随着计算机、可调速驱动器等大规模敏感性电力电子器件在电力系统中的广泛应用，暂态电能质量问题已成为众多领域关注的热点。对其进行准确的检测与分析，实现暂态电能质量的故障定位、特征提取与分类识别，是对暂态电能质量进行监测和治理的必要前提和依据。 本文针对IEEE所提出的各种电磁暂态现象，对五种常见的暂态电能质量现象，即电压骤降、电压骤升、电压中断、振荡暂态和脉冲暂态作了详尽而细致的描述，并对暂态电能质量的检测与分析做了以下几个方面研究。 根据暂态电能质量信号的非平稳特性，提出采用小波变换这一新型的数字信号处理方法，其良好的时频局部化特性使得信号的奇异性可以通过小波变换模极大值来表征。根据Mallat算法，通过信号的多分辨率分解提取信号奇异点的小波变换模极大值，实现暂态电能质量信号准确的故障定位，获取暂态电能质量信号持续时间和故障信号的幅值。 针对实际信号检测中的去噪和压缩问题，本文提出一种基于小波包变换的非线性阈值方法。利用小波包变换的时频分辨率高于小波变换的优点，根据信号和噪声的小波包系数的非相关性，结合阈值法，实现噪声和不必要信息的滤除。 另外，根据暂态电能质量信号在小波包平面的分解特性，以及信号能量的时移不变性质，提取出最能反映信号暂态特征的特征向量—小波包系数能量，输入人工神经网络，对各种暂态电能质量进行正确的识别和分类。仿真结果验证了该方法的有效性。