谐波的存在不仅影响着电能质量,而且会降低电网的安全性和稳定性。随着科技的进步,大量新的含有非线性元件的电力电子产品接入到电网中,造成电力系统谐波污染日益严重。与此同时,新型并网技术、分布式发电技术的应用和智能电网建设的加快,也对传统电力系统提出了新的挑战。本文以谐波检测与谐波抑制技术为研究方向,在分析了国内外研究现状的基础上,针对基于RBF神经网络预测的有源电力滤波器（APF）谐波抑制手段进行深入研究,论文主要内容如下:电力系统谐波检测方法研究:对以瞬时无功功率理论为基础的p-q法谐波检测和ip-iq法谐波检测进行深入研究,并将两种方法进行了MATLAB-Simulink建模仿真。通过仿真可以验证:电压源未产生畸变时,两种方法均能准确检测出电网中的谐波电流;电压源发生畸变时（排除其他外界因素影响）,p-q法检测出的谐波与实际谐波电流严重不符,而ip-iq法依然能准确检测出谐波电流。电力系统谐波抑制方法研究:电网系统中谐波抑制手段分为传统型和被动型两种,通过分析可知,传统型抑制技术成本高、效率低,且通常需要引入被动型抑制方法来提高谐波抑制性能。另一方面,无源滤波器和有源滤波器是两种常用的被动型谐波抑制手段,通过理论分析和MATLAB-Simulink建模仿真,发现无源滤波器虽能一定程度上抑制谐波,但其滤波性能易受电网参数和元器件参数变化的影响。基于RBF神经网络预测的APF谐波抑制研究:通过分析APF的工作原理、数学模型以及控制方法,发现其在工作时系统会存在时延问题。因此,本文采用RBF神经网络预测算法来解决这一问题。首先,采用梯度下降法和K-均值聚类法对RBF神经网络的基宽、权值、聚类中心进行计算和优化。其次,选取合适的样本并采用离线方式训练RBF神经网络,让其具有最优预测性能。随后,对电网系统整体进行仿真,将训练好的神经网络用于谐波电流预测中。仿真结果表明,所采用的方法能够准确预测出下一时刻的谐波电流参考值,且指令信号根据该参考值驱动APF产生的补偿电流,能够消除时延并最终达到实时抑制谐波的目的。