大电网中重要通道上突发的线路短路、断线等大扰动会严重危害电力系统稳定运行。但是目前我国电力行业发展迅猛,电力系统处于快速发展阶段,现有电网规模及其复杂度也随之攀升,在大扰动后直接对如此复杂的电力系统进行仿真研究几乎是不可能的。针对此情况,对大型电力系统进行动态等值可以大大降低计算量,并能突出主要特征。其中同调等值法被广泛应用于大扰动后的暂态稳定分析中,其核心内容在于同调机组的判别,因此在电力系统发生大扰动故障后对快速识别同调机群具有重要的研究意义。综上所述,本文主要从事了以下几个方面的工作:（1）建立发电机同调模型,探讨了基于系统稳态运行数据应用模糊聚类法对系统进行同调分群的方法。（2）针对电力系统大扰动后同调机群快速识别研究的不足,基于高斯消去法分析了大扰动故障对同调分群的影响机理,并在此基础上提出了基于故障前后电纳矩阵的变化对同调分群结果快速修正的方法,最后在IEEE39节点上进行实验验证分群的准确性。（3）针对基于模糊聚类快速分群法因计算量大、部分分群结果不明确而不适用于大系统的不足,利用自组织竞争神经网络法对模糊聚类方法进行优化,丰富了发电机的特征样本。依据稳态训练的模型对扰动后离故障点近的发电机的特征样本参数向量进行实时识别,更新扰动后的同调分群。并在IEEE39节点上进行实验验证分群的准确性。（4）将得到的分群结果进行同调动态等值,并在39机节点系统对等值前后系统的潮流结果以及动态响应进行测试。结果表明:本文所提出的考虑大扰动影响的电力系统同调机组快速识别方法,能够在不依赖暂态仿真的情况下准确快速识别故障影响较大的发电机组,使所得同调机组分群结果可随着故障变化进行相应调整,且所得分群结果同暂态仿真结果能够保持一致性。最后得到的等值后系统与等值前的系统的动静态特性基本保持一致。证明了方法的有效性。