چکیده: در سال های اخیر، با زیاد شدن بار های غیر خطی در شبکه قدرت، بحث کیفیت توان هم برای مصرف کننده و هم برای تولید کننده از اهمیت خاصی برخوردار شد. یکی از مهم ترین پدیده های کیفیت توان، فلیکر است. به جهت رقابتی که در بازار برق وجود دارد، حذف یا کاهش اثرات منفی فلیکر ضروری است. هسته اصلی تحلیل وبررسی فلیکر، دنبال سازی پوش ولتاژ است. در این پایان نامه، چهار روش بر پایه تبدیل d-q برای دنبال سازی همه مولفه های فلیکری موجود در پوش ارائه شده است ( روش جدید بر پایه تبدیل d-q، روش مربعی بهبود یافته، روش یکسو کننده نیم موج بهبود یافته، روش شیفت فاز بهبود یافته). روش های پیشنهادی قادر به دنبال سازی بیش از یک مولفه فلیکری در پوش ولتاژ می باشند. شناسایی منابع فلیکر یک بخش مهم در مسائل جبران سازی است. روش های زیادی در مقالات مختلف برای شناسایی منبع فلیکر ارئه شده است از جمله توان فلیکر و شبکه عصبی. اما مساله وجود چندین منبع فلیکر به طور هم زمان با استفاده از شبکه عصبی تا کنون بررسی نشده است. در این پایان نامه از روش یکسو کننده نیم موج بهبود یافته برای استخراج دامنه و فاز مولفه های فلیکری استفاده شده و سپس سه روش مختلف برای شناسایی چندین منبع فلیکر در یک سیستم قدرت پیشنهاد داده شده است. در روش پیشنهادی اول، اختلاف فاز بین ولتاژ و جریان مولفه های فلیکری به عنوان شاخص تشخیص منابع فلیکر در نظر گرفته شده است و با استفاده از جهت شارش توان فرکانس اصلی در خطوط مورد نظر به عنوان مرجع، و جهت توان فلیکر، منابع فلیکر به درستی شناسایی شدند. در روش پیشنهادی دوم، دامنه مولفه های فلیکری به عنوان شاخص تشخیص منابع در نظر گرفته شده و بزرگترین دامنه، محل نصب بار فلیکر زا را نشان می دهد. در روش سوم به منظور کاهش دستگاه های اندازه گیری، از دامنه مولفه های فلیکری و شبکه عصبی باهم استفاده شده است. عملکرد تبدیل d-q در دنبال سازی مولفه های فلیکری با استفاده از سیگنال های مصنوعی تولید شده در MATLAB بررسی شد وعلاوه بر این، سه روش پیشنهادی برای تشخیص منابع فلیکر زا بر روی یک شبکه قدرت شش باسه مورد آزمایش قرار گرفت. نتایج شبیه سازی ها نشان می دهد که با استفاده از روش های پیشنهادی می توان همه بار های فلیکرزا را به درستی شناسایی کرد.