电压暂降的准确检测识别有助于评估区域配电和制定缓和措施，能有效的针对实际的电压暂降情况进行分析、补偿和抑制，是电力部门和电力用户之间协调纠纷的主要依据。　　为了解决电压暂降信号特征提取困难和检测识别准确率低的问题，应用小波熵对电压暂降信号特征进行表述，根据不同故障原因所引起的故障小波熵特征不同，作为特征向量，输入到支持向量机（SVM）分类器中进行检测识别。通过Matlab/simulink仿真出各类故障所引起的电压暂降的波形数据，针对不同故障调整设备参数，获得电压暂降信号的数据信息，计算其小波熵测度，作为分类不同电压暂降故障特征的标准，最终实现电压暂降的自动快速的检测识别。检测结果与 BP神经网络方法进行对比，结果显示无论在训练时间上还是在识别准确率方面均有明显的优势。另外煤矿井下噪声影响非常大，在原始信号中加入高斯白噪声模拟实际环境，结果证明抗干扰能力很强。小波熵结合支持向量机的方法能够更好的实现对电压暂降快速准确的检测识别。