有源电力滤波器（Active Power Filter,APF）是改善电网电能质量、消除谐波的控制装置,与传统无源滤波器相比具有不受电力系统参数影响、动态响应快等优点而日益受到研究人员的重视。针对APF传统控制中谐波电流跟踪效果差,直流侧电压响应速度慢、超调大等问题,提出采取智能优化自抗扰控制策略。自抗扰控制技术（Active Disturbance Rejection Control,ADRC）把作用于被控对象的所有不定扰动因素（无论内外）均视作为“不确定扰动”,具有不依赖系统精确数学模型,仅利用被控对象输入输出数据即可进行实时估计补偿的特点。有效解决传统控制算法中“快速性”和“超调”的矛盾,在非线性、强耦合和不确定扰动作用下可保证控制精度。但ADRC参数多、难调节,本文运用人工神经网络和改进粒子群算法对其进行优化,结合本人研究方向以APF为模型验证了优化效果。本文首先介绍了有源电力滤波器适用场合、原理步骤、控制方法,并详细阐述了三电平APF在各个坐标系下的数学模型,分析了在dq坐标系下控制系统模型,进而引出以ADRC为基础的控制系统。之后对自抗扰控制算法的跟踪微分器TD、非线性反馈控制器NLSEF和扩张状态观测器ESO具体算法公式进行了详细的推导且解释了各个参数对应的具体意义。研究了电流环神经网络算法优化补偿扩张状态观测器,用训练好的、具有一定结构和逼近能力的非线性映射网络去补偿模型中未知的一部分,这样就可以减轻观测器的负担,使其观测的精度得到提高,从而提高控制品质。本文完成了神经网络训练、有无ANN补偿的控制效果对比,在APF上验证ANN优化ADRC可行性和优越性。在此基础上又研究了电压环采用优化粒子群算法来寻优ADRC中NLSEF的参数β_{0 1}、β₀₂间接达到提高控制精度的目的。完成了对PSO算法原理步骤阐述、算法优化对比、性能测试对比、不同指标函数约束下APF直流侧控制效果对比,并以寻优参数分析了APF控制效果和动态性能测试,省去了参数众多ADRC控制算法手动调参的过程,把复杂的调参交给计算机仿真系统完成,体现了智能算法优化自抗扰控制的可行性和优越性。该论文有图56幅,表13个,参考文献83篇。