作为电能质量研究的一个重要内容，电网谐波的准确辨识是提高电能质量、降低谐波危害、维护电力系统的稳定与安全运行的重要措施。本论文利用分形理论与最小二乘支持向量机（LS-SVM）相结合的方法对电网谐波进行研究与分析。　　分形理论作为一条非线性学科中的重要分支，被广泛应用于地质学、数学、经济学、图像处理、医学、环境科学等科学领域。通过大量的文献报道和当前的应用情况，分形理论可以用来表征电网谐波的内在特点。而 LS-SVM（最小二乘支持向量机）理论，因其在解决小样本问题和噪声问题上比传统学习机器具有更明显的优势，所以在辨识系统中具有更为广阔的应用前景。本文通过分形理论和LS-SVM理论相结合的方式，对电网谐波进行分析与研究。　　在电网谐波分形特征方面，本文通过与小波理论相结合的方式，选取间谐波（23Hz、42Hz、68Hz、80Hz）200例、高次谐波（三次、五次、十五次、十六次谐波）200例进行较为深入的分形特征分析与研究。通过对上述谐波分量的分形维数的统计分析，结果表明，谐波分量的分形维数具有尺度不变性。分形维数与频率之间、分形维数与幅值之间均成正相关关系。同幅值情况下的谐波分形维数随着谐波的频率增加呈逐次递增趋势，同频率情况下的谐波分形维数随着谐波的幅值增加亦呈逐渐增加的趋势。　　在支持向量机理论与分形理论相结合的谐波分量检测与识别方面，本文通过LS-SVM（最小二乘支持向量机）算法与SVM（标准支持向量机）算法相比较的方式，对560例谐波分量（其中23Hz间谐波、42Hz间谐波、68Hz间谐波、80Hz间谐波、三次谐波、五次谐波、十五次谐波、十六次谐波各70例）进行训练和测试。通过实验结果的对比，LS-SVM算法不论在检测率还是在识别率上较 SVM算法都更胜一筹。实验证明，谐波信号的分形特征是具有可鉴别性的，LS-SVM算法能够快速准确地对谐波分量进行检测与识别，在电网谐波检测与识别中具有良好的应用前景。