我国生活水平和生产步伐的快速发展使得其对电力的需求呈现逐年上升的趋势,同时对电力系统的稳定性和安全性要求也日益提高。电力系统中大量非线性设备的使用,使电力系统受到谐波的污染。谐波会使电力系统中的电力设备产生额外的损耗,使设备中的线路过热,加速设备与线路的老化,甚至可能引发火灾与事故;还有可能引起电力系统中的谐振,存在烧毁电网中的重要电容、电感的风险;引起继电保护和自动装置的误动作,影响电力系统的稳定性,进而导致人身和设备的巨大损失。因此,为了确保电力系统安全,有必要研究如何快速、准确地检测电力系统中谐波信号。文献调研结果表明,相关研究已经为电力系统谐波检测提供了丰富的手段,但是仍存在未解决的问题,主要包括:(1)小波神经网络收敛速度较慢,网络性能受多个参数的影响。(2)实际电力系统的噪声中脉冲噪声占主要成分;现有谐波检测方法大多对噪声比较敏感,尤其是在环境比较恶劣、信号中噪声成分较多时,易导致谐波检测性能不佳。(3)电力系统中的基波存在波动,会影响谐波检测的精度。本文为解决上述问题选取小波神经网络方法对电力系统谐波检测这一课题开展研究,主要研究内容包括:(1)对小波神经网络方法进行研究,针对小波神经网络的学习算法、结构以及初始参数确定问题进行了优化,改进了小波神经网络的检测精度和收敛性能,为电力系统的谐波检测提供方法支持。(2)针对电力系统中含有脉冲噪声的问题,采用中值滤波进行预处理;对电力系统中的基波波动的问题,采用BP神经网络方法进行电力系统基波的检测,再将检测所得基波值带入谐波检测中。上述结果可为后续谐波检测提供数据支持。(3)为提高谐波检测的性能和抗噪能力,应用改进的小波神经网络方法进行电力系统的谐波检测;并与其他常用谐波检测方法进行比较,仿真结果表明改进小波神经网络在电力系统谐波检测方面具有更好的检测性能和运算效率。通过本文的研究工作,为电力系统谐波检测提供了可行的方法,尤其是在环境比较恶劣、信号受噪声影响较大时,所提方法仍然具有较高的检测精度,有助于研究方法的扩展与应用。