در حال حاضر به دلیل مسائل اقتصادی و محیطی، سیستم های انتقال بسیار نزدیک به حدود پایداری خود مورد بهره برداری قرار می گیرند. آنالیز پایداری ولتاژ به توانایی ارزیابی ولتاژ همه شین های سیستم (شین های بار) تحت شرایط عادی و پس از اینکه مورد اغتشاش قرار گرفت مربوط می شود. تعدادی از ابزارها برای پیش بینی مسئله پایداری ولتاژ به طور متداول موجود هستند. تعدادی از این ابزارها براساس رهیافت های مرسوم مانند منحنی های pv وqv، اندیس های حساسیت می باشند. دیگر ابزارها از مفهوم های متفاوتی از قبیل تئوری دوشاخگی، تابع انرژی و تجزیه مقادیر استثنائی و غیره استفاده می کنند. اگرچه این ابزارها نتایج کامل و دقیقی فراهم می کنند، ولی برای کاربردهای بهنگام، مناسب نیستند چرا که بخاطر نیاز به محاسبات پخش بار تکراری ، خیلی زمان بر می باشند. برای مانیتور کردن بهنگام پایداری ولتاژ، شاخصهایی که به آسانی قابل محاسبه و در عین حال دقیق هم باشند، مطلوب است. یکی از این شاخص ها، شاخص معرفی شده توسط کسل و گلاویچ است. این شاخص دارای دقت کافی و همچنین دارای کاربرد عملی برای ارزیابی پایداری ولتاژ است و تحلیل پایداری ولتاژ را آسان میسازد. درسال های اخیر شبکه های عصبی برای ارزیابی بهنگام پایداری ولتاژ مورد توجه قرارگرفته اند. این پروژه یک شبکه عصبی پرسپترون (mlp) چند لایه را برای ارزیابی بهنگام پایداری ولتاژ، با در نظرگرفتن ساختار متغیر شبکه ارائه می کند. یک شبکه عصبی mlp برای تخمین شاخص پایداری ولتاژ که شاخص l نامیده میشود، تحت توپولوژی های مختلف سیستم و همچنین شرایط کاری استفاده می شود. آموزش شبکه عصبی با انتخاب ویژگیهای مناسب به عنوان ورودیها و شاخص l به عنوان هدف(خروجی) انجام می شود. همچنین از آنالیز مولفه اساسی برای کاهش ابعاد داده های ورودی استفاده می گردد. سیستم 39 شینه new england هم برای نشان دادن دقت و کارایی روش پیشنهادی استفاده خواهد شد.