随着电力系统的日益复杂,电力电子装置以及各类其它非线性负载的广泛应用,电能质量问题(power quality, PQ)比以往任何时候都更加受到关注。国内外大量专家学者对此进行了研究,并取得了许多成果。电能质量分析主要包括以下三个方面：电能质量数据压缩,扰动事件模式分类,扰动参数计算。在不同的场合,三个方向的要求也不尽相同。目前许多复杂的研究工作相较于IEC/IEEE提供的算法在精度、识别度以及扰动分类数量上都有提高,然而实时性也随之变差。目前对电网信号检测实时性要求越来越高,同时为了检测出高频扰动信号分量,提高电能质量评估精度,采样频率也在提高。因此研究高效以及高准确度的电能质量分析方法有十分重要的意义。在两项国家自然科学基金的支持下,本文在确保准确度的前提下着重研究了电能质量分析方法的实时性,并在其压缩,模式分类,参数计算等方面得到了良好的应用。本文的主要内容如下：(1)设计了一种具有PQ扰动实时在线检测与分类功能的电能质量分析装置。该装置基于DSP和FPGA嵌入式系统,实现了信号的采集、处理等基本功能,为本文方法的实用性与实时性验证提供了一个良好的参考平台。(2)提出了一种基于强跟踪滤波器(Strong trace filter)、动态测度(Dynamics)和提升小波(Lifting wavelet transform)的参数化电能质量数据压缩算法。强跟踪滤波器不仅能够提供有效的参数估计,同时又能清晰的分辨暂态扰动；动态测度可以在噪声环境中分辨间谐波；提升小波的运算时间与内存占用量只有二进小波的一半,同时又能达到普通离散小波的压缩精度。通过减去信号中的基波与谐波,提升小波可以直接压缩暂态扰动与间谐波,在同一精度下提高了压缩比(在同一压缩比下提高了精度)。同时该方法比已有的基于参数化电能质量数据压缩方法有更高的精度(压缩比相同的情况下),可靠性高,实用性强。(3)时频分析是电能质量扰动事件分类技术中一个重要的特征提取手段。本文提出了一种基于S变换和动态测度的混合方法,在保证时频分析特征提取精度的条件下大大降低了运行时间。海森伯格测不准是很多时频分析的瓶颈问题,本文针对S变换中不同信号频段,采用不同的高斯窗,在一定程度上减小了海森伯格给带来的影响,提高了辨识精度。选取了5个分辨能力强的特征量,采用决策树作为分类器。决策树每一支只选用一个判断依据,相较于多判断依据组合,其语言更加清晰明确。决策树可裁剪的特点允许在不同的监控场合,用户可以进行简单的改变使之满足特殊要求。分类器的兼容性明显提高。(4)参数计算问题一直是电能质量分析领域重要的研究组成部分,是定量评估电能质量好坏最直接的判断依据之一。文献表明目前稳态电能质量扰动事件的参数计算问题如基波、谐波等已经得到了较为全面的研究。然而在暂态电能质量扰动事件的参数计算却仍存在问题：暂态特征参数计算参数的准确性；基频偏移带来的计算误差：暂态检测的延时问题等等。本文针对电力系统中最常见的电压暂降(暂升,中断与暂降的检测原理相同)进行了讨论,提出了基于强跟踪滤波器的时变检测方法。该方法具有实时性好、能有效的克服频率偏移带来的误差、检测延时小等特点,不仅适合在线监测,也可以作为动态电压补偿器的指令值进行电能质量扰动治理。