（3）基于傅立叶变换的谐波检测与分析

因为微电子科技和计算机网络科技的不断进步,根据谐波测量设定的傅立叶转换成为了当前运用最多的一类方式。其包含离散傅立叶转换准则的告诉傅立叶转换。将模拟信号转换为数字信号样本采集排列,应用计算机针对谐波进行研究与运算,获得振幅与相位的基波和谐波,从而获取更多的信息,如谐波功率、各种统计和谐波阻抗、谐波分析、多类研究与运算结论能够于屏幕中反映出输出需求。应用该方式检测谐波,具备较高精确性、较多功能应用以及便捷性。其存在的不足主要为：花费更多时间检测电流,并需实行2次转化和运算，耗费的运算时间更多，导致这种测量方式存在较多的延迟问题，测量结论就是较长时间之前的数值，因此，其实时性较差。此外，计算方法因为频谱泄漏与栅栏问题的影响，必定造成获得的频率，振幅以及相位不够准确，尤其是相位差较高，并不符合检测精确性的原则，从而使得想要获得所需的值，则必须改进算法来实现【12】。

（4）利用小波分析方法进行谐波检测与分析

小波分析(wavelet Analysis)是数学发展史上一个最新的果实，它不仅在数学领域被广泛使用，其在工业应用方面的表示也令人称赞。同时，其还在信号处置、语音辨别和语言合成、自动化管控以及图形处置几个领域内存在大量运用。其属于一类时频研究理念，也是傅立叶理论的崭新一页。其主要出自傅立叶理念，且借助该理念证实自身存在。所以，其无法替代傅立叶理念，可具备的高性能(比如，方向选取、时频域分辨率能够变化、研究信息量更少的特性)和傅立叶理论这些分析法相比，它是独一无二的。其借助此类优良的特性逐步变成了信号处置当中的一类新方式。并且消除了傅里叶理论彻底定位于频域当中，且无局部特点的问题，就是其可以处在频域，同样可以不处在时域当中。小波分析能够应用在把电网当中形成的谐波转化投射于多个尺度上，其体现了高频与傅里叶高次谐波特点。针对电信号中所有刻度进行分解研究，应用多分辨率理念，低频带（高尺度）结论，设定不包含谐波的基波构件。根据这种计算方法，能够应用软件设计出谐波测量回路，此类高运算速率的方式，能够迅速追踪谐波改变情况。若小波分析与神经网彼此整合，而设计与研发都根据谐波检测装置进行小波分析具备很重要的价值。

（5）基于神经网络的谐波检测与分析

神经网改变是最近些年来开发的非常受欢迎的学科，涉及生物，电子，计算机，数学和物理等学科，它被广泛地应用于许多领域，其发展将对未来科技发展至关重要，神经网络是一种可用于模拟人脑神经网络的功能和结构的系统。由于其基本的非线性特点，并行处置水平和较佳的强壮性，还有自动组织和自动学习的功能，受到人们的普遍关注，神经网络主要是在网络建设，样本确定和算法选择这三个方面应用于谐波的测量问题。目前有一些研究成果。有相关论文提出了几种新的谐波检测方式主要根据是神经网。这种方式应用前馈神经网作用的近似计检测。将谐波测量电路建立在相应的构建特殊的多层前馈神经网络上，提出训练计算方式与电路环节，明确了训练菜样的产生方式。从结论可以发现，这种方式完全可行。把神经网概念与自适噪音清除方式彼此整合，矩阵当成输入工具，设立对应的检测回路，该方式存在极佳的适应性。文献综述

谐波测量方式逐步向着智慧化、功能化以及实用性迈进，自视觉领域的测量转化至精确的研究与信号处置; 该方式还向着精确性、高速性以及实时性迈进，若想满足人们对于谐波测量高精度的要求，我们必须研究出新的谐波识别方法和数学方法。谐波检测将测量、控制和分析技术融为一体，只有在此基础上，创新建立起新的体系，提出新的谐波检测方法，才可以使使测量系统的成本降低、使高性波检测理论体系更加完善【13】。