随着智能电网的发展,各类非线性负荷日益增多,引起了一系列电能质量问题。由于各电能扰动信号发生频次较高,影响范围大,因此电能质量问题越来越受到关注。对电能质量扰动信号进行准确快速的检测识别,是研究电能质量问题产生根源和对其进行治理改善的前提,具有重要意义。因此,研究电能质量扰动实时检测识别算法及时频特征分析简化机制,并结合嵌入式装置形成快速准确的信号检测识别平台,具有重要理论意义和实用价值。首先,本文阐述电能质量扰动信号的定义、产生原因及各自危害,并介绍电能质量扰动检测装置国内外发展现状,及各电能质量扰动信号特征向量检测和分类识别方法,同时在分析总结各方法特点和不足的基础上,引出简化S变换和改进LVQ算法。其次,介绍S变换基本原理及推导过程,通过分析S变换在电能质量扰动信号特征检测时计算量大、不易于嵌入式实现等问题,提出只针对特征频率点进行运算的简化S变换,利用信号的FFT频谱极大值包络+二次极大值并结合阈值判断,提取出扰动信号特征频率点。与完全S变换相比较,只针对特征频率点进行分析的简化S变化运算量极大减少。仿真结果表明,该算法能够准确可靠检测出扰动信号特征向量,具有运算量小、实时性好等特点。然后,针对LVQ神经网络对特征向量进行分类识别时,抗噪性差、分类精度低等问题,本文对网络结构进行一定改进并提出改进LVQ,在训练(学习)迭代的过程中,将满足一定条件的网络竞争层获胜神经元个数,由1个调整至3个。在前文算法基础上,经简化S变换检测出的扰动信号特征向量分为训练样本和测试样本,改进LVQ网络输入训练样本迭代并收敛后,输入测试样本即可得到扰动信号分类识别结果。经对比及不同噪声环境下和多干扰环境下的仿真实验表明,该方法准确率可靠性较高、抗噪性好。接着,基于算法应用和实际项目需求,搭建一款基于ADC+DSP架构的电能质量扰动检测识别实验平台,文中详细介绍信号调理、采样转换、数据处理、电源、通信等各硬件子模块,并给出部分软件程序流程。最后,对所设计平台进行实际测试,实验结果表明,本文设计的平台能够实现实际电网中各电能质量扰动信号检测识别要求,为进一步解决其他电能质量问题提供一定的参考意义。