随着国民经济和科学技术的迅猛发展,电力系统中的非线性、冲击性、非对称型负荷显著增加,电能质量问题带来的经济损失越来越严重,如何有效的治理电能质量问题已经成为广大科技工作者研究的重点。改善和提高电能质量的首要前提就是对电能质量扰动类型进行检测、分析与识别,只有快速准确的检测出电能质量问题,并进行有效的分析,识别扰动的类型,才能对其进行有效的控制和治理。本文分别对无噪声的电能质量仿真信号和含30dB噪声的电能质量扰动信号进行分析,比较了电能质量信号在有、无噪声时的递归图识别结果,并结合NMF方法对递归图进行特征提取进而对其进行智能识别。电能质量扰动信号进行相空间重构后得到的递归图和重构轨迹图,直观的显现出了不同扰动信号的扰动特征。无噪声扰动信号的递归图是比较平滑的,可以明显的体现出扰动信号的扰动特征,添加噪声后的递归图受到了噪声的影响,图中出现复杂的线条和图形,但是图中的扰动特征并没有因此而受到太大的影响,识别效果是十分明显的。文中利用EMD方法对电能质量扰动信号进行滤波处理,并与递归定量分析相结合,实现了电能质量扰动信号的检测识别和定位。研究了使用EMD去噪方法对含30dB噪声的六类电能质量扰动信号(电压中断、电压暂升、电压暂降、暂态振荡、电压尖峰和暂态谐波)的去噪,去掉高频噪声保留其余分量并重构新的信号,结果表明EMD方法去噪可以去掉原有信号中的噪声干扰,去噪的同时保留了低频信号的扰动特征分量。研究了EMD结合软阈值去噪的方法,去噪后的各类信号的递归图和重构轨迹图中表现出了明显的不同,并在随后的试验中进行了递归定量分析,选择具有明显变化趋势的递归参数进行神经网络的智能分类识别和扰动定位,结果证明该方法对于电能质量问题的研究是非常有效的。EEMD在消除端点问题和模态混叠方面明显要优于EMD方法,更适合于对电能质量扰动信号的研究,尤其是在处理复合型扰动信号方面,可以将信号中包含的不同扰动类型分解出来。利用EEMD方法对电能质量信号的分解效果做了研究,本文在含噪声的各类电能质量扰动信号的基础上进行了信号分解和特征分量提取的工作,结合递归图和重构轨迹图观察不同扰动信号的扰动特征。将提取的特征分量进行定量递归分析,选择具有明显变化趋势的递归参数进行了扰动类型的识别。递归定量分析的方法在其他领域的应用已经非常广泛,但是在电能质量问题领域的研究还很不足,因此本文的研究方法对今后进一步研究该方法在电能质量领域的应用是非常有意义的。将递归图和定量递归分析技术引入非平稳电能扰动信号处理研究中的方法是有效的,经EMD去噪后的电能质量扰动信号二维相空间图和递归图体现了不同模式的电能扰动信号内部动力学机理的递归现象,递归量化参数定量地表征电能扰动信号的递归特性,利用定量递归分析提取的不同参数和BP神经网络可以区分不同的电能质量扰动模式。递归分析的重构率参数可以定位扰动出现的起始点和结束点。从仿真结果可以发现,递归定量分析是一种新的电能质量扰动模式识别方法,也为由多种扰动信号混叠的复杂干扰信号识别的后续研究提供了依据。