پیش بینی دقیق بار مصرفی می تواند نقش مهمی در استفاده اقتصادی از انرژی الکتریکی داشته باشد. در سالهای اخیر شبکه های عصبی مصنوعی به عنوان ابزاری توانمند جهت پیش بینی پیک بار مصرفی مورد استفاده قرار گرفته اند. به طور کلی شبکه های عصبی مصنوعی برای پیش بینی روابط بین پیک بار مصرفی در گذشته و حال و آینده مورد استفاده قرار می گیرند. سیستمهای معمول احتیاج به پارامترهای متغیر مختلفی دارند که هر کدام به نحوی بر منحنی پیک بار تاثیر می گذارند مثل اطلاعات مربوط به بار و آب و هوا. وجود تعداد زیادی متغیر ورودی سبب بروز خطا در پیش بینی عملکرد آینده سیستم می شود, بنابراین سیستم پیشنهادشده در این تحقیق فقط از مقادیر گذشته پیک بار و دمای هوا در یک هفته گذشته به عنوان متغیر ورودی استفاده می کند. در این مقاله ازدو الگوریتم مهم شبکه های عصبی مصنوعی به نامهای پرسپترون چند لایه و تابع پایه شعاعی و شبکه عصبی فازی جهت پیش بینی پیک بارمصرفی غرب کشور استفاده شده است. در نهایت خطاهای پیش بینی آنها مقایسه گردیده و نشان داده شده است که باتوجه به ماهیت پارامترهای در نظرگرفته شده, شبکه پرسپترون چند لایه از دقت بیشتری نسبت به تابع پایه شعاعی و شبکه عصبی فازی در پیش بینی پیک بارمصرفی برخوردار می باشد