随着油田的不断开发,油田配电网中大量使用变频、整流和开关电源技术制造的节能设备,这些设备在节约能源和提高生产效率的同时,也产生了大量的电力谐波并注入到电网中,使供电质量变坏,对电气设备产生极大的危害。为了有效抑制谐波危害,保障油田配电网供电质量稳定,本课题依据油田配电网基本结构类型,采用神经网络技术对油田配电网中出现的谐波等级及其幅值进行具体的预测研究,并对预测出的谐波进行了治理方法研究。　　首先分析了油田配电网的结构特点和谐波产生的机理,构建了油田配电网的网络结构,分析了谐波产生的主要来源和类型,分析出油田配电网谐波产生的规律,通过对某采油厂联合站、中转站低压配电网电能质量进行测试,采集了27个联合站或中转站网络结构的电压、电流、谐波等数据,采用统计分析方法,最终确定谐波畸变率超过30％国家标准的主要集中在5次和7次谐波上,确定了产生谐波的主导因素,为建立神经网络的训练样本奠定基础。　　分析了多层感知网络的优点和缺点,构建了油田配电网谐波预测神经网络模型。根据油田配电网的谐波发生规律,建立假设的油田配电网谐波系统模型,以总电流和基波电流为输入,以5次谐波幅值为输出,进行 MATLAB仿真训练。通过改进的 BP算法,建立了油田配电网谐波预测模型,比较了改进前后两种算法的预测误差和收敛精度,仿真结果验证了改进BP算法的优越性。　　以联合站、中转站配电网为试验对象,构建了油田配电网神经网络谐波预测方法和步骤,根据油田配电网的特点,分析了数据测试方法和分析计算方法,并根据这些数据建立训练样本和测试样本,利用基于L-M算法的神经网络进行建模,分析了10组测试样本的预测精度,结果表明此方法能有效预测谐波的幅值。　　通过对油田配电网谐波预测问题研究,分析出现有油田配电网电能质量状况,针对谐波超标幅值和波次,以及负载情况选择合适的谐波抑制方法,通过滤波前后的电流数据比较分析,治理后配电网的电能质量达到较好的效果,谐波分量减少,功率因素提高。最终提出对于油田配电网谐波治理的方案和策略。