随着大量电力电子器件的应用及风能、太阳能等分布式新能源并入配电网,电网中电能质量扰动事件频繁发生。电能质量扰动事件严重影响电网设备、线路的安全运行,还会导致继电保护设备误动作、电量测量误差、干扰通信等问题,直接关系着居民生活和社会生产。配电网电能质量监测点数量庞大,海量电能质量扰动数据传输成本高,电能质量扰动信息易在信号传输过程中损失,这对电能质量扰动信号的传输提出了更高的效率与精度要求。在日趋复杂的电力系统运行环境下,实际电力系统中发生电能质量复合干扰的可能性更大,而复合扰动形成的原因复杂,且时-频域特性不规律,训练样本中很难包含所有类型的复合扰动,且无法准确识别无训练样本未知类型复合扰动。本研究完成了电能质量复合扰动信号的压缩与重构,并基于高效时域特征提取和多标签轻量级梯度提升机实现了电能质量复合扰动高效、准确识别。针对海量电能质量扰动数据传输成本高、扰动信息易在传输中损失的难题,采用基于压缩感知的信号压缩与重构方法。首先,采用傅里叶变换基对电能质量扰动信号进行稀疏表示,提升采样速度、减少存储空间;然后,采用确定性的结构化循环稀疏测量矩阵,进行电能质量扰动信号的观测;最后,采用正则化自适应匹配追踪算法重构电能质扰动信号。针对传统电能质量扰动识别方法效率低,且易将未知类型复合扰动误识别为已知类型扰动的问题,提出一种基于高效时域特征提取和多标签轻量级梯度提升机的电能质量扰动识别方法。首先,采用统一时域尺度对原始扰动信号进行分割,并提取20种时域特征;然后,对单一扰动标签对应的轻量级梯度提升机子分类器分别进行基于Split特征重要度的原始特征排序;之后,以各子分类器的分类准确率为依据进行特征选择,确定与各子分类器相匹配的最优特征子集;最后,根据构建的最优子分类器来识别信号中所含的单一扰动成分,并构建含多子分类器的多标签轻量级梯度提升机,最终,实现电能质量复合扰动的识别。本研究实现了电能质量扰动数据的高效准确传输,通过仿真实验证明了新方法的重构精度高,且在高压缩比场景下仍保持良好的重构效果,完整保留了原始信号中的扰动信息。通过仿真与实测数据实验证明,新方法识别准确率高、抗噪声能力强,并且能有效识别无训练样本未知类型复合扰动数据,能够满足实际工业应用中海量电能质量扰动事件识别效率与精度需求。本研究的相关成果若应用于电能质量监测设备中,将有效降低电能质量扰动数据传输成本,提高电能质量扰动识别精度与效率,有助于保证居民生活用电和社会生产用电,助力电网在“双碳”背景下的优质健康发展。