随着非线性设备使用量的增大,电力系统的谐波污染日益严重。谐波的存在会对电力系统及用电设备的安全、高效运行造成严重威胁,因此,研究有效的谐波检测和抑制技术来治理谐波,具有十分重要的意义。目前,该方面的研究已取得很多成果,但已有的研究大多是基于无噪或高斯噪声假设进行的,而电力系统存在明显的脉冲噪声,这会使得已有方法性能大大降低,甚至失效。为了解决上述问题,本文对脉冲噪声环境下电力系统谐波检测和抑制技术进行了深入研究,所做的主要工作如下：(1)对已有的电力系统谐波检测和抑制技术进行了总结概括,介绍了α稳定分布基础理论,并采用该分布模型对电力系统脉冲噪声进行建模。(2)采用信号处理新工具-α稳定分布理论来描述脉冲噪声,提出一种基于分数低阶统计量的电力系统谐波抑制方法。该方法是一种有源滤波法,首先,基于分数低阶统计量,提出改进ESPRIT算法与改进RLS算法；然后,采用改进ESPRIT算法对电力信号的基波频率进行估计,从而得到各次谐波的频率,而各谐波信号的幅度(包含相位信息)则通过改进的RLS算法进行估计；最后,根据谐波参数估计值,通过有源滤波器生成谐波补偿信号来消除系统中原有谐波。该方法能够较好地抵消脉冲噪声干扰,具有收敛速度快、灵活性好、稳态误差小等优点。除此之外,由于采用了自感知执行器原理来实现有源滤波器,该方法即使在出现故障情况下也不会放大谐波。仿真结果表明,在脉冲噪声环境中,所提出的谐波抑制方法性能明显优于已有其他方法。实际实验结果也验证了该方法对实际电力系统谐波抑制的有效性。(3)尽管卡尔曼滤波理论已在谐波检测领域得到应用,但存在高斯约束问题。为此,本文提出一种基于粒子滤波的电力系统谐波检测方法。在该方法中,首先对电力系统谐波检测问题进行建模,即在已知谐波频率的前提下,对各频率成分的幅度和相位进行估计；然后,基于粒子滤波原理对系统状态进行更新,其中重要性密度函数采用状态转移先验概率,重要性采样重采样选用的是系统重采样方法；最后,根据更新的状态向量来估计当前时刻的幅度和相位信息,实现谐波检测。仿真结果表明,在脉冲噪声环境下,所提出的基于粒子滤波的方法性能优于基于卡尔曼滤波及其改进理论的谐波检测方法。