رضا لنگری - دانشگاه آزاد اسلامی واحدبجنوردبجنورد،ایران
محمدباقر نقیبی سیستانی - دانشگاه آزاد اسلامی واحدبجنوردبجنورد،ایران

کلیه فعالیت های زندگی امروزه به تولید برق وابسته می باشد، انرژی الکتریکی در حد جزئی قابلیت ذخیره سازی دارد از طرفی تولید بیشتر یا کمتر از میزان مصرف خساراتی را در پی دارد ، بنابراین پیش بینی دقیق بار الکتریکی هم در بحث صرفه جویی و هم در بحث های بهره برداری و قابلیت اطمینان شبکه قدرت موثر و ضروری می باشد.در این مقاله ما با استفاده از شبکه عصبی مصنوعی پرسپترون و الگوریتم پس انتشار خطا به دو مدل متفاوت به پیش بینی کوتاه مدت بار الکتریکی شبکه توزیع پرداخته و نتایج را با توجه به رفتارهای متفاوت بار در روزهای مختلف با هم مقایسه خواهیم کرد. در ابتدا ، در مدل اول با استفاده از داده های مربوط به بار روزهای گذشته و دما می توانیم شبکه عصبی را آموزش دهیم و سپس با استفاده از بار روز قبل و دمای پیش بینی شده همان روز، بار روز مورد نظر را پیش بینی خواهیم کرد. در مدل دوم،هدف پیش بینی بار برای یک روز آینده مربوط به بازه زمانی یک هفته می باشد.برای این مقصود، شبکه عصبی را با دیتاهای بار و دما مربوط به یک ماه گذشته آموزش داده و سپس برای تست شبکه عصبی ، با دیتاهای یک هفته قبل و دمای پیش بینی شده یک روز جلوتر مربوط به بازه یک هفته، می توانیم بار یک روز آینده مربوط به بازه یک هفته را پیش بینی کنیم.

بار ساعتی ؛ الگوریتم پس انتشار خطا ؛ پیش بینی ؛ انرژی الکتریکی ؛ شبکه عصبی مصنوعی