El tiristor es el dispositivo clave para el convertidor del proyecto de corriente continua de ultra alta tensión (UHVDC) para realizar la conversión de CA a CC. La fiabilidad de los tiristores está directamente relacionada con la operación segura del sistema de transmisión UHVDC. Debido al entorno operativo complejo del tiristor, hay muchos parámetros interrelacionados que pueden afectar al estado de envejecimiento de los tiristores. Para extraer información útil de los enormes datos de alta dimensión y obtener más información sobre el estado de envejecimiento de los tiristores, en este documento se propone un método de clasificación de dominio tensor supervisado (STDC) basado en el método de muestreo sintético adaptativo, el árbol de decisión de impulso de gradiente y la teoría del dominio tensorial. En primer lugar, el algoritmo aplica la teoría del medio continuo para analogar los puntos de estado de envejecimiento del tiristor a los puntos de masa en el medio continuo. Luego, el algoritmo aplica el concepto del dominio tensorial para identificar el estado de envejecimiento del tiristor y transformar el problema original de identificación de estado en la determinación de la superficie de clasificación de estado del dominio tensorial. En segundo lugar, se aplica un algoritmo de agrupamiento difuso temporal para realizar el posicionamiento automático de la superficie de clasificación de cada subdominio tensorial. Además, para resolver el problema del tamaño de muestra desequilibrado entre los datos de clase de envejecimiento y los datos de clase normal en el dominio de identificación de estado, se aplica el algoritmo de muestreo sintético adaptativo mejorado para preprocesar los datos. Se aplica el algoritmo del árbol de decisión de impulso de gradiente para resolver el problema de clasificación múltiple del tiristor. Finalmente, se realiza una comparación entre el algoritmo propuesto y el algoritmo convencional a través de los datos de prueba de campo proporcionados por la Compañía de Transmisión de Energía EHV de CSG de la Red Eléctrica del Sur de China. Se verifica que el método de evaluación propuesto tiene una mayor precisión de reconocimiento y puede clasificar efectivamente los estados del tiristor.