اسحاق فرجی - ۱دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر ۲باشگاه باشگاه پژوهشگران جوان و نخبگان، واحد نوراباد ممسنی، دانشگاه آزاد اسلامی، نوراباد ممسنی، ایران
محسن میرزائیان - معاونت بهره برداری و دیسپاچینگ شرکت توزیع نیروی برق، استان چهارمحال و بختیاری
حمید پروین - ۱دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر ۲باشگاه باشگاه پژوهشگران جوان و نخبگان، واحد نوراباد ممسنی، دانشگاه آزاد اسلامی، نوراباد ممسنی، ایران
علی چمکوری - دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر
مجید محمدپور - ۱دانشگاه آزاد اسلامی، واحد خورموج- گروه برق و کامپیوتر ۲باشگاه باشگاه پژوهشگران جوان و نخبگان، واحد نوراباد ممسنی، دانشگاه آزاد اسلامی، نوراباد ممسنی، ایران

پیش­بینی کوتاه مدت بار در بازار برق اهمیت زیادی دارد. از طرفی عوامل مهم تاثیرگذار بر پیش­بینی کوتاه مدت بار به ویژگی­های بار الکتریکی و آب و هوایی هر منطقه بستگی دارد، بنابراین با استفاده از داده­های واقعی استان چهارمحال و بختیاری-شامل بار و دما- به پیش­بینی کوتاه مدت بار الکتریکی استان پرداخته­ایم. بدین منظور با استفاده از چهار روش مختلف شبکه عصبی پرسپترون (MLp < /strong>)، مجمعی از شبکه عصبی پرسپترون (MLP Ensemble)، شبکه SVM(Support Vector Machine) و مجمعی از شبکه SVM به پیش بینی کوتاه مدت بار استان چهار محال و بختیاری پرداختیم. نتایج حاصل از مقایسه این چهار روش نشان می دهد که مجمعی از شبکه عصبی پرسپترون بهترین روش به منظور پیش بینی کوتاه مدت بار می باشد.

پیش بینی کوتاه مدت بار, شبکه عصبی پرسپترون, مجمعی از شبکه عصبی پرسپترون