2 APF中的谐波检测算法

    最早的检测方法是通过模拟电路实现的，但模拟电路存在只能滤除固定频率的谐波、对频率时变信号的谐波检测误差较大、对元件参数变化十分敏感的缺点，使得其应用受到了限制，随着计算机和电子技术的飞速进步，数字检测算法得到了广泛的发展。根据其发展过程可以将算法分为频域、时域、现代智能控制三类。下面分别介绍这些算法

    (1) 傅里叶及其改进算法：传统的傅里叶检测法是将检测电流进行傅里叶变换，从而得到基波和整数次谐波电流。但该方法计算量大、实时性较差，所以衍生出了改进算法，包括快速傅里叶变换、离散傅里叶变换和递归离散傅里叶变换。这三种改进方法在一定程度上提高了检测精度，减少了计算量，但都需要严格的同步采样，限制了其应用。

    (2) 卡尔曼滤波器：此算法是以最小均方误差为准则的最优线性估计，根据前一个观测数据和最近一个观测数据，利用状态方程和递推方法，对当前过程状态进行实时估计。动态噪声和饱和现象是影响滤波器性能的两个重要因素，如何确定这两个量是应用卡尔曼滤波器的难点。

    (3) 基于小波理论的检测法：对检测电流进行小波变换，利用带通特性，将信号分解到各个频率上去，同时保留信号各分量的时间信息。小波检测法对于信号特征量的提取具有很好的特性，但选择小波母函数时，还没有统一的理论依据，有待进一步研究。文献[12]提出基于小波变换的时变谐波检测方法，利用小波变换将时变谐波幅值的估计问题转化为常系数估计, 可以准确检测时变谐波并且具有较快的跟踪速度。

    以上三种方法是基于频域的谐波检测法，对于稳定信号的谐波检测有很好的效果，但对于时变和非周期的信号，谐波检测能力就会有所降低，所以就需要基于时域的谐波检测法进行补充。

    (4) 同步检测算法：该算法基于平均功率，按照补偿分量的不同，可分为等功率法、等电流法和等电阻法，即分别使补偿后各相的功率、电流和电阻相等，且电压电流同相位。该方法可以有效消除无功和谐波，减少线路损耗，平衡线路电流。但三相电压不平衡时，会使补偿后的电流不平衡、时间延时增大，限制了其应用。

    (5) 基于瞬时无功功率的检测算法：主要包括基于瞬时有功功率和瞬时无功功率的检测算法（p-q法）、基于瞬时有功电流和瞬时无功电流的检测算法（ip-iq法）、基于同步旋转坐标的算法（d-q法）。这三种算法主要通过坐标变换，得到相应坐标系下的基波和谐波分量，再经过反变换即可得到计算所需的量。p-q方法参与运算的量为三相瞬时相电压和瞬时线电流，而ip-iq方法参与运算的是三相对称单位正弦量和余弦量。在硬件实现上后者的电路简单，实现容易。d-q法能够实现对指定次谐波的补偿，但是用模拟电路实现时需要的低通滤波器过多，会增加系统的复杂程度。

    (6) 基于Fryze的谐波检测算法：该方法是把实际电路中的负载等效为理想电导元件，认为电路中的功率都消耗在这个等效电导上，根据等效电导对电流进行分解，讨论各电流分量的性质。可分为直接法和间接法，直接法是用电源电压的波形来分析电流，分别得到基波有功分量和基波无功分量，从而检测出谐波电流分量；间接法是用锁相环来生成与电源电压同相位的参考电压，在计算过程中代替实际的电压，从而准确检测出各电流分量。这种方法应用范围广，并能检测出基波以及任意次谐波电流。

    除以上几种方法外，基于时域的谐波检测方法还有直流侧电压控制算法、广义积分算法、单位功率因数算法等，这些算法对于时变的负载电流有很好的检测能力，但是存在着计算复杂，精确度不高的缺点，随着现代智能控制的发展有望解决这些问题。

    (7) 自适应检测法：该方法基于自适应干扰抵消原理，将电压作为参考输入，负载电流作为原始输入，从负载电流中消去与电压波形相同的有功分量，得到需要补偿的谐波与无功分量。在电压波形畸变情况下也具有较好的自适应能力，缺点是动态响应速度较慢。

    (8) 神经网络检测法：神经网络谐波电流检测法通过自适应性或训练权重来检测谐波电流。不但避免了对于给定补偿电流的复杂计算，而且有广泛的适应性，可以同时检测出谐波电流、无功电流、基波负序和零序电流。

    (9) 预测控制算法：利用当前采样时刻的状态信息，预测下一个采样周期补偿电流的轨迹，从而确定逆变器的开关函数，使补偿电流跟随电流参考值变化，实现谐波电流预测控制。将其与神经网络或自适应相结合，可构成复合算法，实现谐波电流的快速、精确检测。

    智能控制算法在检测精度和计算速度上都有明显的优势，但是目前的技术水平还不能使这些算法应用到实际中，有待进一步的研究。