随着电网规模日趋扩大、时变因素日益增多和非线性逐渐增强,基于数据关联分析或者基于物理机理分析的电网暂态稳定评估方法在应用中面临着更多的挑战。充分利用数据方法与物理方法的互补特性,将二者联合,有望实现电网暂态稳定评估方法综合性能的提升,以应对这些挑战。本论文在国家重点研发计划（项目号:2018YFB0904500）课题“互联大电网高性能分析和态势感知技术”以及国家自然科学基金（项目号:51877037）课题“基于物理-数据融合的电力系统暂态频率态势预测理论与方法”共同资助下,针对电网暂态稳定评估中数据方法与物理方法如何有机结合的问题,系统地开展了“数据-物理驱动的电网暂态稳定评估方法研究”的论文工作,主要工作内容和创新包括:在调研现有数据-物理驱动方法研究成果的基础上,归纳总结了数据-物理驱动方法中数据方法与物理方法联合的典型模式;并进一步针对基于物理或基于数据的电网暂态稳定评估方法中面临的问题,提出以数据-物理联合驱动为基础的解决方案。本文的主要研究成果如下:1)以各研究领域中数据-物理驱动方法联合应用方式的调研为基础,对数据-物理驱动方法的研究现状进行整理归纳,总结概括了四种典型的数据-物理驱动方法的联合模式包括反馈模式、串行模式、并行模式和引导模式,为数据-物理驱动方法进一步在电网暂态稳定评估问题中的研究应用提供基础。2)针对电网暂态评估问题中电网仿真模型参数与实际系统参数失配的问题,构建了基于深度强化学习的电网仿真模型参数在线修正实施框架,并将其应用于直流机电暂态仿真模型控制参数在线修正问题中,提出一种基于深度强化学习的直流输电模型控制参数反馈修正方法,该方法以深度确定性策略梯度算法为基础,通过采集暂态过程中直流电流、直流整流侧/逆变侧电压等量测数据作为反馈信息,对主要的直流控制参数进行快速辨识校正。该方法在保证较高参数辨识准确度的同时,也具有较高的计算效率,适用于直流输电模型主要参数在线校验和辨识的场景。3)针对电网暂态频率特征预测问题中,因系统频率响应模型简化因素过多导致的预测误差较大问题,提出一种基于串行预测-校正方式的电网暂态频率特征预测方法,该方法将系统频率响应模型与极限学习机相结合,其中系统频率响应模型保留与频率稳定问题强相关的因素,对影响频率误差的弱相关因素,则采用基于极限学习机的预测误差校正模型来表征误差影响的关联关系。该方法能够同时兼顾计算准确性和计算时效性,并且在小样本场景下仍具有较好性能。4)针对电网暂态功角稳定性评估问题中,数据驱动的电网暂态评估方法对边界样本预测困难的问题,提出了一种基于就地-全局信息的电网暂态功角稳定并行预测方法。该方法以基于极限学习机的暂态稳定评估模型处理全局信息,并依据其输出值判断结果的可信度,当结果处于不可信区域时,以基于就地发电机功角信息的轨迹匹配模型校验结果。该方法能够充分发挥数据驱动方法计算速度的优势,并在面对边界样本时,以轨迹匹配模型校验,从而进一步提高功角稳定评估结果的准确性。5)针对电网暂态功角稳定裕度预测问题中,数据驱动模型方法面临的样本不足以及缺乏物理知识引导的问题,提出了一种考虑知识引导和样本迁移的临界切除时间预测方法。该方法首先以串行预测-校正的方式将集成扩展等面积法则（IEEAC）与极限学习机模型结合,然后在构建极限学习机误差校正模型的过程中,考虑临界切除时间预测准确性在不同场景下要求存在差异性的知识,以及样本在相似的电网运行方式中迁移的问题,从而提出了改进极限学习机模型的构建方法。该方法在保证计算准确性和计算时效性的同时,通过改进的极限学习机模型,能够提高严重故障和运行方式发生变化场景下计算结果的准确性。