随着科学技术的不断进步，现代电路系统中诸如半导体整流装置等负荷日益增多。这些用电负荷的非线性、冲击性以及不平衡的用电特性，使得电能质量问题日益严重。电能质量在线监测是获取各类电能质量信息的直接途径，为电能质量的实时、准确监管提供科学依据，具有十分重要的意义。本文针对目前电能质量监测存在的问题，主要对暂态电能质量扰动检测和三相电能质量监测数据压缩方法进行了研究。论文首先在Matlab/Simulink仿真平台上，搭建电压暂升、电压暂降、电压中断、暂态脉冲以及暂态振荡五种常见的暂态电能质量模型，并输出各种电能质量信号用于检测与识别的仿真。针对暂态电能质量扰动难以快速、准确进行检测与识别的问题，论文提出了一种基于小波分析与BP神经网络相结合的暂态电能质量扰动检测与分类方法。首先根据小波变换模极大值原理和信号奇异性特征，对扰动信号进行多尺度的小波变换分解，利用重构的第一级高频子频带来精确定位扰动的起止时刻，实现各类扰动的精确检测与时间定位。然后通过小波变换获取扰动信号多层小波系数构造的能量分布，进而构成特征向量，将特征向量作为BP网络的输入，对网络进行训练和测试，利用BP神经网络良好的分类能力，对输入的扰动信号进行分类识别。仿真结果验证了所提方法的可行性。针对电能质量监测网监测的数据量日益庞大，给数据的存储和传输造成巨大负担的问题，本文引入abc-dq0变换，并结合图像压缩技术提出三相电能质量监测数据压缩方法。通过abc-dq0变换挖掘了三相数据间的冗余，然后将变换后的一维数据转换成2维矩阵，进一步消除数据间的冗余，接着对二维图像采用图像处理中的平滑技术进行处理，最后通过2维离散小波变换及图像SPIHT编码对三相电能质量监测数据进行压缩。仿真结果表明，采用所提方法压缩三相电能质量监测数据，压缩效果较好，并且能够灵活调节压缩比。