提出了一种基于短时傅里叶变换和DAG(Directed Acyclic Graph)支持向量机的电能质量扰动检测和识别方法。将扰动信号通过Blackman窗短时傅里叶变换，得出时域最大幅值向量，然后把它作为特征向量输入到DAG支持向量机来实现电能质量扰动类型的识别。其中，时域最大幅值向量不仅能反映各种扰动的特征，还能显示电压突升、电压暂降、电压中断和暂态振荡等扰动的发生时刻和持续时间。仿真测试表明，该方法能有效识别各种电能质量扰动，而且识别正确率高，训练时间短，实时性能较好。