1、由于電力來源和用電負荷越來越多樣化，導致電力系統(tǒng)中電能質量擾動信號變得日益復雜和多樣。與此同時，大量高精度和高靈敏度的用電設備對供電的電能質量要求不斷提高。這給電能質量的治理工作帶來了巨大挑戰(zhàn)。對電能質量治理的前提就是能正確地檢測與識別這些擾動信號。然而，現有的一些方法已經不能滿足目前電能質量分析的精度要求。因此，本文從信號處理的角度，對電能質量擾動信號的檢測與識別問題做一些研究和新的嘗試。
　　本文主要在稀疏分解和深度學習兩個領

2、域對電能質量擾動信號進行分析。在稀疏分解方面，本文針對兩類擾動信號的結構特征，建立兩個參數字典。采用基于粒子群優(yōu)化的匹配追蹤算法對擾動信號進行稀疏分解，利用重構誤差先將擾動信號分為兩類。再通過分解出的原子中的參數來進一步判斷擾動信號的具體類型。該方案最大的優(yōu)勢是無需訓練集對機器進行學習，因為兩個字典結構已經包含了擾動信號的先驗知識。通過實驗仿真，證明了該方案總體上來說對電能質量擾動信號的識別具有有效性。此外，該稀疏分解方法還能高精度地檢