روح الله قدیمی - گروه برق-دانشگاه محقق اردبیلی، اردبیل ایران
عادل اکبری مجد - گروه برق-دانشگاه محقق اردبیلی، اردبیل ایران
حسین شایقی - گروه برق-دانشگاه محقق اردبیلی، اردبیل ایران

رشد سیستم های موجود بصورت مداوم و نیاز به برنامه ریزی برای تامین انرژی برای بارهای اینده موجب اهمیت پیش بینی بارمی شود براساس طول مدت پیش بینی پیش بینی باربه چهاردسته تقسیم بندی میشود که ازبین دراین تحقیق به پیش بینی بار کوتاه مدت بااستفاده ازسیستم استنتاج فازی تطبیق پذیرمبتنی برشبکه های عصبی مصنوعی پرداخته شده است دراین مقاله پیش بینی بارمنابع انرژی نو توسط دوتکنیک شبکه های پرسپترون چندلایه و تبدیل ویولت انجام شده است برای این منظور مقایسه ای بین دوپیش بینی بار منابع انرژی خورشیدی و توربین بادی توسط دوروش فوق براساس داده های واقعی بخشی ازشبکه برق ایران انجام شده است نتایج تحقیق نشان ازبرتری تکنیک تبدیل ویولت دارد

پیش بینی بار ، شبکه های پرسپترون چندلایه ، تبدیل ویولت ، انرژی نو