电能质量问题可使电网系统的正常运行受到影响，以致给广大电力用户带来难以估量的损失。因此，对课题“基于复小波分析的电能质量扰动检测研究”的深入研究具有重大理论意义与经济价值。　　本文首先对该课题的背景意义以及国内外研究现状进行大量文献研究，然后对电网电能质量的扰动信号进行全面的暂态仿真分析并对相关数学变换方法、多目标优化算法等理论方法进行研究与对比，从而提出一种基于复小波变换的暂态电能质量扰动识别分类的理论新方法，并通过MATLAB软件仿真证明了新方法有卓越的性能。最后，考虑到若将本文所提出的理论新方法应用于工程实践，使该理论在电能监测系统中得以实现，本文在电能质量监测系统设计方面也做了相关的工作与研究。　　本文主要有两大创新点，一是采用能够提取信号幅频和相频的更多信息的复小波对其进行定位、检测，弥补传统的小波变换、傅里叶交换等方法存在的缺陷，可更准确定位检测的电能质量信号，从而更好的获取信号的特征向量;二是通过PSO优化算法对SVM支持向量机分类器参数进行寻优，完成分类器的参数设定最优化，弥补现有方法中参数根据经验设定的不足。该理论新方法的提出，使暂态电能质量扰动识别与分类的训练速度、分类准确率等方面都有所提高，并且本文还进行了PSO-SVM法与传统二次谐波制动法、BP神经网络法的性能对比试验及该方法的泛化性、鲁棒性验证试验。结果表明，本文提出的PSO-SVM法性能更为卓越并具有很好的泛化性和鲁棒性。　　总之，本文所得的仿真数据结果与结论以及所提出的理论新方法，对于电能质量的研究具有重大的借鉴意义及应用价值。