امروزه به دلیل افزایش اهمیت انرژی الکتریکی در زندگی بشر و نقشی که صنعت برق در اقتصاد و امنیت ملی عهده دار است، مطالعات قابلیت اطمینان و امنیت سیستم نسبت به گذشته مورد توجه بیشتری قرار گرفته اند. در بسیاری از کشورهای جهان در چند دهه اخیر، فرآیند تجدید ساختار، صنعت برق را دچار تحولات اساسی نموده است. بدیهی است کلیه مبادلات اقتصادی در فضای بازار برق تنها بر پایه یک زیر ساخت ایمن از رفتار شبکه قابل انجام می باشد. همچنین، وجود خاموشی های گسترده در چند سال اخیر و بهره برداری از شبکه های انتقال در نزدیکی ظرفیت حداکثر خطوط در برخی از سیستم ها، مسئله امنیت سیستم از جنبه های گوناگون مانند ارزیابی سریع و پایش مستمر امنیت از اهمیت مضاعفی برخوردار گشته است. ارزیابی امنیت سیستم های قدرت در زمان واقعی بدلیل حجم محاسباتی بسیار بالا همواره چالش برانگیز بوده است. این پایان نامه به کمک شبکه عصبی تابع پایه شعاعی و شبکه موجک عصبی با هدف بهبود سرعت و دقت بالا به ارزیابی امنیت استاتیکی سیستم قدرت می پردازد. چارچوب بکارگرفته شده توسط شبکه عصبی پیشنهادی شامل سه مرحله: تعلیم شبکه به صورت زمان غیرواقعی، بهنگام کردن دوره ای داده ها و بکارگیری آن در زمان واقعی می باشد. هدف از این تحقیق، تحلیل تمامی حوادث n-1 ممکن بر روی امنیت سیستم قدرت می باشد. بدین منظور، برای محاسبه شدت تاثیر هر حادثه از دو شاخص عملکرد ولتاژ و توان انتقالی استفاده شده است. در ارزیابی امنیت استاتیکی یک سیستم، اندازه گیری یا تخمین متغیرهای متناظر با تحلیل حالت دائمی سیستم مانند اندازه و فاز ولتاژ باس ها، توان انتقالی اکتیو و راکتیو و سایر متغیرهای سیستم قدرت ضروری می باشد. این متغیرها، که می توان از آن ها بعنوان ویژگی برای ورودی شبکه هوشمند یاد کرد، می توانند با افزایش ابعاد شبکه قدرت و تحلیل واقعی آن عملا موجب ناکارآمدی در ارزیابی سریع و هوشمند سیستم قدرت گردد. بدین منظور، بر مبنای تحلیل مولفه های اصلی کرنل به متغیرهایی از سیستم قدرت که دارای تاثیر بیشتری در تعیین نمودن ایمنی و یا ناایمنی شبکه قدرت می باشند، ضرایب وزنی بیشتری داده می شود. طرح پیشنهادی این امکان را برای اپراتور سیستم قدرت فراهم می آورد تا با گرفتن تصمیمات زمان واقعی بتواند اقدام کنترلی مناسب را به ازای وقوع هر حادثه بکارگیرد. عملکرد روش پیشنهادی از نظر بار محاسباتی، دقت و استحکام آن نسبت به تغییرات وضعیت بهره برداری متفاوت مورد ارزیابی قرار می گیرد. بدین منظور، با استفاده ازشبکه های قدرت 14، 30 و 118 باس ieee، عملکرد شبکه هوشمند پیشنهادی در مقایسه با شبکه های عصبی مرسوم دیگر مورد مقایسه قرار می گیرد.