پیش بینی بار کوتاه مدت نقش بسیار مهمی در برنامه ریزی، بهره برداری و کنترل سیستم های قدرت دارد. پیش بینی بار دقیق، باعث بهبود تصمیم گیری های عملیاتی در مورد برنامه ریزی تعمیرات و نگهداری، تخصیص ذخیره مطمئن، برنامه ریزی ورود و خروج واحدها، توزیع اقتصادی و ... می شود. پیش بینی دقیق بار کوتاه مدت با توجه به عوامل متعدد موثر بر بار، از قبیل شرایط آب و هوایی، تغییرات دوره ای روزانه، هفتگی، فصلی و عوامل اتفاقی که دارای روابط پیچیده غیرخطی با بار هستند، از پیچیدگی های خاص برخوردار می باشد و کار بسیار دشواری است. برای حل مشکلات فوق در این پایان نامه پیش بینی بار کوتاه مدت، با استفاده از شبکه های عصبی مصنوعی انجام می شود. شبکه های عصبی مصنوعی قادرند روابط غیرخطی دقیق را از میان متغیر های ورودی، با استفاده از داده های آزمایشی استخراج نمایند. هدف این پایان نامه کم کردن خطا در مسئله پیش بینی بار کوتاه مدت و به خصوص بهبود دقت پیش بینی بار روزهای خاص با استفاده از یک ساختار مناسب شبکه عصبی مصنوعی و همچنین شناخت و انتخاب موثرترین عوامل تاثیرگذار بر بار به منظور استفاده در ورودی های شبکه عصبی می باشد. جهت رسیدن به این مقصود شبکه عصبی پیش خور با الگویتم آموزشی پس انتشار مورد آزمایش قرار گرفت و نتایج خوبی به دست آمد. در این پایان نامه برای استفاده از شبکه عصبی از داده های واقعی بار و اطلاعات آب و هوایی شهرستان مشهد، که از شرکت توزیع و اداره کل هواشناسی شهرستان مشهد دریافت شده بود، جهت پیش بینی بار 24 ساعت آینده استفاده شده است.