为解决低频振荡分析中广域量测系统存在量测噪声影响和应用希尔伯特黄变换(Hilbert-Huang　transform,HHT)进行模态辨识中的模态混叠和伪分量问题,提出基于Stein的无偏似然估计(Stein　unbiased　risk　estimate,SURE)小波阈值消噪和改进的补充集合经验模态分解希尔伯特黄变换(modified　complementary　ensemble　empirical　mode　decomposition　and　Hilbert-Huang　transform,MCEEMD-HHT)的低频振荡分析方法。首先,对含较强噪声的电网量测低频振荡信号,采用SURE小波阈值消噪实现信号预处理。其次,引入排列熵算法改进CEEMD形成MCEEMD,有效抑制经验模态分解中的模态混叠和伪分量现象。最后,对MCEEMD分解得到的低频振荡真实模态进行HHT分析。通过复合信号测试、IEEE四机两区域系统仿真以及实测北美电网数据分析,验证了所提方法在电力系统低频振荡分析中的有效性。此外,与快速傅里叶变换(fast　Fourier　transform,FFT)、Prony算法分析进行对比可知,所提方法在模态参数的提取方面表现得更为准确,且无需人为定价。