谐波检测技术是光伏系统安全稳定运行的重要保障。本论文对光伏发电系统中谐波检测算法进行深入研究，本文重点进行了以下工作：首先介绍了电能质量对用电的重要性及谐波对其的影响，详细讨论并比较了各类主流电网谐波检测算法在光伏系统中的适用性，最终选取人工神经网络谐波检测算法。人工神经网络谐波检测算法需要对各次谐波分别进行检测，光伏系统的复杂性与非连续性导致电路中含有的谐波频次异常复杂，常见的Hopfield和BP神经网络算法必定会含有较多的中间层，庞大的计算量造成算法收敛速度慢甚至不收敛，算法的速度和精度难以保证。为了选择出能与光伏系统高度融合的高精度、高灵敏且结构简单便于维护的人工神经网络。本文针对拓扑结构和特性等均不同的人工神经网络，进行了大量的对比研究工作。最终确定出了满足各项要求的线性Adaline网络。然后，为了弥补单一神经网络在谐波检测时，收敛速度慢、收敛精度不理想甚至不收敛，易陷入局部最小等问题，对粒子群算法的进行分析研究，将两种算法进行融合，设计出了一种功能更为完善的改进型算法。其是通过LDWPSO算法对人工网络中所有的权重值进行调整，并据此利用LDWPSO算法对旧有的人工神经网络算法进行改进，最终得出性能更为优异的ANN-LDWPSO算法。进而求得在收敛达到最小情况下的权向量以及谐波的振幅和相角值，从而成功的检测出光伏系统中存在的各次谐波，为以后的治理提供了可靠保证。接着，对单一Adaline和ANN-LDWPSO谐波检测算法模块分别编程，在仿真图上对比二者的性能，得到ANN-LDWPSO谐波检测算法在响应速度、收敛精度上都优于单一Adaline神经网络算法的结论，验证算法的正确性与可行性。同时，对光伏系统的主要组成结构及各部分的工作原理、等效电路图深入研究与分析，构造最佳数学模型，在此基础上，用Matlab搭建出光伏系统的仿真图，同时利用PWM控制器，对PCC点处的电压谐波进行了治理与补偿，仿真结果表明该方法的应用，提高了PCC点处的电压质量，证明了ANN-LDWPSO谐波检测算法为光伏控制系统谐波检测的研究开辟了一个新的领域。最后，在理论基础之上设计了光伏太阳能检测实验台的电气部分和检测监控页面，将算法模块融合进风光控制器中，对太阳能发电系统进行控制，监控结果再一次证明了谐波检测算法的通用性和实用性。