近年来,随着科技的迅猛发展,大量先进的、精密的电气设备应用到人们的生产生活中,在给人们的生产生活带来便利的同时,也使得电网受到了严重的污染,降低了电能质量。然而这些精密的电气设备和大量的新能源设备的投入使用,对电能的品质提出了更高的要求,所以改善电能质量提高其品质是势在必行。提高电能的品质首先需要判别电能质量扰动发生和持续的时间,而研究电能质量的扰动识别对鉴别何种扰动类型有着重要意义。本文以暂态电能质量扰动信号作为研究对象,借助于数学形态学、S变换、分类规则树等算法对电能质量扰动信号的发生停止时刻和扰动频率进行检测,并实现了不同扰动信号的分类。首先,采用基于数学形态学的方法对电能质量扰动信号进行预处理。根据电能质量扰动信号的数学模型并借助Matlab2012仿真平台实现暂态电能质量的扰动仿真波形。为使得仿真模型更加符合实际电网中所采集的扰动信号,对暂态的电能质量扰动信号人为添加噪声,并采用多结构元素复合形态学滤波器对含噪的暂态电能质量扰动信号进行降噪处理,实验证明多结构元素复合型滤波器的降噪效果明显优于单一结构元素复合型滤波器的降噪效果,并为后续研究电能质量扰动检测和分类提供更为有效的依据。之后,提出了一种基于S变换的暂态电能质量扰动检测与定位方法。使用S变换对暂态电能质量扰动信号进行处理,得到S变换复数矩阵,并对S变换的模矩阵进行平方计算,通过提取S变换所得幅值平方和均值实现对扰动信号的发生终止时刻和频率进行检测,通过与小波变换的仿真对比,S变换在对扰动信号特别是对复合扰动的起止时刻和频率的检测更为有效。最后,提出了一种采用CART的决策树算法对暂态电能质量扰动信号进行分类。通过提取信号S变换幅值平方和均值以及其峰值个数作为暂态电能质量扰动信号的特征参数,对决策树各个节点阈值进行设置,简化了分类规则,提高了分类效率。实验证明,基于S变换的特征参数选取具有正确性,并且该分类方法具有准确率高和抗噪性好等特点。图[43]表[12]参[63]