随着国民经济的飞速发展,电力电子设备得到广泛的应用,各种冲击性、非线性、波动性的负载也大幅增加,导致了一系列的电能质量问题,使得电能质量污染日趋严重。同时,电力用户对电力的可靠性及质量的要求都在不断提高,许多精密仪器对电能质量越来越敏感,电能质量的下降,将对人们的生活生产造成很大的危害。因此,准确的对电能质量扰动参数进行检测、识别电能质量扰动类别,对于电能质量污染的抑制和治理具有重要意义。本文在前人研究的基础上,对电能质量扰动检测和混合电能质量扰动的分类问题进行了分析。在电能质量扰动参数检测方面,本文分别采用了CEEMD、IELMD和HVD这三种方法对电能质量扰动进行检测。方法一,采用CEEMD对电能质量扰动进行分解,对所得到的IMF分量进行Hilbert变换得到原始信号的瞬时频率和瞬时幅值。仿真结果表明,该方法对5种单一扰动和3种简单的混合扰动都具有较好的检测效果。方法二,采用IELMD方法将电能质量扰动信号分解成多个PF分量,对得到的PF分量进行Hilbert变换得到对应的瞬时频率。仿真结果表明,IELMD方法对5种常见单一扰动具有较好的检测效果。方法三,通过对扰动信号进行HVD分解,得到扰动的瞬时频率和瞬时幅值。仿真结果表明,HVD分解对谐波和间谐波具有较好的检测效果。在暂态电能质量扰动分类方面,根据谱峭度的定义和Cohen类时频分布的特点,将基于CWD的谱峭度与有效值这两种算法结合起来应用于暂态电能质量扰动分类,仿真结果表明,该算法具有良好的抗噪性能,不仅对单一扰动的分类精度较高,对简单的双重扰动的分类效果也具有较高的分类精度。除此之外,该算法直接通过阈值分类,不需要采集大量的训练数据对分类器进行训练,具有较好的可行性。在混合电能质量扰动分类方面,根据混合电能质量扰动在时域和频域的特点,将多种时频分析算法融合起来提取多个特征,采用决策树对混合电能质量扰动进行分类。该算法从基频幅值、频率点个数、瞬时分量等多个角度出发,采用CEEMD、不完全S变换、动态测度联合提取了9个特征量,考虑到混合扰动中单一扰动之间的相互干扰,对9个特征量的进行合理的组合,设计了一个决策树对混合扰动进行识别分类。通过仿真数据和实测数据对算法进行验证,表明该算法对于单一扰动和混合扰动都具有较高的识别精度。