在现代社会中,电能作为一种使用效率极高的二次能源,以其清洁方便、经济实用的特点成为人民生产和生活中使用最广泛的能源,其应用程度已经成为体现国家的综合国力和经济发展水平的一个重要标志。随着新型电力电子设备的大量出现与投入使用,供电部门已经开始对电能质量问题投以广泛关注,广大用户对电能供应的质量也提出了更高的要求。因此有必要对电能质量扰动识别进行研究。本文的主要工作有:第一,利于S变换进行特征提取。根据IEEE的电能质量标准对正常波形及16种常见的电能质量扰动波形进行了数学建模,并利用S变换分析电能质量扰动信号。通过比较S变换后电能质量扰动信号的时域特征曲线和频域特征曲线,确定提取11种时域和频域特征量。第二,本文提出了基于随机森林的电能质量扰动识别方法。将通过S变换提取的11种电能质量扰动信号时频域特征量作为输入,对随机森林模型进行训练,并通过测试数据验证该方法的识别准确率。通过与决策树和支持向量机的比较实验,验证了基于随机森林的电能质量扰动识别算法具有较高的识别准确率,明显优于决策树和支持向量机,且具有较好的抗噪声能力。第三,对基于随机森林的电能质量扰动识别算法进行了优化。以小波包能量熵与S变换相结合的特征提取方法,提取共19种特征量作为随机森林模型的输入,并对随机森林模型进行了优化,并通过实验验证证明与原方法相比,优化后的方法具有更高的扰动识别准确率和更好的抗噪声能力。利用本文所提出的电能质量扰动识别方法对电网的电能质量进行监测在保障电网安全、稳定运行、提高经济效益方面都具有重要意义。