La calidad de la energía ha surgido como un denominador sincero en la planificación y operación de un sistema de energía. Diversos eventos afectan la calidad de la energía en el extremo de distribución del sistema. La detección de estos eventos ha sido un área de enfoque principal en la última década. Este documento presenta la aplicación de la Máquina de Vectores de Soporte (SVM) en la clasificación de eventos de calidad de energía. Técnicas conocidas de procesamiento de señales, como la transformada de Hilbert y la transformada de Wavelet, se emplean para extraer las características potenciales de los conjuntos de observaciones de voltajes. Se ha construido una arquitectura supervisada que consiste en SVM ajustando los parámetros de SVM mediante varios algoritmos. Se ha observado que el Algoritmo de Búsqueda de Multitudes Aumentado (ACSA) produce la mejor precisión en comparación con otros optimizadores contemporáneos. Además, se emplea el Análisis de Componentes Principales (PCA) para elegir las características más significativas de las disponibles. Sobre la base de PCA, se construyen tres modelos diferentes de SVM ajustados. Se exhibe un análisis comparativo de estos tres modelos, junto con enfoques publicados recientemente. Los resultados son validados mediante el método estadístico de análisis de varianza de un solo sentido (ANOVA). Se observa que SVM, que contiene atributos de ambas técnicas de procesamiento de señales, proporciona resultados satisfactorios.