امروزه تولیدات پراکنده در حال گسترش هستند و یکی از اصلی ترین دغدغه های این روند، پدیده‎ی جزیره الکتریکی می‎باشد. در این پایان نامه روش جدیدی برای تشخیص جزیره الکتریکی بر اساس دسته بندی و با استفاده از تبدیل موجک ارائه شده است. روش پیشنهادی مبتنی بر تغییرات فرکانسی شین تولید پراکنده می‎باشد و با استفاده از تبدیل موجک ویژگی‎های مربوط به رخدادهای جزیره و غیرجزیره استخراج می‎گردد که ویژگی‎های مذکور با بهره‎گیری از شبکه عصبی مصنوعی دسته‎بندی می‎گردند. روش پیشنهادی روی شبکه توزیع خدابنده لوی شهر تهران مورد شبیه‎سازی قرار گرفته است و نتایج نشان‎دهنده سرعت و دقت بالای تشخیص آن می‎باشد. از نکات قابل تأمل در این پروژه باید به استفاده از اولین سطح جزئیات ساده‎ترین موجک مادر اشاره کرد که ایده‎آل‎ترین حالت ممکن در بکارگیری تبدیل موجک می‎باشد و همچنین در این روش تنها نیاز به نمونه برداری از یک سیگنال می‎باشد، این نکات باعث گردیده تا میزان محاسبات در مقایسه با دیگر روش‎ها به شدت کاهش یابد. در این پروژه 119 حالت مختلف شبکه مورد مطالعه قرار گرفته است که از این میزان تعداد 90 حالت برای آموزش شبکه عصبی و تعداد 29 حالت برای تست استفاده شده است که نتایج حاکی از دقت 100% برای داده های آموزش و دقت 6/96% (تشخیص صحیح 28 مورد از 29 مورد) برای داده‎های تست می‎باشد.