由于电网环境日益复杂,随之而来的电能质量问题危害精密仪器工作,折损电力设备寿命,给用户造成无法挽回的经济损失。治理电能质量扰动的关键是对其进行准确的识别和分析,但其含有扰动特征的关键信息在信号采集、传输等过程中会与噪声混淆,影响准确检测。针对电能质量扰动类型多,成份复杂,扰动特征易被当作噪声去除,且分类时特征提取不明确,分类识别率低等问题,本文对电能质量扰动的去噪、特征提取、分类进行了深入的研究。(1)本文提出一种改进小波阈值去噪算法。该算法通过计算每层小波系数的峰和比来确定该层噪声含量,使修正因子可根据不同扰动信号的噪声分布特点自适应调整通用阈值。同时,提出了改进的阈值函数,其可变参数能调节自身软、硬特性从而确定合适的阈值函数。采用该算法对7种常见电能质量扰动信号去噪,仿真结果表明,改进小波阈值去噪算法在不同噪声干扰下,对各类扰动信号都能达到较好的信噪比,去噪效果稳定,重构信号波形恢复较好,且在去噪过程中保留了扰动特征,能为后续电能质量分析提供准确有效的信息。(2)本文构建一种新的特征提取方法,利用拉格朗日插值生成分数延迟滤波器,优化标准小波,在小波分解的各层细节系数中提取信号特征矩阵。该方法构造了正向和镜像拉格朗日分数延迟小波(Lagrange Fractional Delay Wavelet,LFDW),LFDW在信号分解过程中能放大细节部分能量,突出信号扰动特征,通过调节延迟系数,可获得适用于更多扰动类型的最优延迟小波。仿真结果表明,LFDW比db4小波具有更平坦的频率响应和更好的小波分解性能,且该方法特征提取步骤少、易实现,适用于更多的扰动类型。(3)本文提出了针对电能质量扰动的LFDW+PNN_PSO分类方法,将粒子群中的粒子映射为PNN的平滑因子,选择分类准确率为适应值函数,通过粒子群的迭代运算,对平滑因子值进行自动寻优,使网络训练速度更快,且能达到更好的分类性能。仿真结果表明,该方法能对10种常见的暂态、稳态、复合扰动进行有效识别,总体分类准确率较高。