随着特高压电网的快速建设以及电网规模的不断扩大,电网的动态特性也变得更为复杂,电力系统低频振荡表现出明显的时空分布特性,给低频振荡的分析带来严峻的挑战。近年来借助于同步相量测试单元(Phasor Measurement Unit,PMU)的电网广域测量系统(Wide Area Measurement System,WAMS)得到了快速发展并被大量应用于大规模互联电网中。电力系统机电振荡参数识别主要根据WAMS量测数据,利用相应的信号分析或参数辨识方法提取振荡频率、阻尼比和振荡模态等特征参数对于电力系统安全评估具有重要意义。本文基于广域量测信息研究了机电振荡模态提取和分析的新方法。动态模式分解算法被用来分析电力系统机电振荡的全局行为特征。算法的核心目标是求取系统低维近似矩阵。用该矩阵的特征值来近似估算系统矩阵的特征值,即可以在系统矩阵未知的前提下,分析系统低维近似矩阵即可研究原系统的动态特征。实际系统数据采集过程中,由于环境和量测装置误差等原因,实测数据中存在不同程度的噪声污染问题,噪声的存在给模态提取带来了很大困难。而传统动态模式分解算法忽略了数据集中量测噪声的影响,为此本文提出了基于优化动态模式分解算法(Optimized Dynamic Mode Decomposition,OpDMD)的耦合振荡模态参数提取方法。OpDMD算法运用变量推测法和有限差分近似算法增强了传统动态模式分解算法的抗噪能力,能够直接从噪声强度不同的WAMS实测数据集中提取具有明显时空分布特征的全局振荡,并以模式能量为量化指标,实现了主导振荡模式的提取。IEEE 14机5区域简化系统、IEEE 16机68节点系统以及中国东北地区电网实际系统的计算与分析结果表明,本文提出的算法能够从含噪声的多模态耦合振荡数据中准确提取相应振荡模态的时间特征(振荡频率和衰减速度)和空间特征(发电机同调)信息,并识别主导振荡模式。