امروزه با رشد سریع فناری اطلاعات در بخش های مختلف کسب و کار و صنعت، نیاز به اطلاعات دقیق که در زمان مناسب و با کمترین هزینه به دست آمده باشند، نقش مهمی را در جهت موفقیت سازمان ایفا می کند. با توجه به وجود داده های زیاد در بانک های اطلاعاتی سازمانها، برای بازیابی و فراهم نمودن اطلاعات مناسب، فرایند کشف دانش از پایگاه داده های سازمانی مطرح است که یک فرآیند علمی برای شناسایی الگوهای معتبر، نوین و قابل فهم از داده ها می باشد. مهم ترین بخش این فرآیند، داده کاوی می باشد که با استفاده از الگوریتم های مشخص، الگوهایی را از پایگاه داده استخراج می نماید. این الگوهای کشف شده در توصیف وضعیت کنونی یا پیش بینی وضعیت آینده، استفاده می شوند. داده کاوی یکی از دستاوردهای فناوری اطلاعات و ارتباطات برای بهبود تحلیلها و تصمیمات سازمانی و استراتژی های مدیریتی می باشد. صنعت برق هر کشور نقش به سزایی در زیرساختهای آن کشور ایفا می کند. تامین تقاضای انرژی الکتریکی و ارائه آن به مصرف کننده با قابلیت اطمینان بالا، تغییرات ساختاری عمده را در صنعت برق می طلبد. یکی از این تغییرات، حرکت به سوی بازار رقابتی برق می باشد. پیش بینی دقیق بار، یک الزام کلیدی برای طراحی و عملیات اقتصادی و امنیتی سیستمهای جدید قدرت می باشد. این تحقیق رویکردی را برای پیش بینی ساعتی سه روز آینده مصرف انرژی الکتریکی نشان می دهد. رویکرد مورد نظر از چندین ویژگی مهم برای پیش بینی استفاده می کند: انرژی الکتریکی مصرف شده ساعتی، انرژی الکتریکی مصرف نشده که در اثر خاموشی ایجاد می شود و داده های هواشناسی. پس از اینکه پیش پردازش و اصلاح انجام شد، الگوهای مصرف شناسایی خواهد شد. برای پیش بینی انرژی الکتریکی از روش های svm، شبکه عصبی و ترکیبی از روشهای شبکه عصبی و svm که مبتنی بر خوشه بندی است، استفاده می شود. نتایج نشان می دهد که مدل نهایی بدست آمده، دقت بیشتری نسبت به رویکردهای موجود در صنعت برق دارد.