Recientemente, los métodos basados en datos han sido ampliamente evaluados por investigadores en el campo de la evaluación de la estabilidad transitoria del sistema de potencia (TSA). Las diferencias en la dificultad de predicción entre las muestras son ignoradas por la mayoría de los estudios previos. Para abordar este problema, se introduce la pérdida de anclaje (AL), que puede remodelar dinámicamente los valores de pérdida en función de la dificultad de predicción de las muestras. De esta manera, las muestras fáciles son suprimidas al reducir sus valores de pérdida para evitar que se les preste demasiada atención cuando son clasificadas incorrectamente. Mientras tanto, las muestras difíciles son enfatizadas al aumentar sus valores de pérdida, para ser predichas correctamente en la medida de lo posible. Sobre la base de la AL, se considera la información histórica en el proceso de entrenamiento del modelo. Se diseña una nueva función de pérdida llamada pérdida de anclaje de información histórica (HIAL). Los valores de pérdida pueden ser reescalados de forma adaptativa según los resultados de predicción previos, así como la dificultad de predicción de las muestras. Finalmente, el HIAL se combina con la red breve profunda (DBN) y se aplica en el sistema de 39 buses de IEEE, y se produce un sistema realista para verificar su efectividad. Al incorporar la dificultad de predicción y la información de entrenamiento histórica, la precisión (con una reducción en la tasa de error de juicio superior al 30%) y la velocidad de convergencia del modelo TSA pueden mejorarse significativamente.