电力系统电磁暂态仿真是对其电磁暂态过程进行模拟的活动,旨在对目标系统进行精细建模并得到各种暂态响应的时域波形,其应用涵盖了电力系统的规划、设计和运行等多个领域。目前,主流的建模方法是手动建模法,即通过仿真软件提供的建模平台,以类似于搭积木的方式将各种模型进行组合和连接,但该方法的建模效率比较低。鉴于此,亟需开展电磁暂态仿真的敏捷建模方法研究。电磁暂态仿真建模的数据通常来源于描述电力系统结构的图像文件、CAD工程文件以及机电暂态仿真数据等。本文主要研究如何利用图像文件和CAD工程文件来快速地生成电磁暂态仿真模型。敏捷建模工作可划分为两个阶段:第一阶段,根据图像文件或CAD工程文件,生成描述电力系统设备信息的中间表达形式（Intermediate Representation,IR）;第二阶段,完成由IR至电磁暂态仿真数据的转换。其中,第一阶段的工作既是技术难点,也是本文的研究重点。基于深度学习理论和线段检测算法,面向描述电力系统结构的图像文件,提出了一种敏捷生成电力系统电磁暂态仿真模型的方法。首先,利用卷积神经网络（Convolutional Neural Networks,CNN）,针对除电力线路之外的电力设备,构建非线路设备的识别模型,生成描述设备类型和位置信息的IR。其次,利用线路检测算法并结合矢量缓冲区约束识别电力线路,生成描述线路位置信息及拓扑连接关系的IR。最后,将IR转换为电磁暂态仿真数据文件。面向描述电力系统结构的CAD工程文件,提出了一种敏捷生成电力系统电磁暂态仿真模型的方法。在探讨DXF文件结构的基础上,针对非线路设备和线路,分别设计相应的数据解析流程。在解析得到设备信息后,将其位置信息由对象坐标系转换至世界坐标系,从而完成IR的构建,再将IR转换为电磁暂态仿真数据文件。基于IEEE 5节点系统和IEEE 9节点系统,本文对前述两种敏捷建模方法进行了测试和验证。仿真结果验证了所提方法的有效性。