本文从电能质量分析、检测、自动识别和补偿等方面，对高速磁悬浮列车系统的电能质量进行了研究，为高速磁悬浮列车系统及相关电力系统的运行分析提供了重要依据。 首先分析了高速磁悬浮列车系统的谐波和电压波动，结果显示，在某些运行条件下较大地超出国家标准，必须进行补偿。电磁干扰是一种广义的电能质量干扰，本文分析了牵引逆变系统的电磁干扰，首次提出了基于Logistic混沌映射的低电磁干扰PWM方法，相对于SPWM这种改进PWM方法可将电磁干扰水平降低20～29dB，这对降低磁悬浮列车牵引系统的电磁干扰水平具有重要的参考价值。 其次，提出了基于改进锁相环和基于移相的电能质量检测方法。改进锁相环检测法能检测谐波、电压波动、频率偏差、电压凹陷、电压凸起、过电压、欠电压、瞬时脉冲和振荡等多种电能质量扰动，且对检测系统内部参数和电力系统频率的变化是鲁棒的。移相检测法能检测电压谐波、电压凹陷、电压凸起、电压波动和暂态振荡等电能质量扰动，且原理简单、实时性较好。仿真和磁悬浮110kV母线电压的测试结果证明了两种方法的有效性。 在检测的基础上，提出了三种新的电能质量自动识别方法，实现电能质量的自动分类。基于改进锁相环和最小二乘加权融合集成神经网络的电能质量识别方法，由锁相环检测电能质量扰动，然后采用多个BP子网络分别识别，运用最小二乘加权算法对各子网络的识别结果进行信息融合，并最终识别扰动，相对于单个神经网络识别该法抗噪声干扰能力更强，总识别正确率可达95.0﹪。由于很多电能质量扰动的时域和频域特性都具有一定的不确定性，本文还首次提出了基于改进灰色关联分析的电能质量识别方法，计算简单、实时性好，识别效果较好，总识别正确率达92.5﹪。结合锁相环和移相电能质量检测法，本文首次将支持向量机技术应用于电能质量识别，提出了基于多级支持向量机分类器的电能质量识别方法，总识别正确率可达98.0﹪，且训练时间短。仿真和磁悬浮110kV母线电压的识别结果证明了这些方法的有效性。 最后，采用一个增加的串联有源滤波器以解决原有补偿措施未解决的电压波动和电压凹陷问题。仿真结果显示，该串联补偿方法可基本消除电压凹陷，补偿后电压下降幅度小于5﹪，且该补偿法还可消除波动的主要成分，达到国标的补偿要求。