本发明公开了一种基于支持向量机的暂态功角稳定故障筛选系统及方法。基于历史样本集中样本的暂态功角稳定量化评估结果选取特征量，避免采用特征选择算法计算繁琐和误选漏选关键特征量的问题；将稳定模式分类后采用支持向量机分别对不同稳定模式进行监督学习训练，提高预测模型的准确性；对只有稳定样本的样本集采用以暂态功角稳定裕度为变量的回归预测模型，避免仅仅采用分类预测模型的局限性；基于当前运行方式特征量判断暂态功角稳定预测模型适用性，避免机器学习算法的“误判”问题；基于详细的暂态功角稳定量化评估结果与预测值差异决定预想故障及其对应的潮流方式是否纳入样本集，适当增加样本集中失稳样本数目，保证样本集样本的合理性。