随着我国电力工业的迅速发展,电力系统规模不断扩大,已发展为大区互联电网。互联电网有利于提高发输电的运行经济性和可靠性,但多个区域电网互联有可能引发低频振荡现象。电力系统的低频振荡过程具有较强的随机性与非线性特征,对电力系统低频振荡模式特性进行分析能够揭示振荡模式和传播特性。有效跟踪系统的振荡模式,可准确预测系统的不稳定现象,为系统分析与紧急控制提供重要参考。然而,电力系统低频振荡过程中的低频振荡模式变化多样,振荡过程复杂多变,且响应过程常夹杂着各种外部噪声干扰,导致现有的一些低频振荡动态特性分析方法效果欠佳。为此,研究区域互联电网低频振荡模式特性分析新方法具有重要的理论与实际应用价值。本文结合现代信号处理方法,提出一种原理更加简便,快速的新型方法应用于低频振荡模态模式辨识相关作用研究。本文提出一种基于小波包与支持向量机(SVM)的低频振荡模式辨识方法,将用于分类辨识的支持向量机引入低频振荡模式辨识中。本文阐述了小波包应用于信号去噪分析以及在信号能量特征向量提取方面的基本理论,并将其应用于低频振荡信号提取方面;随后讲述了支持向量机的基本原理,如何对数据进行分类等进行了详细的分析。本文根据低频振荡的信号特点,首先对广域量测信号进行小波包去噪处理,通过大量实验得出去噪所适用的小波基,在得到去噪后的信号,并与原始信号进行对比拟合,再对去噪后的信号进行小波包能量特征向量提取,得到含有模式特征的能量特征向量,由于维数较大,采用主成分分析,通过贡献率等对其进行降维处理,得到降维后的能量特征向量,采用大量数据样本的能量特征向量对SVM进行训练,得到低频振荡模式辨识的辨识分类器。从而对信号进行处理后采用SVM模式辨识器对低频振荡信号进行模式辨识。通过算例分析以及节点模型实测信号仿真分析,并将结果与Prony算法分析得到的结果进行对比,验证得到本文方法原理简单便捷,分类得到的结果准确,可靠性高,实时性好,能够对低频振荡进行很好的模式辨识。