محمدمهدی بهرام پور - دانشجو، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
فرشید کی نیا - استادیار،دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان

پیشبینی قیمت در بازارهای رقابتی برای تولیدکنندگان و مصرفکنندگان در برنامه ریزی و مدیریت ریسک و بهبود سوددهی ضروری است، همچنین نقش کلیدی در بهینهسازی اقتصادی صنعت برق دارد. در بازارهای برق روزانه، پیشبینی بار و قیمت الکتریکی ضروریترین کار و پایهای برای هر تصمیمگیریاست. توسعه تکنیکهای شبیهسازی جدید، مانند هوش مصنوعی، ابزار مناسبی برای پیشبینی سریهای زمانی فراهم آورده است. یافتن ورودیهای مناسببرای شبکه عصبی تاثیر بسزایی در خطای پیشبینی دارد. در این مقاله، چند روش انتخاب ورودی موثر برای شبکه عصبی جهت پیشبینی کوتاه مدتساعتی قیمتهای برق و بار الکتریکی در بازارهای روز بعد استفاده شده است. نتایج روی مجموعهای از دادههای گسترده تست شده ، و تناسب خوبی بین دادههای واقعی و نتایج شبکه عصبی بدست آمده است

پیش بینی بار، پیش بینی قیمت، شبکه عصبی مصنوعی، انتخاب ورودی، تحلیل همبستگی، اطلاعات متقابل