استفاده ی روز افزون از تجهیزات الکترونیکی و بارهای غیر خطی در سیستم قدرت، مسئله ی کیفیت توان در سیستم قدرت را به یک موضوع مهم تبدیل کرده است. در این پایان نامه برای شبیه سازی وقایع کیفیت توان که در اینجا ده واقعه ی سینوسی خالص، ضربه، گذرا، فلیکر، هارمونیک، فرو رفتگی ولتاژ، برآمدگی ولتاژ، تغییرات فرکانس، شکاف ولتاژ و وقفه می باشند به طور همزمان از دو مدل ریاضی و داده های حاصل از شبیه سازی با نرم افزار pscad استفاده شده است. به این دلیل که وقایع رخ داده در یک سیستم قدرت واقعی تحت اختیار ما نیست و ممکن است در هر لحظه ای و با هر دامنه ای اتفاق بیفتند در مجموع از هر واقعه 600 نمونه شبیه سازی شده اند تا دامنه ی کاملی از وقایع پوشش داده شود. با توجه به عملکرد بسیار خوب شبکه های عصبی در کارهای تشخیص الگو و طبقه بندی، در این پایان نامه برای طبقه بندی وقایع کیفیت توان از شبکه ی عصبی mlp استفاده شده است. با توجه به اینکه شبکه ی عصبی توانایی بسیار بالایی در شبیه سازی روابط غیر خطی دارد، در عمل توانایی خودرا برای تشخیص الگو و طبقه بندی وقایع نشان داده است. برای استخراج ویژگی های سیگنال ها از دو تبدیل، یکی تبدیل stft و دیگری تبدیل موجک گسسته (dwt) استفاده شده است. در تبدیل موجک گسسته از موجک db4 به عنوان موجک مادر استفاده شده است و عملیات تجزیه در 3 سطح انجام گرفته است. پس از طبقه بندی وقایع با استفاده از mlp، مقاومت شبکه ی عصبی در مقابل وجود نویز در سطوح مختلف مورد بررسی قرار گرفته است. در پایان نتایج به دست آمده در این پروژه با نتایج تحقیقات دیگر مقایسه شده است.