随着电能质量问题越来越受到社会的广泛关注,对电能质量的监测系统的要求不断提高,电能质量监测系统也朝着智能化、远程化和虚拟化的方向发展。由于电能质量本身就覆盖了一个很宽的频谱,因此需要较高的采样率对电能质量数据进行采集,同时为了实现监测系统的智能化和远程化需要对这些大量的数据进行传输。为了达到减少数据的存储空间和降低通信过程中的传输成本的目的,需要对电力领域数据压缩技术的应用进行深入的研究。本文首先对电能质量进行了介绍,以便对电能质量的特点有着进一步的了解,方便针对电能质量的特点选择合适的压缩算法。同时在对傅里叶分析和小波分析的研究过程中,发现傅里叶分析对稳态信号有着较好的分析效果,而小波分析同时具有时频分析能力和多分辨分析的特点,非常适合对暂态信号进行分析。因此,本文通过结合电能质量的特点以及傅里叶分析和小波分析相应的优点,采用了基于傅里叶变换和小波变换相结合的有损压缩算法。在对信号进行有损压缩的过程中,通过对信号的分段处理,对每一段数据都利用小波变换进行信号检测。如果判定信号为稳态及稳态扰动信号,则对其进行傅里叶变换压缩;如果判定为暂态扰动信号,则对其采用小波变换压缩。为了进一步的提高压缩效果,需要对经过有损压缩算法处理过的数据进行进一步的无损压缩。在对比了无损压缩领域中应用比较广泛的两种无损压缩算法,基于统计模型的Huffman编码和基于字典模型的LZW算法后,通过分别对其特点进行研究,最终采用实时性较好的LZW算法作为本文的无损压缩算法。同时为了顺应仪器虚拟化的发展趋势,本着“软件就是仪器”的思想,最终在Lab VIEW上实现了基于FFT和小波变换的有损压缩与LZW无损压缩相结合的电能质量数据压缩算法,以便算法在虚拟仪器中得到实际应用。此外,本文在Lab VIEW平台上给出了三种常见的稳态扰动信号和五种暂态扰动信号的仿真。并对一段含有谐波扰动和振荡扰动且包含噪声的仿真信号,以及实测信号分别采用了本文算法、傅里叶变换压缩和小波变换压缩三种压缩算法对其进行了压缩。通过对比结果,验证了本文算法具有较好的压缩效果。