数字孪生是实现数据驱动技术、为电力系统等复杂系统提供近实时解决方案最具前景的方法之一。数字孪生的一种实现方式是利用来自网络的实时传感器数据，用机器学习模型替代复杂系统的动力学或物理特性。基于传感器数据构建的动力学或物理特性机器学习模型可用于进行稳定性分析，从而显著减轻计算负担。 此外，机器学习模型可与现有的复杂动力学系统并行对接，通过闭环反馈实现实时交互，从而形成“数字孪生”的概念。在本报告中，我们将介绍用于电力系统暂态稳定性分析的深度学习方法。现代电力系统中采用了相量测量单元（PMU），它能够通过电压和相量角等直接变量对系统动态进行在线监测。因此，PMU数据可视为电力系统的