随着人工智能大数据技术的发展,应用新技术的智能制造已成为中国制造业未来发展的主旋律。企业生产的自动化水平越来越高,生产线趋于集成化和精密化,大量敏感负荷的投入使企业负荷对供电质量尤其是电压质量的要求也越来越高,电压暂降问题已经成为了最主要的电能质量问题之一。为深入研究电压暂降事件产生的机理、常见类型特征以及暂降事件对配电节点的影响程度,本文依托实测数据开展了电压暂降主成因类型辨识及节点受暂降影响程度评估两部分的研究,旨在为电网电压暂降问题的缓解提供理论支撑。本文首先对常见电压暂降类型的产生机理进行了分析,并基于matlab/simulink平台对各类型暂降事件进行了仿真模拟,分析了暂降有效值波形的特征。然后基于图形、统计等数据分析方法,提取了有效值波形中4个分类特征,构建了暂降事件样本的分类特征矩阵。提出了一种基于Adaboost-决策树的电压暂降主成因类型辨识方法,采用由多个弱分类器加权组合而成Adaboost-DT分类模型对短路、感应电机启动、变压器投切三大暂降类型进行分类,并结合暂降相数判断结果,实现了最终暂降类型的辨识。针对节点暂降影响严重性评估的问题,本文提出了一种基于模糊层次分析与灰色关联度分析（FAHP-GRA）相结合的暂降影响评估方法:提出了考虑暂降事件本身特征及其对系统影响程度的5种综合评估指标,兼顾了暂降事件对系统侧及用户侧影响的分析。然后利用FAHP与熵权法共同确定了暂降严重性评估指标的主客观权重,并进行了权重组合。最后,基于GRA计算了各个配电节点与参考指标的关联度系数,实现了各个节点暂降影响程度的准确评估。本文分别根据仿真数据与江苏电压暂降监测平台上传的实测数据对所提方法的有效性与优越性进行了验证,结果表明,区别于现有方法,本文所提算法在实测数据样本类型分布不平衡的情况下,对每种暂降类型的辨识正确率均能够达到90%以上。对节点暂降影响的评估与实际情况更为贴合,评估结果更符合预期,可为区域暂降问题的缓解及治理决策提供理论依据。