随着经济和科学技术的不断发展，大量非线性电力电子装置应用到电力系统中，加剧了谐波源对电力系统的污染，严重地降低了电能质量。为了保证电力系统设备安全运行和满足用户对电能质量要求，需要研究出更为合理且适用的谐波检测方法。因此，谐波检测及治理成为电力科学工作者亟待解决的一个技术问题。首先，详细地介绍了各种谐波检测算法，并分析了算法的运算过程及优缺点。根据电力系统中谐波的幅频特性，运用数学形态学的理论，通过合理选取结构元素，采取数学形态学拓扑结构的膨胀操作和腐蚀操作对谐波信号函数进行分析及运算，结果证明：数学形态学拓扑结构运算方法，对信号函数中携带高斯等噪声源有很好地处理效果。其次，针对许多谐波检测算法不能精确地检测出谐波频域分量和滤除信号函数中的噪声信号，提出了一种改进型的基于数学形态学的正序基波谐波检测方法。该方法是利用坐标转换及构建新的电压和电流关系，提取电力系统中的正序电压参数，运用数学形态拓扑结构的运算滤掉高次谐波，再通过空间逆转换为理想的三相电流矢量值。该算法能精确地检测出电力系统中的谐波频域分量，也能很好地滤除信号中的高次噪声源。最后，在数学形态学检测方法的基础上，运用神经网络及自适应的特点，提出了一种融合基于数学形态学的自适应神经网络谐波检测方法。通过调整神经网络权值来动态控制数学形态学滤波器运算方式，既能动态地对电力系统信号进行处理和分析，又能精确地检测出谐波分量。该方法通过合理地选取参考输入对象，对自适应运算过程中产生的误差进行最小均方准则估算，动态地调整神经网络的权值，使形态学拓扑滤波器的处理效果和参数性能达到最佳值。通过实例在matlab/simulink平台进行仿真分析，实验结果数据表明该检测方法是有效的。