随着大规模新能源并网及大量电力电子装备投入,系统呈现电力电子化特征,其弱支撑性及低抗扰性导致系统发生连锁故障的风险不断增加。快速准确的电力系统扰动识别,有助于采取针对性的控制措施,以确保系统安全稳定运行。同步相量测量单元（phasor measurement units,PMUs）作为最有效的动态测量工具之一,能够实时动态监测系统全局的运行工况变化,为数据驱动的电力系统扰动识别创造了条件。针对大规模新能源接入后,扰动机理复杂、物理建模困难、特征提取困难等问题,论文以新能源电力系统为研究对象,采用数据驱动的研究思路,分别从扰动检测,扰动分类以及扰动定位三方面展开研究,旨在为系统扰动抑制措施提供有效的指导信息。本论文所做主要研究工作和创新成果如下:（1）提出了考虑数据质量问题的扰动检测方法。揭示了 PMU异常数据行为特性,提出了基于差分TKEO与3Sigma准则的异常数据初筛方法,解决了低强度扰动漏检问题;提出了基于局部离群概率的扰动检测方法,利用不良数据与真实扰动数据的差异性特征,实现了两者地有效区分。当PMU含20%不良数据时,所提方法扰动误检率与漏检率较现有方法分别降低了 11.16%和7.3 1%。（2）提出了适用于扰动分类的鲁棒特征提取方法。揭示了 PMU不良数据导致无法建立数据与分类特征的正确映射问题;提出了基于双通道时间卷积增强网络的特征提取方法,建立了含不良数据的扰动数据与正常扰动数据的非线性映射关系,实现了含不良数据场景下扰动特征的有效提取。当PMU含20%不良数据时,所提取的特征仅对扰动分类产生1.49%的影响,较现有方法降低了 10.1%。（3）提出了适用于高比例新能源电力系统的扰动快速分类方法。揭示了新能源高渗透率下扰动类内差异性与类间相似性增大的现象,提出了基于度量学习的扰动分类方法,增大了不同扰动的差异性表达;提出了自适应数据窗长选择方法,通过监视扰动分类置信度,实现了分类算法的自适应跳出。在60%新能源渗透率下,所提方法分类精度较现有方法提升了 11.11%,数据窗长减少了 86.46%。（4）提出了数据-知识联合驱动的扰动定位方法。揭示了扰动定位的定位代价特性以及扰动类型-系统拓扑约束问题,刻画了扰动定位约束优化问题;提出了计及PMU量测数据与系统拓扑结构的定位特征提取方法;设计了考虑知识约束的损失函数,实现了知识规则指导数据驱动方法进行决策,提高了扰动定位精度和定位结果可信度。所提方法定位精度达97.65%,较现有方法提升了 22.29%。