针对基于特征值方法电能质量扰动识别中存在庞大而复杂的特征值选取问题，本文提出了以特征曲线为特征的布莱克曼窗S变换与数据库查询新方法。本文提出了布莱克曼窗S变换采用布莱克曼窗宽函数并通过窗宽比控制窗宽，相较于多分辨率广义S变换具有更好的时频分辨率。通过布莱克曼窗S变换得到扰动信号的时频模矩阵，在模矩阵上提取时频特征曲线，然后通过波动能量密度与快速傅立叶变换进行特征曲线分割，排除了噪声的干扰，降低了特征曲线长度，最后建立树状结构的时频数据库，采用动态时间规整距离查询分类方法，根据隶属度的关系进行快速分类，提高识别的正确率。通过仿真数据分析表明，高时频精度的布莱克曼窗S变换提高了算法的识别正确率并且特征曲线分割提高了算法的抗噪声干扰能力，现场数据验证了该算法的有效性。