广域同步测量系统(WAMS)依次实现了电力系统的静态状态断面,故障(扰动)突变场景,以及后续的暂(动)态摇摆三个阶段的全过程同步电气量测,其实测数据蕴含了从静态到动态的丰富信息,对电力系统运行与稳定控制具有重要的意义;然而,如何把有用信息从海量的WAMS原始实测数据中提取出来,仍是一个棘手的难题。因此本论文针对WAMS实测数据,分别进行了静态断面、动态轨迹、扰动场景和暂态稳定的数据挖掘和信息提取研究,主要工作如下:提出了一种同时计及相量测量单元(PMU)节点电压和支路电流相量的混合量测非线性静态状态估计方法。该方法充分保留各种量测自身的精度,直接利用PMU支路电流相量量测(经过必要的坐标变换),与PMU节点电压相量量测,以及原SCADA传统量测一起进行混合非线性迭代计算。对本方法的量测误差也进行了详细的分析,并与其它方法的量测转换误差进行了比较。仿真结果表明,该方法与其它混合量测状态估计相比,在估计精度上有较明显改善,在收敛次数和滤波效果上也有所改进。为减少提出方法的收敛时间,还进一步实现了它的快速解耦算法。针对WAMS动态轨迹存在量测误差的问题,提出了一种电力系统机电暂态过程中的分布式状态估计方法。该方法选定发电机转子功角和电角速度作为待估计的状态量,利用PMU实测的发电机输出电磁功率实现了对发电机转子运动方程和外部网络的解耦,提出了基于线性卡尔曼滤波方法的动态估计模型;并对WAMS的量测误差以及模型动态噪声进行了详细的分析;给出了算法的整体流程及相应的坏数据检测和剔除方法。仿真结果表明,所提方法具有理想的估计精度,且计算速度快,能够满足实时应用的要求,可以更好地服务于电力系统安全稳定监控系统。提出了一种基于WAMS的电力系统扰动识别方法。该方法一方面选取扰动后的PMU实测正序支路电流相量作为特征提取量,另一方面利用叠加原理,在扰动分量网络中求取支路电流的估计扰动分量,进而通过实测特征提取量和预设事件的估计扰动分量之间的快速匹配(利用距离二范数),实现了对扰动类型和位置的快速有效识别,以改进稳控系统的故障场景识别和匹配。仿真结果表明了该方法的有效性。探讨了对WAMS实时动态轨迹应用轨迹量化分析工具时所遇到的一些难题,提出了一种基于WAMS的电力系统暂态稳定信息提取工程化方法。针对稳定裕度的求取,分析比较了基于辨识的参数冻结法和曲线外推法;在选取合适观察断面的同时,提出了一种通过构造综合功角来进行分群的新方法;还提出了一种综合判据以判别当轨迹遇到动态鞍点(DSP)点时是否会真正失稳。仿真结果验证了该工程化方法的有效性,该方法可以在系统的失稳特征尚不明显时,就及时判别出系统的稳定性。