在电力系统暂态稳定评估(transient　stability　assessment,TSA)问题中,普通机器学习算法数据挖掘能力的有限性阻碍了TSA模型评估精度的进一步提高.针对此问题,以电力系统数据的不同失稳模式为切入点,提出了基于失稳模式自适应捕捉的TSA方法,构建了由多个子评估模型和一个失稳模式判别模型组成的自适应判稳组合模型.首先,根据失稳模式的不同对原始数据集进行分类,分别训练多个针对不同失稳模式的子评估模型.然后,利用失稳模式判别模型输出的权重值对子评估模型进行集成,自适应完成对输入数据失稳模式的捕捉.最后,在IEEE39节点系统和华东电网系统中进行测试验证.仿真结果表明,所提方法在降低不稳定样本漏报率的同时进一步提高了模型评估精度,验证了该方法的有效性.