I dag er det en kontinuerlig overgang fra distribuert kraftnettverk til fremtidens Smartnett. Det er en tydelig trend med økende innslag av fornybare energiressurser og kraftelektroniske komponenter i nettverket. Faktorer som ulineære laster og lavt treghetsmomentet fører til økte forstyrrelser i systemet. Det øker risikoen til overoppheting og redusert levetid av nettverkkomponentene. Det er derfor av interesse å måle og identifisere disse forstyrrelsene. Disse forstyrrelsene består av harmoniske svingninger, som er multipler av grunnfrekvensen. Frekvensskanningsmetoder er ofte brukt for å måle harmoniske svingninger, men lider på grunn av tidsforsinkelsen som skapes ved konverteringen fra tids- til frekvensdomenet. Det er derfor behov for en sanntidsidentifikasjonsmetode som kan måle disse svingningene og muliggjøre en videre stabilitetsevaluering av systemet. Denne masteroppgaven analyserer flere Kalman-filtre basert på sanntidsidentifikasjonsmetoder i et likerettersystem, blant annet Utvidet Kalman-filtre og Adaptivt Kalman-filtre. Resultatene er sammenlignet med en impedansemodeleringsmetode basert på harmonisk linearisering. Det Adaptive Kalman-filtret gir svært gode resultater. Videre analyserer basert på ikke-karakteriske harmoniske svingninger. Ved å injisere systemet med en stegfunksjon klarer vi å hente ut informasjon av ikke-karakteriske signalkomponenter fra transientresponsen. Det viser lovende resultater og åpner for videre utvikling og fremtidig forskning av transientanalyse basert impedanseestimering.