随着现代工业技术的快速发展,对电力的需求量逐年增高,人们对电网质量的要求也越来越高。与此同时,电力电子技术的蓬勃发展间接导致了日益严重的谐波污染问题,严重威胁到电力系统的安全性和稳定性。并联型有源电力滤波器(Shunt Active Power Filter,SAPF)是一种普遍使用的滤波装置,跟无源滤波器(Passive Power Filter,PPF)相比,可控性强,便于操作,适用面较为广泛。通常一个完整的SAPF系统包含4个环节:锁相环(Phase-Locked Loop,PLL)、谐波检测、输出电流控制和直流侧电压控制。大多数传统软件锁相环(Software Phase-locked loop,SPLL)只能按照正向顺序锁定精确的电压,而无法按反向顺序准确锁定,结合所讨论的锁相环电压原理,考察了电压矢量角反序变化的性质,分析了产生这种现象的原因,针对反向顺序设计出一种自适应锁相环,可以在正确的正序电压和反序电压下完成锁相。利用人工神经网络(Artificial neural network,ANN)具有强大的自适应性以及对任意非线性逼近能力的特点,提出一种基于BP神经网络的谐波电流检测方法,在神经网络的输入端增加一附加量,将检测到的三相负载电流和虚拟磁链空间位置角作为神经网络系统输入,以改善神经网络的检测性能,提高检测的准确性。针对传统模型预测算法存在局限性的问题,本文结合预测模型预测的优缺点提出一种多步预测模型算法,并给出其具体实现方案,来提高预测精度,同时详细说明了多步预测算法的优越性。在传统有源电力滤波器直流侧电压的PI控制的基础上,设计了一种新型参数自整定模糊PI控制方法。与传统的PI控制方法相比,在参数自整定模糊PI控制下,直流侧电压的超调量更小其响应时间更短,能够满足负载突变情况下直流侧电压控制的要求。并且使用参数自整定模糊PI控制对直流电压控制时,电压环对2次谐波的抑制能力要强于PI控制对直流电压控制时的情况。