随着风电场的装机规模和装机容量的不断扩大,风电接入对电力系统安全稳定的影响不容忽视。在大规模风电并网后影响整个电力系统安全稳定运行的诸多问题中,系统暂态电压稳定性是一个需要特别关注的问题。为了能够快速且精确地判断出风电场接入电力系统后系统暂态电压是否稳定,本文提出了一种基于混沌粒子群算法和反向传播神经网络相结合的暂态电压稳定性评估方法。首先,本文从国内外风电发展现状入手,通过分析风电运行特性,建立了基于CPSO-FCM算法的风电场多机动态等值模型。该模型将混沌粒子群算法（Chaos Particle Swarm Optimization,CPSO）与模糊均值聚类（Fuzzy C-means,FCM）算法相结合,以风速、发电机角速度、转子电流、实时有功和无功功率等运行参数作为聚类指标,将风电场进行多机动态等值。在三相短路情况下,通过对电压的误差、有功功率的误差、无功功率的误差进行评估,验证了所提动态等值建模方法的有效性,为后续章节进行输入特征采集节省了时间。其次,本文根据特征选择原则结合已有研究选出了包括传统特征量和风电特征量在内的共32个原始特征量,然后应用核主成分分析方法（Kernel Principal Component Analysis,KPCA）对32个特征量进行分析计算,将特征量的维数从32降到13,为后续章节进行风电并网系统暂态电压稳定性评估缩短了计算时间。最后,针对现有传统方法存在的难以快速、准确地判断出风电场接入系统后系统暂态电压是否稳定的问题,本文提出了一种基于混沌粒子群算法和反向传播神经网络组合的风电并网系统暂态电压稳定性评估方法。采用混沌理论对粒子群算法的不足进行改进,将改进后的算法应用到反向传播（Back-Propagation,BP）神经网络的初始权值和阈值的优化中。然后根据输入特征采集原理采集系统故障前后的传统物理量和风电场相关的物理量作为CPSO-BP神经网络输入特征量进行监督学习,将得到的模型按照临界故障切除时间（Critical Clearing Time,CTT）裕度值的大小进行分类,将分类后的样本进行风电并网系统的暂态电压稳定性评估和CCT裕度值预测。最后利用英格兰10机39节点系统标准算例进行风电并网仿真分析,结果证明了所提方法的有效性以及适用性。