对于电力系统暂态稳定评估而言，在故障清除后的早期阶段，临界样本间的特征差异不明显，预测准确率低。随着时间推移，准确率提高，但难以保证评估的及时性。针对暂态稳定评估的评估准确性与及时性之间的矛盾，提出了基于集成学习的时间自适应电力系统暂态稳定评估方法。首先，通过EasyEnsemble算法对不平衡数据进行采样，训练出多个不同评估时刻的集成长短期记忆网络分类器，输出样本在不同评估时刻的稳定性预测结果。其次，将评估时刻进行划分，提出了多阶段阈值分类规则，自适应调整阈值，对样本预测结果进行可信度评估。最后，预测结果评估为不可信的样本交由下一评估时刻的模型继续判断，直到可信度达到阈值后输出。在IEEE　39节点系统的仿真结果表明，所提方法相较于其他时间自适应方法具有更优的评估性能，在样本不平衡的情况下该方法实现了更好的修正效果。