频率是电能质量的重要指标之一,是反映电力系统运行状态的重要参数。自适应滤波理论在近年来已经获得了极大的发展,并且已广泛应用于系统辨识、主动噪声控制、回声消除、波束形成和电网谐波参数估计等领域中。有不少学者尝试将经典的自适应滤波理论应用于频率估计中,并取得了不错的效果。本文在深入研究现有的增强型复数最小均方（ACLMS）算法的基础上,针对频率估计中的不同环境,提出了几种增强型自适应滤波算法,拓展了自适应滤波理论在频率估计中的应用范围。首先,本文针对ACLMS算法的代价函数进行改进,在保证算法具有较低的计算复杂度和较快的收敛速度的前提下,尽可能减小算法的稳态误差,提出了增强复数最小均方/四次方（ACLMS/F）算法。该算法的代价函数结合了最小四次方（LMF）代价函数和最小均方（LMS）代价函数的优点,在背景噪声为高斯白噪声时拥有比ACLMS算法更好的稳态性能。本文还对该算法进行了性能分析,得到了算法稳定运行的步长范围,并使用MATLAB进行仿真,模拟电力系统不同运行情况,测试了所提出算法的频率估计效果,仿真结果证明算法拥有比ACLMS等算法更优越的稳态性能。其次,针对在冲击噪声环境下ACLMS算法频率估计性能严重恶化的问题,提出了一种增强复对数双曲余弦函数（AClncosh）算法。该方法在ACLMS算法的频率估计模型的基础上,将代价函数改为对数双曲余弦函数,提高了算法的抗冲击性能。在冲击噪声环境下针对电力系统平衡和不平衡条件对算法进行了计算机仿真验证,证明算法无噪声与高斯白噪声下有不亚于ACLMS算法的性能,在冲击噪声条件下不会像ACLMS算法那样出现严重的性能下降。分布式自适应算法一直是近年来一个重要的研究课题,大量的自适应算法被扩展到分布式网络中,且已经有学者将分布式自适应算法应用在频率估计中。作者在提出的AClncosh算法的基础上,将算法扩展到分布式网络中,提出了扩散型增强复对数双曲余弦（DAClncosh）算法,并分析了算法的均方性能,得到了算法稳定运行的步长范围。在MATLAB仿真中,结合电力系统不同运行情况验证了算法的频率估计性能。