随着工业生产和电力电子技术的飞速发展,在钢铁、冶金、石油、化工等工业领域,电气设备、电力电子变换装置日益普及。变频装置、整流装置等非线性负荷的接入,给电网中注入了大量的电力谐波。电力谐波的干扰导致电气设备异常和事故有逐年增长的趋势,电力系统谐波已成为威胁电力系统和其它用电负荷安全运行的“电力公害”。抑制谐波的方法主要有无源滤波技术和有源电力滤波器技术。有源电力滤波器技术与无源滤波器技术相比,具有受电网阻抗影响小、能够动态补偿等优点,将在治理谐波污染方面发挥主导作用。有关有源电力滤波器的研究主要集中在主电路结构形式(串联、并联和串并联)、谐波电流检测方法和补偿电流的控制方法等方面。本论文重点研究了基于神经网络的补偿电流控制方法。在保证谐波检测精度和实时性的前提下,补偿电流控制方法的好坏,直接影响着有源电力滤波器的负载电流补偿效果。补偿电流的控制方法主要有滞环比较方法和三角波比较控制方法等。滞环控制属于实时控制方式,控制精度高且响应速度快,硬件电路简单,但由于其滞环宽度固定,则电流跟随误差的范围是固定的,电力半导体器件的开关频率是变化的;三角波比较控制对电力半导体器件的开关频率是固定的,但硬件比较复杂,跟随误差较大,控制精度低且响应速度慢。由于有源电力滤波器装置中电压源型逆变器电流控制是一个非线性控制过程,很适合用神经网络来实现。因此,本文提出一种基于神经网络的有源电力滤波器控制方法。仿真结果表明,经过训练后的神经网络可以为有源电力滤波器输出合适的补偿电流开关控制信号,控制效果良好,而且当负载变化时,具有良好的泛化能力。所提出的用于控制APF神经网络经过离线训练后,还可以通过在线学习跟踪非线性负载电流的变化,即使需要补偿的非线性负载电流中的谐波成分发生了较大的变化,仍然能达到良好的补偿效果而无须再次进行离线训练。由此证明了将神经网络控制用于有源电力滤波器系统的可行性和正确性。