随着国民经济的发展和人们生活水平的提高,电力电子产品广泛地应用于工业控制领域,用户对电能质量的要求也越来越高,其中最为突出的是电压质量和谐波的问题,电能质量问题在许多国家已经引起电力部门和用户的广泛关注。电能质量的好坏直接关系到包括电力工业在内的工商系统,乃至整个国民经济的发展前景,对于我国这样的发展中国家更具有不可忽视的现实意义和战略意义。因此,如何提高电压质量、治理谐波就成为输配电技术中最为迫切的问题之一。电能质量问题的分析算法中,基于傅里叶变换的方法只能适用于确定性的平稳信号(如谐波),对时变非平稳信号却难以充分描述。这是因为傅氏变换是在整个时域内积分,因而去掉了非平稳信号中的时变信息。而基于小波变换的多分辩分析,虽然能对电力系统短期扰动进行检测、定位和确定扰动持续时间,但却不易区分到底是那一种扰动类型。因此,为了分析电能质量领域的突变信号和非平稳信号,本文将统计信号处理方法引入到电能质量扰动的分析和跟踪问题中来。统计信号处理方法不仅适用于处理非平稳信号,而且对系统中的随机噪声干扰提供了很好的抑制作用。本文在卡尔曼滤波理论和自适应滤波理论基础上发展出了Sigma点卡尔曼滤波算法和基于脉动阵列实现的QR分解最小二乘自适应算法,并将这两种算法应用到电能质量问题中最常见的电压闪变和谐波的在线监测问题中来。通过MATLAB以及LabVIEW仿真,证明了所提出算法的优越性。