با توجه به گسترش روز افزون تقاضای انرژی الکتریکی و همچنین محدودیت های اقتصادی و زیست محیطی در ساخت نیروگا ه ها و خطوط انتقال جدید، سیستم های قدرت بسیار نزدیک به حدود پایداری خود مورد بهره برداری قرار می گیرند و این امر موجب شده است که احتمال وقوع مساله پایداری گذرا در سیستم های قدرت افزایش یابد. در هنگام بهره برداری از یک سیستم قدرت، ممکن است شرایط کاری و یا آرایش (ساختار) سیستم تغییر نماید و بنابراین مطالعاتی که در زمینه پایداری گذرا در مرحله طراحی سیستم انجام شده اند ممکن است برای شرایط کار کنونی سیستم قدرت معتبر نباشد و لازم است که مطالعات مذکور مجددا انجام شوند تا در هنگام مواجه شدن سیستم با شرایط ناامن، اپراتورهای سیستم قادر به انجام اعمال کنترلی بازدارنده مناسب باشند. با توجه به اینکه شبیه سازی معادلات دینامیکی حاکم بر یک سیستم قدرت در حوزه زمان حتی با بکارگیری کامپیوترهای مدرن امروزی بسیار زمان بر است، در سال های اخیر تلاش های زیادی برای استفاده از روش های مبتنی بر هوش محاسباتی مانند شبکه های عصبی برای ارزیابی پایداری گذرا در سیستم های قدرت صورت گرفته است. از طرف دیگر علاقه مندی در بکارگیری سیستم های فازی-عصبی برای حل مسایل عملی در زمینه های علمی و فنی رو به افزایش است. چنین سیستم هایی حاصل ترکیب توانایی یادگیری در شبکه های عصبی با توانایی تفسیر زبانی، توسط طبقهبندی کننده فازی هستند. در این پایان نامه یک روش بر مبنای سیستم های فازی-عصبی برای ارزیابی بهنگام پایداری گذرا در سیستم های قدرت طرح شده است. در سیستم فازی-عصبی طرح شده، از یک شبکه عصبی برای تعیین زمان رفع خطای بحرانی (cct)، استفاده می شود. از آنجائیکه در عمل اندازه گیری مربوط به شرایط کاری در سیستم قدرت با عدم قطعیت همراه است، از یک سیستم فازی نوع2 برای پوشش بهتر عدم قطعیت موجود در شرایط کاری سیستم قدرت استفاده شده است. روش طرح شده در این پایان نامه، برای انجام پخش بار در سیسم های قدرت نیز مورد استفاده قرار گرفته است. به منظور استفاده از روش طرح شده در سیستم های قدرت بزرگ، از یک روش آنالیز حساسیت بر مبنای شبکه های عصبی به منظور کاهش تعداد ورودی ها استفاده شده است. علاوه بر این با استفاده از یک سیستم فازی نوع2-عصبی مساله پایداری گذرا بصورت کیفی بررسی شده است و سیستم قدرت از نظر پایداری به سه دسته: خیلی امن (very secure)، امن (secure) و ناامن (insecure)، طبقه بندی بندی شده است. روش فازی-عصبی طرح شده بر روی سیستم تست 3 ماشینه و 9 شینه ieee، و همچنین سیستم 10 ماشینه و 39 شینه نیوانگلند پیاده سازی شده است. نتایج شبیه سازی های انجام شده کارایی روش های پیشنهادی را تایید می نمایند.