作为电力系统安全稳定分析方法的重要组成部分,暂态稳定评估在维护电网安全方面一直发挥着不可替代的重要作用。近年来,随着电网技术向数字化、信息化、智能化的方向发展,暂态稳定评估方法也从传统的时域仿真法、能量函数法向模式识别法进行过渡,本文围绕基于模式识别的暂态稳定评估方法展开研究,主要研究内容如下:在特征构建方面,根据最小体积闭包椭球(minimum volume enclosing ellipsoid,MVEE)对系统轨迹信息进行优化处理,确定高维空间内包含所有轨迹信息的最小体积闭包椭球,并利用该椭球的物理属性构建输入特征集,以完成对特征集的降维处理,达到加强分类器模型特征辨识能力、提升暂态稳定评估精度的目的。在模型训练方面,将非平行超平面分类器(nonparallel hyperplane classifier,NHC)中的投影孪生支持向量机(projection twin support vector machine,PTSVM)作为分类器模型引入至暂态稳定评估中,建立基于MVEE与PTSVM的电力系统暂态稳定评估方法。与基于传统支持向量机的评估方法相比较,该评估方法更重视故障样本分布规律,泛化能力更强。通过对IEEE-39节点系统与Nordic32系统的算例分析验证了该方法的可行性和优越性。为进一步提高模型训练速度,在非平行超平面分类器模型PTSVM的基础上,将正则化项引入至其目标函数中并改进评估模型的内部约束条件,构建最小二乘投影孪生支持向量机(least square projection twin support vector machine,LSPTSVM),建立基于 MVEE 与LSPTSVM的电力系统暂态稳定评估方法。所提评估方法进一步提升了模型的求解速度,以满足对大规模电力系统进行评估时的计算效率需求。通过对IEEE-39节点系统与IEEE-145节点系统的算例分析验证了所提方法的准确性和有效性。