为了解决大数据电能质量信号重构时稀疏度自适应耗时过长和重构性能差的问题,提出了一种无需稀疏度的分段阈值对比近似共轭梯度追踪(STCACGP)重构方法。STCACGP算法通过阈值比较进行原子筛选,用近似共轭梯度计算梯度方向代替正交投影逼近原始信号,以残差比较为终止条件实现电能质量数据重构。通过实验比较选取最优阈值,比较了SAMP、　SACoSaMP、　SWOMP和STCACGP的重构效果和重构时间。实验结果表明,STCACGP算法重构精度和时间均优于其它算法,在压缩比取25%时,重构时间比SACoSaMP算法快了3倍,为大数据电能质量信号重构的实时性实现提供了一种思路。