فرشید ریاحی مدوار - دانشجوی مهندسی برق الکترونیک دانشکده فنی و حرفه ای شهید شمسی پور تهران
هومن گدری - استاد گروه برق، دانشکده فنی و مهندسی ،دانشگاه آزاد اسلامی واحد انار

با افزایش جمعیت و ر شد جوامع صنعتی تغییرات بار مصرف ی در شبکه های قدرت غیر قابل اجتناب بوده و لازم است میزان بار موردنیاز شبکه، پیش بینی شود. پیش بینی بار کوتاه مدت می تواند معیار منا سب ی برای برآورد بار الکتریکی و انرژی باشد.همچنین اینپیش بینی الگوی خوبی برای توسعه صنعت خواهد بود. شهرها ی نزدیک به معادن پر رونق افق رشد بار الکتریکی آنها متفاوتی نسبتبه شهرهای غیر معدنی دارند به دلیل تغییر بافت جمعتی و رشد جمعیت ناشی از سکونت افراد شاغل در معادن ، تغییرات بارالکتریکی والگوی مصرف به وضوح حس می شود .در این مقاله روش پیش بینی کوتاه مدت بار و میان مدت بار الکتریکی شهربابک راکه نزدیک معادن مس هست با استفاده از شبکه های عصبی مصنوعی بهینه شده توسط الگور یتم ازدحام ذرات انجام داده و با پیشبینی بار الکتریکی شهرستان انار که فاقد صنعت پر رونق و معدن می باشد، مقایسه می شود و این مقایسه نشان می دهد که شهرهاینزدیک به معادن پر رونق رشد بارالکتریکی مصرفی شهری قابل ملاحضه ای نسبت به شهرهای دور از معادن دارند

پیش بینی بار ، شبکه های عصبی، الگوریتم ازدحام ذرات