电能作为现代经济发展和社会进步的重要保障，其安全性、可靠性分析一直受到科研工作者的高度重视。近年来，随着电网互联范围的扩大，电网运行环境愈发复杂多变，随之发生的多起停电事故暴露出传统电力系统安全稳定控制体系的不足。快速、准确地电力系统暂态稳定紧急控制对于稳固电力系统第二道防线，防止电力系统稳定性遭受破坏乃至进一步引起电网解列崩溃具有重要意义。
　　传统电力系统暂态稳定控制方法大多依据扩展等面积准则量化评估相量量测装置实测曲线的稳定裕度。该类方法的有效性很大程度上依赖于受扰特征轨迹快速预测的准确性，一般处理方式难以匹配现今具有多源异构特点的电网数据。近年来不断发展壮大的人工智能方法凭借其强大的自学习能力再度活跃在电网建设的各个领域中，人工智能方法可有效摆脱电网模型的束缚，以多源异构的电网动态数据为输入，建立暂态问题中诸多影响因素与系统状态间的精准映射关系，为提升经济水平，保证地方用电安全提供了新的思路。
　　在基于响应信息进行电力系统暂态稳定紧急控制的研究中，如何快速、准确地辨识受扰系统同调机群以及等值机系统轨迹信息的超实时预测对暂态稳定紧急控制策略的优化具有重要意义，主要内容如下:
　　(1)基于电压相轨迹的运动相似性概念提出了发电机同趋性快速辨识的方法，构建了可以表征电压相轨迹运动差异度的特征平面，在保证精度的前提下提升同调机群辨识的时效性。
　　(2)在给定预想故障的前提下，构建了长短期记忆网络以快速预测等值机系统的受扰轨迹，并对输入数据进行三维处理，以保证预测模型能够充分挖掘各时间断面内特征受扰轨迹的演进规律，有效提升了模型预测精度。
　　(3)为保证系统可靠回稳，提升紧急控制系统动作的有效性，基于暂态偏差能量的概念提出循环监视功能，以切机动作后目标系统的相对动能同剩余减速面积的差额持续监视系统稳定性，以保证系统维持稳定运行。
　　本文采用IEEE-39系统算例验证了本文所提方法的有效性。仅通过故障后短时受扰轨迹信息，给出切机控制措施量，方法简单易于实现，且不受复杂网络模型的约束，对加强电力系统的安全防控水平具有重要意义。