随着新型电力电子设备的大量使用以及特高压互联电网的逐步形成,电力系统模型结构日益复杂而且规模也逐渐庞大,这些因素给电力系统运行的安全稳定带来了巨大挑战。针对电力系统模型的新特征,本文基于广域量测系统从电力系统精准建模和动态模型高效应用两个方面,对电力系统动态参数辨识与模型降阶方法进行了深入研究。在电力系统精准建模方面,本文以同步发电系统作为研究对象,从非连续模型辨识、多情景辨识以及小扰动辨识三个方向,研究了基于电网扰动的在线参数辨识方法。首先,针对动态元件的非连续动态行为,提出了适用于非连续动态模型的空间正则化参数辨识方法。该方法利用Heavyside函数将不同状态空间下的动态行为进行统一等效,并使用非线性规划算法对含有离散化等效动态方程约束的优化问题进行求解,以实现非连续动态系统的准确、高效辨识。另外,针对非连续环节的切换参数辨识问题,提出了分阶段辨识方法,以提高相应辨识效果。其次,为提高在线参数辨识方法的辨识精度,提出了一套系统化的多情景参数辨识方法。该方法分为四个步骤:第一步通过多情景参数可辨识性分析方法,选择可辨识参数;第二步根据情景可辨识性指标,对情景进行排序并筛选主导情景,以平衡多情景辨识问题中辨识精度与计算效率之间的矛盾;第三步在选择适当的参数与情景之后,利用情景解耦的简约空间内点算法,将情景相关联的矩阵计算分布在不同计算单元上,以实现参数辨识问题的并行求解;第四步则通过卡方检验对异常情景进行检验和识别,以消除异常情景中的坏数据,提高参数辨识结果的准确性。最后,针对小扰动下测量误差与扰动大小相当的情况,提出了考虑输入误差的参数辨识方法,有效校正输入误差对参数辨识结果的影响。同时,提出了基于Lagrange乘子的输入变量筛选方法,降低优化问题自由度,提高辨识算法的求解效率,并避免过拟合现象。另外,针对小扰动下辨识信息不足的问题,利用Tikhonov正则化方法引入参数先验知识,增加参数可辨识性,并通过交叉检验的方式选择最优参数,以保证参数辨识结果的准确性。在动态模型高效应用方面,分析了扩展Krylov子空间方法求解Lyapunov方程的计算耗时环节,根据电力系统动态模型雅克比矩阵的稀疏结构特性以及Lyapunov方程的对偶特性,提出了一种稀疏扩展Krylov子空间的模型降阶方法,以实现大规模电力系统动态模型的快速、准确降阶。分析了不稳定系统中平衡截断方法失败的原因,利用谱位移变换方法将所提出的模型降阶方法进行扩展,以实现不稳定系统的动态模型降阶。并且,提出了基于系统降阶模型的PSS参数优化方法,在实现PSS参数的快速优化的同时,保证优化后的PSS控制器能够有效抑制原系统存在低频振荡。