سیدمهدی ضابطیان - دانشجوی کارشناسی ارشد برق قدرت
حامد مدقق - دانشجوی دکتری برق مخابرات
حبیب رجبی مشهدی - دانشیاردانشگاه فردوسی مشهد
هادی صدوقی یزدی - استادیار دانشگاه فردوسی مشهد

امروزه حساسیت میزان مصرف انرژی الکتریک نسبت به نوسانات قیمت برق نسبتاناچیز است اما به هرحال تغییرات قیمت برای برخی مصرف کنندگان بزرگ که امکان حضور مستقیم دربازار برق را دارند بسیارقابل توجه است از این رو برای آنها این امکان وجود دارد که بتوانند با پیش بینی قیمت برق به کمک روشهای هوشمندواکنش مناسب را درمقابل نوسانات قیمت نشان داده و الگوی مصرف خود را بهینه نمایند این مقاله به کمک روش پیش بینی KLMS برخلاف دیگر روشهای پیش بینی به سهولت بدون نیاز به پیش محاسبات ودسته بندی داده های موجود با خطای مناسبتر نسبت به روشهای پیشین مانند شبکهعصبی به پیش بینی قیمت روزآینده پرداخته است سپس برپایه قیمت های بدست آمده برنامه عملکرد روزانه بارهای مصرفی مدیریت پذیر یک مصرف کننده بزرگ باتوجه به تغییرات قیمت برق درمحیط بازار برق با استفاده ازالگوریتم ژنتیک بهینه سازی میگردد.

الگوریتم پیش بینی KLMS، الگوریتم ژنتیک، بارهای کنترل پذیر، پیش بینی قیمت روزآینده، مدیریت مصرف