فاطمه ابراهیمی - کارشناس ارشد، دانشدکه ی فنی مهندسی، دانشگاه قم
امیر افسر - استادیار، دانشکده ی مدیریت و اقتصاد، دانشگاه تربیت مدرس
جلال رضایی نور - دانشیار، دانشکده ی فنی مهندسی، دانشگاه قم
علی قنبری سرخی - کارشناس ارشد، دانشکده ی مهندسی کامپیوتر، دانشگاه صنعتی شاهرود

در این نوشتار از روش های شبکه ی عصبی (NN)، ماشین بردار پشتیبانی (SVM) و تحلیل مولفه ی اصلی (PCA) با یک رویکرد متوالی برای پیش بینی بار کوتاه مدت استفاده شده است. ابتدا با استفاده از یک روش غربال سازی، داده های ورودی استخراج و به کلاس هایی تقسیم شدند که بتواند بهترین نتایج را ارایه دهد. سپس مقادیر گذشته بار به همراه اطلاعات وابسته در هر دسته به شبکه های عصبی چند لایه ی پرسپترون و ماشین بردار پشتیبان به صورت پشت سر هم و وابسته به ساعت قبل داده شده است که ماشین بردار پشتیبان پیشنهادی توانست نتایج بهتری ارایه دهد. سپس با اعمال تحلیل مولفه ی اصلی به پارامترهای ورودی مجددا این دو سیستم مورد آزمون قرار گرفت. نتایج نشان داده که هنگام استفاده از تحلیل مولفه ی اصلی نتایج شبکه های عصبی و ماشین های بردار پشتیبان بهبود یافته و نتایجی بهتر از پیش بینی های سنتی ارایه داده است.

پیش بینی بار الکتریکی، شبکه ی عصبی، ماشین بردار پشتیبان، تحلیل مولفه ی اصلی