电网数据采集系统的特点，通过对采样环节同步开关噪声的分析，建立单级驱动端输出缓冲器模型，验证数字信号产生的同步开关噪声对模拟信号造成的影响。基于地表扰动晶格原理和慢波效应，提出新型狭缝地表扰动晶格型电磁带隙结构，建立一维传输线模型，并进行理论推导、仿真和实测验证，以在扩展的频带范围内降低电源/地平面噪声。　　高速采集电网数据后，需进行电力数据压缩以减轻存储和数据传输压力。电力系统暂态数据中频率成分较复杂，可压缩性较差。针对频率和幅值突变、相位突变的含噪电网数据进行离散小波变换，提出在一个确定方差的未知区间内，利用邻域尺度内和尺度间的小波系数之间相关性，估计噪声方差以求得无噪声系数，提取故障信息时刻并降低噪声对故障辨析带来的不利影响，得到数据量极少的高频系数，有利于故障数据压缩。　　传统奈奎斯特采样模式的采样率需大于信号最高频率的2倍以上(一般取4-10倍)，高频电能质量数据采集、压缩和存储需要复杂和高成本的采样前端、高性能的处理器和存储介质。当需要进行事件回顾和信息挖掘时，需要对压缩后的海量离线数据进行重构，此时又需要占用高性能处理器硬件资源。为了解决这一矛盾，提高电力数据压缩比，提出基于压缩感知，并适用于智能电网的亚奈奎斯特采样方案。将电能质量信号类比于二维信号，提出快速自适应的测量矩阵优化算法，使得测量矩阵与稀疏矩阵之间相关性极低，从而为高概率重构提供了必要条件。在适合二维信号压缩采样重构的梯度法基础上，提出加权全变分最小化的共轭梯度法，实现高概率高精度的电能质量信号重构，为智能电网数据采集模式提供一种新思路。　　在压缩感知理论研究的基础上，对两种压缩感知硬件架构进行对比和验证，提出适合电力数据采集的随机解调器方案。对信号源引入噪声、采样环节的电阻热噪声、运放噪声和AD量化噪声等进行量化分析。推导得到压缩感知架构的量化噪声符合白噪声谱这一规律，并得到压缩感知采样的动态范围，完成电网数据低噪声高概率重构。　　对采样并重构后的电力数据，进行电力故障诊断和实时谐波补偿，提出将时域电网信号转换到空域，利用基于特征值相对差的精确模型阶估计准则进行信号源阶数判断，并通过自适应波束空间将原始信号阵列形成多个波束，将波束空间的数据进行噪声和信号子空间的分离，利用二者的正交性构造多项式，并通过求根MUSIC算法进行电力系统谐波频率检测，利用最小二乘法得到原信号各分量的幅值和初始相位数据，可进行电力系统稳态和暂态下的谐波参数估计，为智能电网在线数据的监测、诊断和补偿提供依据。