电对于现代社会的重要意义不言而喻,随着大量精密仪器和电力电子设备的接入,人们的日常生产生活也对电能质量提出了更高的要求,电能质量的好坏影响着电网的经济安全运行,因此对于电能质量扰动信号的准确高效检测,对研究消除干扰信号的对策是十分必要的。本文主要针对电能质量扰动信号的检测、特征提取和分类算法进行研究,综合MATLAB仿真及实际电能质量数据的实验,验证了算法的有效性。针对电能质量中干扰信号的检测与分类,本文提出了一种采用过完备混合字典对信号进行稀疏分解的方法,该方法对单一及复合扰动信号的均有着良好的效果。该算法首先需要构造包括脉冲字典、离散正弦字典及离散余弦字典在内的混合字典,然后用该混合字典对各种电能质量信号进行稀疏分解,从而得到细节信号和近似信号,并从中提取电能质量扰动特征来对单一和复合电能质量扰动信号进行检测和分类。针对匹配追踪算法中搜寻最佳时频原子效率较差且恢复精度较差的问题,提出了一种广义正交匹配追踪算法重构电能质量扰动信号的改进算法。该算法在匹配时频原子框架基础上,通过增加每次选取时频原子数量进行优化计算,提高了计算效率,降低了信号稀疏重构的误差。本文采用了基于随机森林算法构建分类识别模型,最后通过对其进行训练得到对应的分类器,通过仿真验证,该方法可以以较高精度实现对信号的分类。最后,本文根据灵寿站110kV变电站采集到的8种电能质量暂态扰动信号,其中包括2种复合扰动在内,对算法进行了进一步的验证,数值结果表明,该算法仍可以实现有效的识别效果。