近年来,随着大量的非线性、冲击性和波动性负载接入电网,使电力系统出现了一系列电能质量问题,电能质量的下降对电力系统的稳定运行造成了严重的威胁。电能质量扰动的准确检测和识别是深入分析和研究电能质量扰动产生原因的基础,对保证电力系统的安全运行、减少国民损失具有重要的现实意义。本文主要从扰动信号检测、特征提取及分类三个方面对电能质量问题进行深入研究。阐述了电能质量问题的相关国际标准以及国内外研究现状,归纳了各种扰动形成的原因及特征,总结了传统扰动信号检测、特征提取、分类算法的优点与不足。首先,针对传统电能质量扰动检测方法精度差的问题,在深入研究S变换原理的基础上,提出了一种分段改进S变换的电能质量扰动检测方法。该方法依据电能质量扰动信号频率的不同,将频率分成低频、中频和高频3个区间,并根据不同的频率区间设置不同的窗宽调节因子以获得更好的时频分辨率。实验结果表明,分段改进S变换比标准S变换具有更好的时频分辨率,且检测精度更高。其次,针对传统的智能寻优算法收敛慢、易陷入局部最优的弊端,本文在原始灰狼算法的不足上进行了改进,并使用3个常见的测试函数对遗传算法、粒子群算法、原始灰狼算法和改进灰狼算法的性能进行测试。仿真结果表明,改进灰狼算法的收敛速度和稳定性都得到了较大的提升。最后,针对支持向量机全局核函数和局部核函数的优势与不足,通过构建混合核函数支持向量机来提高分类器的泛化能力。为了解决混合核函数支持向量机超参数选取的困难,使用改进灰狼算法优化混合核函数支持向量机的超参数。仿真实验表明,在相同噪声环境下,IGWO-HSVM均能取得较高的分类正确率。