随着电力电子技术的飞速发展,越来越多的电力电子装置被广泛应用于工农业生产和人民生活中。电力电子装置在提高工农业生产效率和人民生活水平的同时,由于其非线性负载的特性,使谐波电流和无功电流大量注入电网,给电网带来了大量的电能质量问题。有源电力滤波器由于能够实现谐波抑制和无功功率补偿双重功能,并且对谐波频率和幅值都在变化的负载也能进行很好的补偿,这极大的弥补了传统的LC无源电力滤波器的缺陷。本文首先介绍了有源电力滤波器的工作原理和技术发展现状,总结了各种谐波无功检测技术和电流控制技术的优缺点,针对目前检测控制技术存在的不足,提出用神经网络来解决这些问题。本文中对人工神经网络的原理、学习方法和训练算法进行了详细的介绍。提出了将自适应线性神经网络的谐波无功检测方法,该方法精度高,对负载电流有自适应性。并在传统滞环控制的基础上,训练一个BP神经网络控制器来实现滞环控制的功能,实现对补偿电流的控制和动态跟踪,提高了滞环控制的性能,系统也因此对参数变化有较强的不灵敏性和鲁棒性。有源电力滤波器的LCL输出滤波器决定了系统的补偿性能和稳定性,是APF系统设计的一个关键问题。单纯靠工程经验进行参数整定则会顾此失彼,效果不好,为此本文采用遗传算法对200A的有源电力滤波器的实验样机的LCL输出滤波器的参数进行优化设计,满足了各个技术要求。并针对阻尼电阻能耗较大的情况,用控制方法产生的虚拟电阻去代替实际的阻尼电阻而不会产生能耗,提高了系统的效率,取得了较好的效果。对文中提出的检测方法和控制策略,均在MATLAB软件环境建立了仿真模型,通过仿真验证了其正确性和可行性。