I denne avhandlingen har harmoniske komponenter og deteksjonsmetoder for harmoniske komponenter i kraftsystemer blitt undersøkt. Harmoniske komponenter i kraftsystem har vært et problem i lang tid, men på grunn av den økende bruken av ikke-lineære laster, som kraftelektroniske omformere, har mengden av harmoniske komponenter økt. I tillegg blir kraftnett hvor nye typer komponenter interagerer også utsatt for forplantning av harmoniske komponenter. Harmoniske komponenter kan forårsake alvorige skader på komponentene i kraftnettet, som for eksempel kan det forårskaje overoppheting av komponenter eller feilaktig utkobling av strøm brytere, og de bør dermed reduseres. En matematisk modell som beskriver de harmoniske komponentenes oppførsel nøyaktig kan være kompleks og utfordrende å beskrive. Selv om en slik matematisk modell eksisterer kan en slik modell være av høy orden og kan resultere i en kompleks kontroller. Som et alternativ til slik modellering vil denne oppgaven benytte seg av data analyse og on-line identifikasjonsteknikker som karakterisere kraftnetet under drift. Det er flere tilgjengelige metoder for å detektere harmoniske komponenter, og i denne avhandlingen vil empirical mode decomposition (EMD) bli undersøkt. Denne metoden, i motsetning til den hyppige brukte metoden fast Fourier transform (FFT), er en nyere utiklet metode som ble designet for å håndtere både ikke-linearitet og ikke-stasjonæritet. I tillegg til standard EMD vil en on-line versjon av metoden bli undersølt. Denne versjonen av EMD er en metode som muliggjør analyse av datastrømmer, som kan være egnet for å detektere harmoniske komponenter i sanntid og kontrollformål. Standard EMD dekomponerer et signal til en rekke modusfunksjoner kalt intrinsic mode functions (IMFs), som er forskjellige svingemoduser. Etter at dekomponeringen er fullført, kan frekvensene for hver IMF beregnes og signalets harmoniske komponenter kan detekteres. For online EMD detekterer moduser blokkvis gjennom et glidende vindu som muliggjør analyse av datastrømmer i sanntid, dog med en tidsforsinkelse. I denne oppgaven har EMD blitt anvendt på et målt strømsignal ved hjelp av både en Python-kode og MATLAB-kode, hvor forskjeller i dekomponeringen ble funnet. Python-koden var i stand til å identifisere alle frekvenskomponentene til strømsignalet, mens resultatene som ble oppnådd med MATLAB led av blanding av modusene (mode-mixing). En forlenging av strømsignalet ble gjort for å gjøre den egnet for online EMD. Denne forlengingen ble analysert ved hjelp av standard EMD, både i Python og MATLAB, og online EMD. Når signalet ble forlenget, ble mode-mixing et problem for begge kodene. For å undersøke hvorfor mode-mixing oppstod, ble et syntetisk signal som imiterer strømsignalet konstruert og analysert med online EMD. Det ble funnet at hvis amplitudene til de harmoniske komponentene ble fordoblet, var det ingen mode-mixing. For sanntidsapplikasjoner er det viktig å vite tidsforsinkelsen av online EMD fører med seg. Derfor ble tidsforsinkelsen for et syntetisk signal uten mode-mixing undersøkt.