随着电力电子技术的长足进步,大量用电设备和设施电力电子化,高度电力电子化的用电设备和设施在提升设备性能的同时也加剧了供电系统的谐波污染。有源电力滤波器（Active Power Filter,APF）由于能够实时地跟踪并补偿非线性设备产生的谐波,是解决谐波污染的主要技术手段,因而受到广泛关注。谐波电流信号检测与补偿信号跟踪控制作为其两个重要环节,一直是对APF研究的重点。本文首先综述了APF的研究现状及技术难点,总结并分析了在APF谐波检测及控制策略中所存在的问题,确定了课题的研究方向。文中以并联型APF作为研究对象,在谐波检测环节,针对传统定步长自适应检测算法无法兼顾稳态精度和收敛速度的问题,提出了一种改进的自适应谐波检测算法,通过建立新的非线性函数,设计了新的步长迭代公式,实现对算法步长的实时动态调整。在电流跟踪控制环节,针对滑模控制在APF应用中所存在的抖振及控制精度问题,提出了径向基函数（Radial Basis Function,RBF）神经网络滑模控制策略,通过利用RBF神经网络较强的非线性逼近能力和自学习能力,实现对滑模控制律中不确定项的自适应逼近以及切换控制增益的实时训练优化,通过自适应权重的调节保证整个闭环系统的稳定性和收敛性。在此基础上经过进一步的研究发现,结合RBF神经网络虽较好地削弱了抖振,但本质上却并未真正解决由于控制量的不连续而产生的抖振问题,且控制结构较为复杂。为此本文提出了基于超螺旋算法的二阶滑模控制,该控制方法在保留传统滑模控制优点的基础上,通过将传统滑模控制的不连续项作用于高阶导数中,使控制量在时间上得到连续,从而抑制抖振。为验证本文所提谐波检测算法和控制策略的可行性及有效性,在Matlab/Simulink仿真软件中,搭建了整个APF系统仿真模型,并对改进算法和控制方法进行了不同工况下的仿真实验验证。仿真结果表明,本文所提出的检测算法体现出了很好地检测性能,克服了传统检测方法的缺陷。对于控制环节,RBF神经网络滑模控制和超螺旋二阶滑模控制均能有效地抑制滑模抖振。但相比较之下,无论是在谐波补偿精度还是在跟踪控制性能上,后者均要优于前者,且抑制抖振的效果更好,有效地提高了APF的动静态特性。