电网的广泛互联以及新能源的大规模接入,使得电力系统的结构和规模发生了深刻的变革,传统电力系统正在向新一代能源电力系统进行转变。新一代能源电力系统的重要趋势和关键特征就是“双高”,即高比例电力电子设备和高比例可再生能源。“双高”电力系统的动态特性也随之发生了深刻的变化,产生了新的稳定性问题。其中,电力系统发生低频振荡的概率不断增加,而且表现形式也变得更为复杂。出现了包括密集型低频振荡、间歇型低频振荡等在内的新型振荡模式,这些新型振荡都会危害到电网的安全。因此,对低频振荡进行监测和振荡扰动源定位仍具有重要意义。研究低频振荡问题,首要任务就是振荡参数的准确辨识。为了提高低频振荡参数辨识的准确性和快速性,本文将解析模态分解方法（AMD）应用于低频振荡的参数辨识。首先对信号进行快速傅里叶分析。其次,结合低频振荡在线监测的特点,给出主导模态确定准则,确定主导振荡模态频率。再次,对相邻的主导模态频率取均值作为截断频率,采用AMD对信号进行分解得到单频信号。最后,对分解得到的单频信号进行希尔伯特变换并结合最小二乘法得到低频振荡的频率、衰减因子和阻尼系数。仿真案例验证了AMD方法适用于典型低频振荡信号的在线分析和监测。为了进一步提高AMD方法对新型低频振荡（密集型和间歇型低频振荡）参数辨识的准确性,论文对AMD方法进行改进,改进的核心问题就是确定AMD分解的最优截断频率。首先,根据信号快速傅里叶分析得到的频率及幅值构造辅助信号,计算分解得到的单频信号与辅助信号之间的欧式距离作为选择最优截断频率的依据。其次,利用混沌粒子群优化算法迭代,快速寻找欧式距离最小时对应的频率,即为最优截断频率。最后,根据得到的最优截断频率对信号进行AMD分解得到单频信号,进行参数辨识。改进AMD（IAMD）方法的参数辨识准确性得到进一步的提升,可以实现对密集型低频振荡和间歇型低频振荡参数的准确辨识。强迫功率振荡扰动源的定位是低频振荡领域研究的另外一个重要问题。为了快速、准确地实现扰动源定位,本文首先通过IAMD方法的滤波功能获取与振荡强相关的有功功率波动和电压频率波动分量,然后计算出能量函数,应用支持向量机智能分类方法进行扰动源的准确定位。仿真和实例验证了两者相结合的方法可以快速准确地完成强迫振荡扰动源的定位。