پیشبینی کوتاه مدت بار یکی از مسایل مهم در بهرهبرداری از سیستمهای قدرت میباشد، بطوریکه در برنامهریزیِ ورود وخروج واحدها، با ملاحظه محدودیتهای تولیدِ واحدها و محدودیتهای شبکه، مورد استفاده قرارمیگیرد. روشهای سنتی مثل تحلیل رگرسیون، مدلهای سری زمانی، مدلهای علت و معلولی و ... توسط شرکتهای زیادی برای پیشبینی کوتاه مدت بار مورد استفاده قرار میگیرد، اما به دلیل رابطه غیرخطی بین بار و عوامل مؤثر بر پیشبینی بار این روشها نمیتوانند جوابهای دقیقی داشته باشند. استفاده از سیستمهای هوشمند روش جالب و کارآمدی برای مدل کردن سیستمهایی هستند که مدل خاصِ ریاضی ندارند و یا مدل ریاضی آنها بسیار پیچیده میباشد. در این مقاله با استفاده از شبکههای عصبی، پیشبینی کوتاه مدت بار انجام میشود. در این مقاله از چهار ورودی بار پیشین، دمای فعلی، دمای پیشبینی شده و میزان رطوبت استفاده شده است. این روش برای یک نمونه بار، از پستهای63/20kv شهرستان سنندج پیادهسازی شده و نتایج حاصل از
شبکههای عصبی با مقادیر واقعی مقایسه میشود.