امروزه به دلیل گسترش تجهیزات الکترونیک قدرت، بانک های خازنی، موتورهای بزرگ، کوره های قوس الکتریکی و غیره سیگنال های ولتاژ و جریان موجود در شبکه در معرض اغتشاشات گوناگونی قرار دارند. تشخیص و طبقه‏بندی‏ اغتشاشات ولتاژ از مهمترین اجزای حفاظت و مانیتورینگ سیستم قدرت می‏باشد. اولین قدم برای دسته بندی و شناسایی منبع یک اغتشاش، استخراج مشخصات آن و آنالیز این مشخصات می‏باشد. در این پایان نامه، از تبدیل هیلبرت-هوانگ که از دو فرآیند تجزیه حالت تجربی و تبدیل هیلبرت تشکیل شده است برای استخراج مشخصات از شکل موج اختلال استفاده شده است. برای این منظور ابتدا سیگنال با استفاده از تجزیه حالت تجربی به مولفه‏های تک فرکانسی خود به نام تابع حالت ذاتی تجزیه و سپس ویژگی‏های آن با استفاده از تبدیل هیلبرت از توابع حالت ذاتی استخراج می‏شود. از مزایای این روش نسبت به روش‏های قبلی مانند تبدیل موجک و تبدیل s، دقت بالا در استخراج مشخصات زمان فرکانسی سیگنال‏های غیر خطی و ناایستا، ممتاز بودن مشخصات استخراج شده توسط تبدیل هیلبرت، مقاوم بودن دربرابر نویز ، عدم نیاز به توابع از پیش تعیین شده و نمایش سیگنال توسط سیگنال‏های تک مولفه (توابع حال ذاتی) در مختصات زمان-فرکانسی می‏باشد. در این مرحله برای دسته بندی اختلالات نیز از ماشین بردار پشتیبان بهره گرفته شده است. در ادامه و در گامی‏دیگر، این پایان نامه به تعیین منابع کمبود ولتاژ می‏پردازد. در روش پیشنهادی ابتدا پوش، فاز و فرکانس لحظه‏ای شکل موج کمبود ولتاژ، توسط تبدیل هیلبرت استخراج شده و از طریق مدل مخفی مارکوف منبع این کمبود ولتاژ شناسایی می‏گردد. خطای اتصال کوتاه، راه-اندازی موتورهای القایی بزرگ، ورود بارهای بزرگ به شبکه، انرژی‏دار کردن ترانسفورماتور و شتاب گیری موتور القایی بعد از برداشته شدن خطا از جمله مهمترین عواملی می‏باشند که سبب ایجاد کمبود ولتاژ می‏گردند. در این روش دسته بندی بر اساس ظاهر شکل موج صورت می‏گیرد و در نتیجه با توجه به خروجی تبدیل هیلبرت و تفاوت مشهود خروجی آن، برای منابع مختلف کمبود ولتاژ، روش پیشنهادی منجر به نتایج قابل توجهی شده است.