依据风力发电机并网系统结构及等值电路,推导出风力发电机并网系统的数学模型,建立了各个子系统MATLAB/Simulink仿真模型,分析研究了风力发电机并网系统输出电压电流的谐波特性,为谐波检测及优化控制奠定基础。采用了基于改进小波变换的风力发电机并网系统谐波检测方法。综合分析比较模拟滤波器法、基于频域分析的FFT法、小波变换法、基于Fryze时域分析的有功分离法和基于神经网络的电力系统谐波电压检测方法,为进一步提高谐波检测准确度和快速性,提出了一种改进小波变换的风力发电机并网系统谐波电压检测方法。首先,把风电并网系统电压信号经过db20离散小波变换分割成低频区段与高频区段,针对低频区段信号采用小波多尺度算法分解,针对高频区段信号采用小波包进行分解,得到信号中的基波和各次谐波分量;然后,通过有效地提取出特定频率段的谐波分量进行重构来检测风电并网电力系统电压谐波。采用了基于粗糙集PCA-Elman神经网络风力发电机并网系统谐波检测优化方法。引入Elman动态神经网络建立风力发电机并网系统谐波检测模型,采用主成分分析法(PCA)对谐波数据进行特征提取以优化神经网络的输入,改进激励函数和网络结构以寻求函数收敛速度和检测精度的最优解;针对Elman神经网络检测模型在风速波动的峰值处存在检测误差较大及检测精度波动性,提出采用粗糙值理论对检测值进行修正与补偿,进一步提高检测精度。对1.5MW的双馈感应风力发电机并网系统进行了仿真研究,研究结果表明,与神经网络的谐波检测方法相比,基于改进小波变换谐波检测方法,实现了能快速有效检测出风力发电机并网系统电压谐波分量,提高了谐波检测准确度和快速性。