پیش بینی کوتاه مدت مصرف بار الکتریکی نقش اساسی در بهره برداری بهینه از سیستم قدرت ایفا می کند.در این پایان نامه پیش بینی کوتاه مدت بار به وسیله ی روش ماشین بردار پشتیبان مورد مطالعه قرارگرفته شده است. عملکرد اقتصادی و قابلیت اطمینان یک شبکه وابستگی قابل ملاحظه ای به دقت پیش بینی بار دارد. پیش بینی کوتاه مدت بار الکتریکی برای برنامه ریزی در مدار قرار گرفتن نیروگاه ها، و مدیریت بار استفاده می شود. پیش بینی کوتاه مدت بار الکتریکی به دلیل تأثیرپذیری از روابط متعدد و متنوع غیر خطی بین تغییراتدوره ای روزانه و تغییرات مصرف بار از پیچیدگی خاصی برخوردار است. ماشین بردار پشتیبان از جدیدترین روش های یادگیری ماشین است که برای حل مسائل طبقه بندی و رگرسیون پیشنهاد شده است. روش مبتنی بر رگرسیون بردار پشتیبان به علت توانایی بسیار زیادی که در تخمین روابط غیر خطی دارد، یک راه حل مناسب در امر پیش بینی کوتاه مدت بار است. در این پایان نامه با استفاده از دو روش ماشین بردار پشتیبان مدلی برای پیش بینی بار الکتریکی مطرح شده است. برای 24 ساعت شبانه روز ، 24 مدل مختلف آموزش داده شده است. برای بررسی کارایی روش پیشنهادی از داده های برق استان سیستان و بلوچستان استفاده شده است. البته برای آموزش مدل داده های دیگری مثل تاریخ و نوع روز نیز مورد نیاز بود، که این داده ها نیز از تقویم استخراج شده است. دقت روش پیشنهادی با نتایج حاصل از شبکه عصبی چند لایه ی پرسپترون که یکی از متداول ترین روش ها برای انجام مسایل رگرسیون و پیش بینی می باشد مقایسه شده است.