近年来,随着电力电子技术的飞速发展,电力系统涌现出较严重的电能质量问题,如谐波污染、无功问题、电压波动及不平衡等。有源电力滤波器(Active Power Filter,APF)被公认为是治理电网谐波及无功污染、改善电能质量的有效手段,已成为电力电子技术应用中一个比较新的研究热点。但是APF在国内的应用还远未成熟,与无源滤波器相比,有很多问题有待进一步研究和完善。APF通过产生与谐波电流具有相同幅值和相反相位的补偿电流来达到消除谐波的目的,因此控制器的设计对有源滤波器的输出能否快速、准确地跟踪参考电流起到关键的作用。为了获得理想的补偿特性,考虑到有源电力滤波器系统中指令信号为周期信号的特点,针对重复控制器会造成一个周期延时的缺陷,本文设计了神经网络PI重复控制器。该控制器利用神经网络优化PI参数,改善系统的动态响应,使得APF迅速跟踪实时变化的指令电流,弥补重复控制器延时的缺陷;当系统进入稳态后,利用重复控制器提高谐波跟踪精度,消除稳态误差。但是神经网络PI重复控制器由于每个采样时刻都需神经网络进行学习用以优化参数,计算量大,而递推积分PI控制器相当于N个PI控制器并行工作,只需在一个周波内进行神经网络的学习,因此可以大大提高快速性及准确度。因此,本文设计出神经网络递推积分PI重复控制器,通过神经网络对递推积分PI控制器的参数进行在线整定,加快递推积分PI控制的响应速度,同时利用重复控制器提高跟踪的稳态精度,因此具有稳态误差小、计算快、容易工程实现等优点,较之前提出的神经网络PI重复控制器,在APF的初始跟踪速度和初始跟踪精度上都有显著的提高。但上述方法都只适用于电网完全对称的情况,而在工程实际中,三相电网由于负载的不对称性具有负序的电流,为此提出正负序解耦的神经网络递推积分PI重复控制器。该控制器对正负序电流进行独立控制,用以实现逆变电路正、负序电流的无静差跟踪,抑制因电网不平衡所导致的APF直流侧电压出现2倍频谐波,从而实现电网不对称情况的谐波跟踪,提高系统的总体性能。最后的仿真分析证明了上述算法的有效性。