در ساختار انحصاری صنعت، قیمت برق توسط دولت یا مجموعه ای زیر نظر دولت تعیین می شود. با شروع تجدید ساختار و خصوصی سازی در بازارهای برق، مطالعات بسیاری در کلیه قسمتها بویژه در بحث طراحی سیستمهای جدید و قیمت انرژی انجام شد، تا بتوان کارایی سیستم و سود سرمایه گذاری را بالا برد. سود سرمایه گذاری میتواند از طریق، بستن قراردادهای بهتر و یا پیشنهاددهی قیمت خوب برای خرید و یا فروش انرژی الکتریکی افزایش یابد که برای رسیدن به این موارد، باید قیمت برق را پیش بینی نمود. از سوی دیگر پیش بینی قیمت نقش مهمی در طرح و برنامه ریزی و گسترش سیستمهای قدرت داشته و پایه مطالعات اقتصادی توزیع انرژی و ایجاد بازار برق میباشد. قیمت انرژی الکتریکی در سیستمهای قدرت به عوامل متعددی همچون میزان مصرف بار، متغیرهای جوی مانند باد، رطوبت، پوشش ابری، تعطیلات، ماههای سال و روزهای هفته و قیمت سوخت بستگی دارد. در این پایان نامه ابتدا فرض شده است داده ها تا دو سال قبل هم برای اطلاعات بار و هم برای اطلاعات قیمت موجودند. داده های با شباهت زیاد هم برای اطلاعات بار و هم برای اطلاعات قیمت با ساعت مبنا حفظ و سپس مجموعه حاصل بررسی شد. پس از حذف داده های نامناسب در این قسمت با اطلاعات باقیمانده، پیش بینی قیمت برای روزها و هفته های نمونه در چهار فصل سال هم با استفاده از ga-arima و هم با استفاده از شبکه های عصبی- فازی انجام شد. نتایج حاصل در اغلب موارد بیانگر این موضوع است که روش anfis از نظر صحت و قابلیت اعتمادپذیری از روش ga-arima بهتر است. با توجه به ماهیت قیمت و پیش بینی آن، که اصولا موردی غیرخطی محسوب میشود، به نظر می رسد تکنیکهای محاسباتی نرم در مقایسه با تکنیکهای محاسباتی سخت، در این زمینه کارآیی بیشتری داشته باشند که نتایج حاصل برای نمونه مورد بررسی نیز تا حدود زیادی موید این مطلب می باشد. دقت پیش بینی با روشهای پیشنهادی نسبت به روشهای مشابه مطرح شده تا کنون، بهبود یافته اند. کلید واژه: بازار برق، پیش بینی قیمت، الگوریتم ژنتیک، شبکه های فازی-عصبی.