ناصر نورانی - دانشگاه صنعتی سهندتبریز
صابر جهانی وکیل کندی - دانشگاه آزاد اسلامی واحد علو م تحقیقات آذربایجان شرقی

پیش بینی کوتاه مدت بار یکی از نیازهای اساسی هر سیستم قدرت جهت دستیابی به عملکرد اقتصادی وقابل اطمینان آن سیستم می باشد افزون براین، با گسترش بازار برق وتجدید ساختار صنعت برق، پیش بینی کوتاه مدت بار نه تنها برای دست اندرکاران تولید برق بلکه برایمسئولین بازار برق، مالکین خطوط انتقال وسایر عوامل دخیل در صنعت برق اهمیت دو چندان یافته است درنتیجه، جهت افزایش دقت پیشبینی، روشهای متعددی ارائه شده است وتحقیقات دراین زمینه همچنان ادامه دارد. در این پژوهش برای پیش بینی بار از یک موتور پیش بینی که شامل شبکه های عصبی هیبرید والگوریتم بهینه سازی ذرات است برای پیش بینی بار کوتاه مدت بخشی از شهر تبریز استفاده شده است. گزینش داده ها برای موتور پیش بینی با روش همبستگی و آماری انجام شده است.پیاده سازی این روش تاثیر بهبود نتایج پیش بینی و عملکرد شبکه های عصبی هیبرید را نسبت به شبکه عصبی ساده ومزیت اسفاده از روش آموزش الگوریتم های تکاملی ذرات ، نسبت به سایر روش های آموزش را نشان می دهد.

پیش بینی کوتاه مدت بار، شبکه عصبی هیبرید ، بهینه سازی تکاملی ذرات