数字仿真是电力系统运行规划与事故分析的基础。电网以安全运行为首要原则,多数情况下研究大电网的运行特性,尤其是受扰后的动态特性通常用仿真来模拟。对于发电机励磁系统而言,当模型结构确定后,其参数的准确性直接关系到仿真结果是否真实可靠。参数辨识为准确获取系统参数的有效途径,合理地选择参数辨识方法能有效提升辨识的精度和效率,但在实际工程中参数有时却不可唯一辨识。针对在有限测点下励磁系统部分参数关联导致辨识结果不稳定的情况,本文基于参数轨迹灵敏度构造矩阵,利用奇异值分解选取子列集的方法将励磁系统参数划分为关联参数集和非关联参数集。然后通过求解判别系数,将相关联的系统参数划分至几个独立的参数集,并合理地选取参数代表赋值解除参数耦合。考虑到励磁系统的非线性问题,最后采用改进遗传算法对参数进行了精确辨识。算例结果验证了本文方法的可靠性。同时可辨识性分析能够为参数辨识提供理论依据,提高辨识结果的可信度。此外,计及现场试验中的测量误差,本文利用统计学中的贝叶斯方法,通过求解联合后验概率分布来判别在量测数据中叠加噪声时参数的实际可辨识性。结合参数的先验,可有效地避免算法陷入局部最优。由于励磁系统模型较为复杂,似然函数的计算较为棘手,故引入近似贝叶斯计算的方法避开似然函数的求解,通过序贯蒙特卡洛采样得到待辨识参数的后验分布。最后经过算例分析,对比基于轨迹灵敏度的参数可辨识性判别方法,揭示了参数实际不可辨识的原因,验证了该贝叶斯方法的有效性。