دربازارهایبرققیمتانرژیالکتریکیدرطولروزمتغیر می-باشد.اینموضوعبرنامهریزیومدیریت مصرفمشتریان راتحت-الشعاعقراردادهاست.مصرفکنندگانانرژی الکتریکیجهتمدیریتمصرفبهینهنیازمندبهدانستن قیمتانرژیالکتریکیدرساعاتآیندهمی باشند . اینامر پیشبینیقیمتبرقرابرایمصرفکنندگانضرورینموده است. پیشبینیقیمتانرژیالکتریکیازپیچیدگیبیشتری نسبتبهپیشبینیباربرخورداراست. بارشبکهدرطولیکشبانهروزتغییراتزیادیدارد . به همیندلیلتولیدکنندگاندرساعاتمتفاوتقیمت های متفاوتیرابهبازارپیشنهادمی کنند. لذاقیمتانرژیالکتریکی نیزدر24ساعتبسیارمتغیرمی باشد. ازاین روبرایافزایش دقتپیشبینیاستفادهازمدل هایمختلفبرایساعات مختلفروزمعقولبهنظرمی رسد.در این تحقیق ما نیز بر آن شده ایم که بر اساس روش ماشین های بردار پشتیبان، روشی را برای پیش بینی قیمت برق ارائه دهیم.برای بهبود خطای پیش بینی هفتگی، از الگوریتم تکاملی بهینه سازی گروه ذرات، استفاده شده است. ورودی که برای مدل پیش بینی در نظر گرفته شده است، تاریخچه قیمت، بار، تقاضا و دما در 1200 ساعت قبل می باشد و خروجی مدل نیز قیمت ساعت بعد می باشد. نتایج حاصل از شبیه سازی، که برای داده های بازار مرکزی اسپانیا در سال 2002 و در محیط مطلب انجام شده است، نشان از کارایی مدل svm-pso برای پیش بینی قیمت برق دارد.