有源电力滤波器是一种新型的电力电子装置，可以对电力系统中的谐波进行补偿。谐波电流检测是有源电力滤波器技术的关键技术之一，提高谐波电流检测技术水平对提高有源电力滤波器的性能具有十分重要的意义。本文首先介绍了有源电力滤波器的基本结构和工作原理，并对一些常规的谐波电流检测方法的优缺点进行了比较，在此基础上着重研究了目前有发展前景的两种谐波检测方法—神经网络算法和卡尔曼算法。论文对单层全反馈全对称Hopfield神经网络进行了分析，利用Hopfield能量函数的优化处理能力，对谐波检测建立的目标函数进行优化，进而建立了Hopfield神经网络结构的谐波检测模型，从而检测出所需的各次谐波的幅值和相位。该方法具有采样数据实时处理速度快，实时性好，不需要预先进行较多训练，能够自适应地快速检测出各次谐波分量的幅值和相角等优点。论文提出了基于卡尔曼算法的谐波电流检测方法。该方法是以最小均方误差为准则的最优线性估计，根据前一个观测数据和最近的一个观测数据，利用状态方程和递推方法对当前过程状态进行实时估计。该方法只包括矩阵的加、乘与求逆运算，因此，可方便地用于实时处理。论文探讨了谐波检测步骤,并建立了谐波检测模型。对以上两种算法进行计算机仿真分析，给出了谐波检测的仿真数据。仿真结果表明，这两种算法可快速获得基波和各次谐波的幅值和相位，与傅立叶算法相比较精度高、实时性好，具有较大的应用前景。