经济社会的发展驱使电网规模扩大以满足更大的人类需求，大规模风光等可再生能源的接入使电网结构更加复杂，高压直流输电的成熟化使得交直流混联程度变高，这些都增加了电力系统运行的复杂性和不稳定性，同时也让电力系统暂态电压稳定评估的条件也越来越苛刻。
　　针对电力系统暂态电压稳定问题，需建立一种能不同于传统建模难、耗时长的分析模式，能够适应智能电网多变的运行方式，处理海量量测信息，满足在线监测的实时性和可靠性要求的评估控制系统。本文立足于此背景展开关于究电力系统暂态电压稳定性的评估方法研究，具体工作如下：
　　首先，本文从数据挖掘提取特征入手，提出了两种针对时序数据的特征提取方法，并分析两种方法的优劣势，结合实际电网的运行情况和数据特点，采用形态相似距离作为时序特征输入，为后续决策树模型的学习提供输入特征基础。
　　其次，本文重点介绍了评估模型采用的C4.5决策树算法，并引入样本分类不平衡的处理方法，将效果较好的代价敏感机制代入决策树中，给予失稳样本更多的关注度，减小类不平衡的影响，旨在具有较好分类性能的二叉决策分类树。
　　再者，本文就数据样本的标定，提出基于COPK-means的聚类算法对样本库进行聚，并与和工程判据法的分类情况进行了分析对比，择优选取分类指标较佳的作为基准。对于输入特征和代价敏感机制也进行了参数优化。
　　然后，针对IEEE-39节点算例，基于给定的条件仿真生成样本库，采用本文提出的方案进行学习，得到准确率高、预测效果好的评估模型。基于决策树的“白箱”性质，利用生成的规则对电力系统电压失稳规律进行分析，剖析电网暂态电压失稳的潜在特征。
　　最后针对提出方案的适应性和可移植性做出讨论，在IEEE-39原本算例中增加样本量，更新得到评估效果更好的决策分类树；在IEEE-9节点系统和NPCC48机系统上应用本文提出的方法，也得到了良好的结果。