随着科学技术的不断进步发展,各种电力设备的不断更新换代,用电端的设备对电能质量的要求也不断地提高,同时各种整流设备、逆变设备的不断投入应用使得电力系统中不断出现各种电能质量问题。为了优化电力系统中的电能质量,保障各类用电设备的用电安全,需要对电能质量扰动信号进行检测识别与分析。因此,本文提出了一种电力系统暂态电能质量检测识别与分析的方法,应用小波变换和S变换相结合的方式来对扰动信号进行检测分析,利用BP神经网络算法对扰动信号进行分类识别。文中构建了1种正常信号和8种扰动信号的基本模型,包含正弦信号,6种单一扰动信号和2种复合扰动信号。首先,利用小波变换4层分解得到的4个高频序列和1个低频序列来检测各类扰动信号的起止时刻与持续时间参量,通过扰动信号的4层分解特征信号图可以明显观测到信号的突变点情况,从而得到对应的扰动发生起止时刻和持续时间。然后,应用S变换对各类扰动信号的特征进行检测,可以根据三维网格图、等高线图、包络线图和幅值曲线图得到扰动信号的起止时刻、幅值变化等相关信息,对含有谐波的扰动信号还可以检测出谐波成分与含量。最后,针对扰动信号的分类识别,构建了一种三层结构的BP神经网络,其输入、隐含、输出层分别为5、12、8维结构,以DB4小波4层分解所得特征量构造特征向量,将特征向量作为BP神经网络的输入进行扰动信号的分类识别分析。仿真结果表明,小波变换和S变换相结合的方法能够准确的检测出各类扰动信号的起止时刻、持续时间、幅值变化和谐波成分与含量等特征,BP神经网络算法对各类扰动信号的分类识别准确率全部都在92.5%以上。结果证明所提方法具有较高的检测与识别准确率和算法可行性,能够实现对各类扰动信号的检测与识别目标。文中含有图32幅,表7个,参考文献63篇。