حسن عبدالرضایی - دانشگاه آزاد اسلامی واحد ساوه، ایران
محمدحسن مرادی - دانشگاه آزاد اسلامی واحد ساوه، ایران
سید محمد جواد رستگار فاطمی - دانشگاه آزاد اسلامی واحد ساوه، ایران

با افزایش مصرف بار و بهم پیوسته شدن شبکه های قدرت با یکدیگر، افزایش میزان اطلاعات ورودی و خزوجی به منظور برنامه ریزی و بهره برداری بهینه در سیستم های قدرت بیش از حد تصویر بوده است بطوریکه مسئولین مرتبط با این سیستم ها به تنهایی قادر به اخذ تصمیمات ضروری و فوری با سرعت عمل کافی نمی باشند. بدین منظور شاهد گسترش و بکارگیری هرچه بهتر و بیشتر علوم و نرم افزارهای سیستم های پیش بینی بار برای حمایت بهزه بردارانسیستم های قدرت می باشیم. شبکه های هوشمند سیستم ها و روش های محاسباتی نوینی برای یادگیری، ارائه دانش، و در انتها اعمال آن در جهت پیش بینی پاسخ های خروجی از شبکه های قدرت را فراهم می نماید. شبکه های عصبی به عنوان یکی از ابزارهای هوشمندی است که برای پیش بینی انواع داده های مختلف استفاده می گردد شبکه های عصبی به تنهایی قادر نخواهد بود پیش بینی برای روزهای خاص داشته باشند، بنابراین برای پیش بینی بهتر و مناسبتر از سیستم های ترکیبی استفاده می گردد. به منظور پیش بینی کوتاه مدت بار ناحیه دیسپاچینگ منطقه ای تهران از روش ترکیبی الگوریتم ژنتیک- فازی به همراه روش شبکه عصبی استفاده شده است. ورودی ها، شامل داده های مهم شرایط محیطی آب و هوایی ناحیه تهران که توسط الگوریتم ژنتیک- فازی طبقه بندی شده و داده های متناظر با این طبقه بندی برای آموزش شبکه عصبی بکار گرفته شده است. در این روش با استفاده از الگوریتم پیشنهاد شده و شبیه سازی های صورت پذیرفته، به وضوح مشخص می گردد که نتایج پیش بینی ها از دقت بیشتری برخوردار می باشند.

شبکه های قدرت، شبکه های عصبی، پیش بینی بار، دیسپاچینگ، ژنتیک- فازی