随着互联大电网规模的日益扩大,为防止由于大区域间的功率振荡引起电网的大停电事故的发生,电力低频振荡的在线监测和分析问题越来越受重视。低频振荡在线监测和分析的本质,即先根据电力系统观测信号判断系统是否出现低频振荡,如果低频振荡的确出现,则通过分析信号中不同模式的振荡频率和衰减系数(阻尼),研究系统的动态过程,从而判断系统是否可以保持动态稳定,进而决定PSS的控制策略。为实现低频振荡的在线监测和分析,本文提出基于盲源分离算法的电力系统低频振荡模式分析方法。这是盲源分离技术首次作为模态分解工具,应用在低频振荡模式分析中。本文通过研究盲源分离技术,并进行仿真试验验证其对低频振荡信号进行模态分解的适用性和有效性。随后,本文提出了基于盲源分离技术的单通道低频振荡信号的模式分析方法。该方法的具体过程如下:首先,对电力系统观测信号进行预处理,包括计算观测信号的数学形态学梯度来定位低频振荡的起始点和基于Takens嵌入定理将单通道观测信号构造成多通道观测信号矩阵;然后,利用盲源分离技术——二阶盲辨识算法(Second Order Blind Identification,SOBI),处理多通道观测信号矩阵,从中提取出不同的单模式信号;最后,采用单模式信号的模态参数评估方法——Hilbert变换(Hilbert Transform,HT)技术,求出不同单模式信号的振荡频率和衰减系数,从而实现完整的低频振荡模式分析。然而,为解决低频振荡信号中模式个数(模型阶数)在盲源分离前未知,且噪声对分析结果影响的问题,本文提出通过结合迭代和主导模式识别程序来确定最优模型阶数,从而识别主导振荡模式的方法,即基于SOBI-HT的主导低频振荡模式识别(SOBI-HT based Dominant Modes Identification,SHDMI)方法。该方法的主要过程如下:在迭代程序中,以模型阶数为迭代变量,令其在一定范围内递增,并利用SOBI算法和HT技术来求解不同模型阶数下的模式分析结果;然后,利用主导模式识别程序从上述模式分析结果中确定最优模型阶数,并识别出主导振荡模式。为验证SHDMI方法的有效性和准确性,本文完成基于合成信号、仿真信号和真实测量信号的试验分析,并将本文方法与Prony和HHT算法进行性能的对比。试验结果证明,即使在噪声环境中,本文方法也可以有效地监测和分析单通道系统观测信号,从中识别低频振荡主导模式,并且跟踪不同模式的瞬时模态参数,从而分析系统的动态过程。