fa پیش‌بینی تقاضای برق ایران با استفاده از الگوریتم‌های فراابتکاری ساير موضوعات مرتبط با انرژي Others پژوهشي Research <span dir="RTL"><span style="font-family:Arial,sans-serif;"><span style="font-size:11.0pt;">هدف از پژوهش حاضر، پیش&shy;بینی تقاضای کل مصرف برق کشور ایران بر پایه شاخص‌های اقتصادی- اجتماعی و با استفاده از روش‌های فرا ابتکاری است. برای رسیدن به این هدف دو استراتژی مختلف مورد بررسی قرار گرفته است. در استراتژی اول از الگوریتم ژنتیک، الگوریتم بهینه‌سازی انبوه ذرات و الگوریتم رقابت استعماری برای تعیین معادلات پیش&shy;بینی تقاضای انرژی الکتریکی استفاده شده است. بدین منظور اطلاعات مربوط به شاخص&shy;های جمعیت، تولید ناخالص داخلی، قیمت برق و مصرف برق طی سال‌های 1347 تا 1394 مورد استفاده قرارگرفته و مدل‌های پیش&shy;بینی تقاضا به دو صورت خطی و غیرخطی ارائه شده است. در استراتژی دوم از شبکه‌های عصبی مصنوعی آموزش داده شده با الگوریتم‌های فراابتکاری فوق&shy;الذکر برای پیش&shy;بینی تقاضای برق بر پایه همان متغیرهای ورودی تعیین شده در استراتژی اول استفاده شده است. نتایح نشان داد مدل نمایی توسعه یافته با الگوریتم بهینه‌سازی انبوه ذرات، با درصد قدرمطلق میانگین خطای 85/2%، بهترین دقت را در پیش&shy;بینی تقاضای انرژی الکتریکی ایران دارد. تقاضای برق ایران تا سال 1404 پیش&shy;بینی شد و انتظار می‌رود به مقدار 324 تراوات&shy;ساعت برسد.</span></span></span> This study aims to forecast Iran&#39;s electricity demand by using meta-heuristic algorithms, and based on economic and social indexes. To approach the goal, two strategies are considered. In the first strategy, genetic algorithm (GA), particle swarm optimization (PSO), and imperialist competitive algorithm (ICA) are used to determine equations of electricity demand based on economic and social indexes consisted of population, gross domestic product (GDP), electricity price, and electricity consumption during the years 1968 to 2015. In this regard, linear and nonlinear models are developed. In the second strategy, artificial neural networks (ANNs) trained by meta-heuristic algorithms (GA, PSO, and ICA) are used to forecast electricity demand. The results show that nonlinear PSO with %2.85 mean absolute percentage error (MAPE) is a suitable model to forecast Iran&#39;s electrical energy demand. Iran&#39;s electricity demand would reach 324 terawatt-hours (TWh) up to the year 2025. پیش‌بینی تقاضای برق, شبکه‌ عصبی مصنوعی, الگوریتم ژنتیک, الگوریتم بهینه‌سازی انبوه ذرات, الگوریتم رقابت استعماری Electricity demand forecasting, Artificial neural networks, Genetic algorithm, Particle swarm optimization, Imperialist competitive algorithm 27 44 http://necjournals.ir/browse.php?a_code=A-10-368-4&slc_lang=fa&sid=1 Aliyeh Kazemi عالیه کاظمی aliyehkazemi@ut.ac.ir 10031947532846005542 10031947532846005542 Yes Tehran University دانشگاه تهران Raja Bashirzadeh رجاء بشیرزاده rj.bshrzdh@gmail.co 10031947532846005543 10031947532846005543 No Tehran University دانشگاه تهران Sara Aryaee سارا آریایی sara.aryaee@ut.ac.ir 10031947532846005544 10031947532846005544 No Tehran University دانشگاه تهران