با گسترش شبكههاي هوشمند انرژي و استفاده روزافزون از انرژيهاي مختلف به ويژه انرژي
الكتريكي در مصارف مختلف ازجمله خانگي، صنعتي، تجاري، كشاورزي و غيره، مسئلهي توليد
و مديريت بهينه روزبهروز اهميت بيشتري پيدا ميكند. برنامهريزي براي توليد به طور ويژه
نيازمند پيشبيني و برآورد مصرف در آينده ميباشد. در اين پايان نامه، هدف بررسي اهميت و
ضرورت پيشبيني بار و موارد موثر در پيشبيني بار و چالشهاي كليدي آن است. در همين
راستا، روش شبكههاي عصبي بازگشتي عميق تلفيقي 1TPDRNNارائه شده است، كه با گروه
بندي دادهها و تخصيص IDبه هر گروه مقادير حجم دادههاي مورد استفاده براي پيش بيني بار
را افزايش داده و از اين طريق وقوع چالشهاي پيش بيني بار را به تاخير مياندازددر ادامه مقايسه و جمعبندي صورت خواهد گرفت
