针对稀疏重构算法在电能质量重构中存在实时性差、重构精度低的问题,提出一种基于特征向量归一化的K奇异值分解(KSVD-NRAM　P)自适应稀疏重构算法.算法针对电能质量信号的非线性非稳态特征,采用迭代式匹配追踪得到信号稀疏特征矩阵,然后对矩阵进行归一化处理,量化特征向量,加快函数收敛速度.接着对得到的矩阵原子进行奇异值分解,改善迭代步长波动造成信号重构精度低的问题,最后构建信号的高斯随机矩阵并重构信号.当信号压缩率在50％　～90％　时,该算法重构信噪比其它重构算法的重构信噪比高出26dB～28dB.实验结果表明,该算法重构精度更高且计算时间短,为电能质量信号的研究提供了一种新思路.