谐波检测的三大方法

一、模拟电路

消除谐波的方法很多，即有主动型，又有被动型；既有无源的，也有有源的，还有混合型的，目前都是采用有源电力滤波器。但由于电力谐波监测装置环节多采用模拟电路，因而造价较高，且由于模拟带通滤波器对频率和温度的变化非常敏感，故使其基波幅值误差很难控制在10%以内，严重影响了有源滤波器的控制性能。

近年来，人工神经网络的研究取得了较大进展，由于神经元有自适应和自学习能力，且结构简单，输入输出关系明了，因此可用神经元替代自适应滤波器，再用一对与基波频率相同，相位相差90度的正弦向量作为神经元的输入。由神经元先得到基波电流，然后检测出应补偿的电流，从而完成谐波电流的检测。但人工神经网络的硬件目前还是一个比较薄弱的环节，限制了其应用范围。

二、傅立叶变换

利用傅立叶变换可在数字域进行谐波检测，电力系统的谐波分析，目前大都是通过该方法实现的，离散傅立叶变换所需要处理的是经过采样和A/D转换得到的数字信号，设待测信号为x(t)，采样间隔为 t秒，采样频率 =1/ t满足采样定理，即 大于信号频率分量的2倍，则采样信号为x(n t)，并且采样信号总是有限长度的，即n=0，1……N-1。

这相当于对无限长的信号做了截断，因而造成了傅立叶变换的泄露现象，产生误差。此外对于离散傅立叶变换来说，如果不是整数周期采样，那么即使信号只含有单一频率，离散傅立叶变换也不可能求出信号的准确参数，因而出现栅栏效应。通过加窗可以减小泄露现象的影响。

三、小波变换

小波变换已广泛应用于信号分析、语音识别与合成、自动控制、图象处理与分析等领域。电力谐波是由各种频率成分合成的、随机的、出现和消失都非常突然的信号，在应用离散傅立叶变换进行处理受到局限的情况下，可充分发挥小波变换的优势。即对谐波采样离散后，利用小波变换对数字信号进行处理，从而实现对谐波的准确测定。

小波可以看作是一个双窗函数，对一信号进行小波变换相当于从这一时频窗内的信息提取信号。对于检测高频信息，时窗变窄，可对信号的高频分量做细致的观测。对于分析低频信息，这时时窗自动变宽，可对信号的低频分量做概貌分析。所以小波变换具有自动“调焦”性。

小波变换是按频带而不是按频点的方式处理频域信息，因此信号频率的微小波动不会对处理产生很大的影响，并不要求对信号进行整周期采样。另外由小波变换的时间局部可知，在信号的局部发生波动时，不会象傅立叶变换那样把影响扩散到整个频谱，而只改变当时一小段时间的频谱分布，因此采用小波变换可以跟踪时变和暂态信号。