1.一种故障后电力系统暂态稳定预测方法，其特征在于，包括以下步骤：步骤一，在计及发电机端电压波动的基础上，通过时域仿真法获取特征数据集，用于分析发电机端电压波动对电力系统暂态稳定评估准确率的影响；步骤二，对特征数据集进行特征选择，应用皮尔逊相关性系数结合Relief算法对原始数据集进行降维处理，用于快速的筛选出较优的特征子集；步骤三，基于样本与SVM分类超平面的距离值定义不确定样本，用于降低计算量；步骤四，通过筛选出不确定样本并利用故障切除后后续采样时刻的特征数据进行分析，用于减少不确定样本的数量；

所述步骤一中，通过时域仿真法获取特征数据集之前，包括用PSAT软件搭建新英格兰十机三十九节点电力系统模型，仿真平台是基于MATLAB R2016a；

所述步骤二中，对特征数据集进行特征选择包括：选择发电机转子角转速机械量的34维特征；

所述步骤二中，应用皮尔逊相关性系数包括以下步骤：首先计算特征之间的皮尔逊相关性混淆矩阵 ，然后筛选出矩阵 中元素绝对值大于等于0.99的元素，不包括矩阵中的主对角线元素，最后记录其在矩阵 中的相对位置坐标并进行下一步的分析；

所述步骤二中，在通过Relief算法对原始数据集进行降维处理之前，还包括对特征进行了线性归一化处理将其归一到[0,1]；

所述步骤三中，样本是对故障切除后0.1‑0.3s进行数据采样，SVM分类超平面由式表示， 与 表示求解优化问题得出的最优分类超平面参数，的大小表示样本与最优分类超平面的距离，正负表示与超平面的相对位置， 表式将样本数据映射到高维空间；

所述步骤三中，样本与分类超平面的距离值小于2的样本定义为不确定样本。