随着现代电网的规模日益扩大，智能化发展日渐明显，电力企业、用户更加重视电能质量问题。电能质量问题表现为电力系统中产生电能质量扰动信号，以往电能质量扰动分析主要为稳态电能质量扰动信号检测，近年来随着冲击性负荷接入电网，出现暂态振荡、瞬时脉冲和电压暂降等暂态电能质量扰动问题。电力系统中电能质量扰动信号识别是电能质量分析的基础，只有准确识别出电能质量扰动信号类型，才能选择更精准、高效的检测方法分析扰动信号，获取扰动信号特征参数，从而有效地采取改善措施来提高电力系统中电能质量。但电能质量扰动信号识别理论方法的发展还不太成熟，没有统一公认的识别模型;各种检测方法的特点不同，对扰动信号检测的效果也有所不同。本文主要研究支持向量机(SVM)应用于电能质量扰动信号识别，在此基础上，采用希尔伯特黄变换(HHT)检测扰动信号，并对存在的不足提出相应改进，同时仿真验证其分类、检测效果。本文主要研究内容如下:
　　首先，研究电能质量扰动信号检测方法，重点论述HHT算法的基本理论，包括经验模态分解(EMD)和Hilbert变换两个核心内容。采用HHT从时域和频域两个方面对扰动信号进行分析，准确检测出扰动信号的起止时刻、幅值变化等特定参数。
　　其次，深入研究基于SVM的电能质量扰动信号识别方法，针对扰动表现出的信号特征，采用小波包分解方法提取扰动信号特征量，将这些特征量作为SVM的输入信号，供SVM自动识别扰动类型。针对SVM的惩罚参数C和核函数参数g的选取问题，采用改进粒子群算法(IPSO)来优化。仿真研究IPSO-SVM分类器识别扰动信号，并与SVM、PSO-SVM分类器的分类效果进行对比。
　　最后，在扰动信号识别的基础上，研究HHT在稳态、暂态及复合电能质量扰动信号检测中的具体应用。针对暂态振荡、电压暂降等扰动信号，仿真验证其检测效果。