电能质量不仅关系到电网的安全经济运行,还影响到各种电力负荷的正常工作。然而随着工业技术的发展,电网结构的日益复杂以及各种敏感电力设备的应用,电能质量也相应地出现了各种问题。其中,电压凹陷是电能质量诸多问题中发生频率最高,造成损失也最严重的电能质量问题之一。　　动态电压恢复器(Dynamic Voltage Restorer,DVR)可以有效地解决电压凹陷地问题。对于它来说,实时,准确地测量出电压凹陷的三大特征向量(凹陷幅值,持续时间,可能出现的相位跳变)是其工作的前提和关键问题之一。　　本文对动态电压恢复器检测凹陷电压最常用的各种方法——有效值计算方法,基于傅立叶分析的基波分量法,缺损电压法,基于无功功率理论的DQ变换法及其改进方法等进行了比较分析,对不同的算法进行了仿真研究,总结了各种算法的优缺点,并提出根据不同场合的要求选取不同的检测方法。　　神经网络是当今比较热门的研究理论,已经应用到图像识别,工业控制,信息存储等等各个不同的行业,在电力系统方面也有广泛的应用。本文介绍了一种基于Hopfield神经网络(HNN)的电压凹陷检测方法,自适应地准确检测出电网基波和各次谐波分量的幅值和相角,经过仿真研究表明,采样数据处理速度快,实时性好。然而,Hopfield神经网络检测电压凹陷时,由于电压的谐波次数是未知的,因此其对应的隐层神经元数目也是未定的,电压凹陷仅需检测基波及低次的谐波,因此,本文提出了数字滤波与Hopfield结合的方法,仿真表明,该方法具有较好的检测结果。　　神经网络不仅仅适用于电网中电压的检测中,同时在PWM控制方法的应用更广泛,本文给出了一种基于 BP网络和滞环控制网络相结合的方法,通过仿真实现了其滞环控制的算法。使用神经网络和各种已有方法的结合,具有更高的准确性,鲁棒性。