电力系统中发生的各种扰动会破坏系统的稳定性,严重时将导致用户供电中断,甚至使整个系统崩溃,因此及时定位扰动源的位置有利于维护电力系统运行稳定性,而扰动定位准确与否与数据收集的精确度密切相关。同步相量测量算法作为同步相量测量装置(Phasor Measurement Unit,PMU)的核心,在系统动态安全稳定监测与控制方面起着重要的作用,其数据测量精度直接影响扰动定位的准确度。各种扰动常使系统处于动态条件下,而目前商用的同步相量测量算法仅对静态系统的数据收集具有高的精度,且受制于Nyquist采样定律,具有数据收集量大、占用系统资源高的缺点。因此研究一种适应系统因扰动导致动态变化且采样率低的同步相量测量算法对扰动源的定位工作具有重要的意义。为准确定位扰动源的位置,本文从PMU数据收集方面入手,在适应系统动态条件、提高数据测量精度、降低数据采样量三方面进行了深入研究,提出一种基于压缩感知算法的同步相量测量算法,并将其用于PMU数据测量中,并结合系统扰动的特点,提出一种基于压缩感知向量匹配的电力系统扰动定位方法。论文的主要工作有:(1)针对目前商用同步相量测量算法的缺点,本文利用压缩感知算法通过与常用的Gabor稀疏原子对比后选取效果更好的四参数Chirplet原子作为稀疏原子设计稀疏字典进行信号稀疏化;然后使用正交匹配追踪算法进行信号特征提取;最后通过提取的特征重建出原始电力信号,完成同步相量测量算法的改进。此方法具有数据收集量小、动态适应能力强、精度较高等优点。(2)通过数量有限的PMU装置运用优化的动态同步相量测量算法,收集扰动前后系统数据作为观测数据,结合不同扰动的特征及系统拓扑结构构造扰动定位过完备字典,最后运用压缩感知重构算法对观测数据与过完备字典进行匹配,完成扰动源的定位工作。本部分主要围绕电力系统中切机与切负荷扰动展开研究,并定位到具体扰动点,同时估算了负荷投切量占系统负荷总量的比例。