随着工业化进程的快速发展,大量新颖复杂的电力电子装置以及非线性的负载在电力系统中的应用,导致电力系统中谐波和间谐波的含量日渐增加,严重影响了电能质量,同时也对电力系统安全稳定的运行造成了潜在的威胁。因此,谐波和间谐波的治理已成为提高电能质量的首要问题,研究精准的谐波和间谐波检测方法对于改善电力系统供电环境以及分析电力系统的安全稳定性意义重大。首先对Prony算法和RobustICA(Robust Independent Component Analysis,鲁棒性独立分量分析)算法的原理和特性进行了研究,通过算例分析,验证了Prony算法在不含噪声的情况下能够准确地辨识出谐波和间谐波参数,但当信号中存在噪声时,其辨识结果的误差将会增大;同时,也验证了RobustICA在对信号进行分离时不会受到噪声等外界因素的影响。接着针对EMD(Empirical Mode Decomposition,经验模态分解)在分解中存在端点效应、模态混叠现象以及去噪效果差的问题,提出将EEMD(Ensemble Empirical Mode Decomposition,总体平均经验模态分解)和LMD(Local Mean Decomposition,局部均值分解)分别与RobustICA相融合组成两种新的去噪方法,之后再将这两种去噪方法分别与Prony算法相融合组成两种谐波和间谐波检测方法,通过这两种检测方法分别对谐波和间谐波信号进行辨识。最后,通过MATLAB仿真软件进行仿真编程,检验两算法的可靠性和可行性。研究结果表明,本文提出的EEMD-RobustICA和Prony算法相融合的谐波和间谐波检测方法能够很好地去除噪声,缓解了EEMD模态混叠现象,且比传统的Prony算法辨识出的参数精度要高;将LMD-RobustICA和Prony融合的算法实现谐波和间谐波检测与HHT(Hilbert-Huang Transform,希尔伯特—黄变换)方法以及EEMD-RobustICA和Prony融合的算法进行对比,前者不但缓解了HHT存在的端点效应以及模态混叠现象,而且辨识出的结果也要优于HHT;同时在去噪效果以及辨识结果方面,LMD-RobustICA和Prony融合的算法也要优于EEMD-RobustICA和Prony融合的算法。