目前的电能质量采样都是基于传统的奈奎斯特采样定理,对于庞大和复杂的电力网而言,海量的采样数据给传输和存储带来了极大的负担。结合压缩感知压缩采样的优点,课题探索将基于压缩感知理论的模拟/信息转换器,引入到电能质量信号的采样上。压缩感知要求被采样信号本身或在某个变换基下要具有稀疏性。论文根据电能质量的相关标准建立了常见电能质量扰动的数学模型,并验证了其频域的稀疏性。针对电能质量采样的需求,对两种典型的模拟/信息转换器进行了对比分析,确定了用随机解调器研究电能质量的压缩采样。根据随机解调器的重构模型,对电能质量的压缩感知采样进行了仿真分析。针对随机解调器压缩采样的各个环节,对硬件参数非理想性偏差对于采样结果的影响进行了分析,分析结果对于随机解调器的硬件设计具有普遍的参考价值。然后,分别对单一扰动、复合扰动和实测的电能质量信号进行了压缩采样仿真,重构结果表明随机解调器能实现对常见的电能质量扰动的压缩采样。根据仿真的结果,又设计了随机解调器的采样装置,并搭建了实验平台,进一步对电能质量的压缩感知采样进行了研究。此外,针对电能质量信号的特点,从三个方面,对电能质量压缩感知采样的重构过程进行了分析。分析结果表明,采样数据的二维映射和合适的稀疏变换基可以优化重构过程,稀疏度自适应算法也对电能质量压缩采样的重够表现出了很强的适应性。与之前电能质量压缩采样的相关研究不同,本文的研究面向硬件实现,从模拟采样前端到数字重构,对电能质量压缩采样的整个过程进行了研究,研究结果对于电能质量压缩感知采样的实际应用具有重要参考价值。