本发明公开了一种基于电力系统多维特征的功率振荡类型判别方法，通过对低频振荡信号计算时域指标，频域指标、能量指标、互相关指标、自相关指标、样本熵指标和模态指标，建立了较完备的指标集，能够较完整地描述电力系统振荡的特征信息。本发明使用了互信息特征选择方法，相比广泛使用的Fisher判别法，互信息特征选择可以度量变量之间的非线性关系。使用互信息特征选择方法得到的特征进行模型训练，有助于提高训练模型的泛化能力和降低训练模型的复杂度,从而有效防止过拟合现象产生。本发明使用了机器学习分类器对电力系统功率振荡事件类型进行识别，相比传统分类方法，可以有效提高分类的精度和训练模型的泛化能力。