现代电力系统的网络结构和负荷结构正经历着重大变革,各种非线性、冲击性和敏感性负荷的广泛使用,以及分布式电源、储能装置和新能源等并入电网,使得电能质量问题日益突出。准确地对电能质量扰动进行检测与识别,是实现电能质量问题治理和评估的必要前提。本文从电能质量扰动去噪、定位、检测与识别问题出发,进行了相关研究与分析。首先,针对电能质量扰动信号的瞬变性和非平稳性,结合经验模态分解和小波变换,提出了基于自适应白噪声的完备总体经验模态分解(CEEMDAN)与小波自适应阈值相结合的去噪法。采用该方法与4种传统小波阈值去噪法分别对振荡暂态信号进行去噪,仿真结果表明该方法去噪效果更优,能够更完整地保留高频段特征,验证了该方法的有效性。同时对实测信号进行去噪的效果良好,为电能质量扰动检测奠定了基础。其次,结合小波变换的时频局部化,通过小波多分辨率分析提取了暂态扰动和稳态扰动的高频系数模极大值,实现了多种电能质量扰动的准确定位。仿真结果表明在电压暂降的检测中,所选db4小波检测效果优于db10和db40,定位结果更加精确;在电压闪变与谐波的检测中,分析了高频系数模值与其他暂态扰动的差异性。再次,针对传统希尔伯特黄变换(HHT)的不足,分析了模态混叠、端点效应和虚假分量等存在问题,将完备集合经验模态分解(CEEMD)、自适应波形匹配延拓和相关系数法相结合,以此作为改进HHT对各种扰动进行检测,包括暂态扰动、电压闪变、谐波、间谐波以及含谐波、间谐波的复合扰动。仿真结果表明,通过改进HHT得到的扰动幅值、频率和起止时刻等检测值更接近于实际值,并且端点效应和模态混叠得到了明显改善,验证了该方法的准确性和有效性。同时对实测信号的分析结果与实际情况相接近,为电能质量扰动识别与分类提供了保障。最后,根据改进HHT对各扰动的检测结果,从瞬时幅值和Hilbert谱联合提取了扰动持续时间、扰动幅值、扰动频率成分等5种特征量,确定了决策树每个树枝的阈值后,设计了决策树分类器进行扰动识别。根据13种电能质量扰动的数学模型,通过Matlab随机生成多组测试样本,分别在30d B、40d B和50d B的噪声下进行分类测试,对各信噪比下的平均正确识别率进行统计,验证了该方法的准确性,同时具备一定的抗噪性和稳定性。