پروسه های پیش بینی یکی از عناصر کلیدی در بهره برداری و برنامه ریزی سیستمهای قدرت می باشند. شرایط جدید سیستمهای قدرت نظیر تجدید ساختار و مطرح شدن انرژیهای تجدید پذیر اهمیت پروسه های پیش بینی را بیشتر نموده و فرآیندهای پیش بینی جدیدی را نظیر پیش بینی قیمت برق و پیش بینی انرژی باد مطرح نموده اند. سیگنال خروجی در اکثر این پروسه های پیش بینی به تعداد زیادی از ورودیها وابسته است (از نظر ریاضی یک تابع چند متغیره با بعد بالا میباشد). یک نکته کلیدی برای کارآمدی هر روش پیش بینی انتخاب مناسب متغیرهای ورودی است. روش انتخاب مولفه پروسه یادگیری موتور پیش بینی را آسان می کند و قابلیت تعمیم آن را برای داده های دیده نشده بهبود می بخشد. همچنین انتخاب مولفه نقش کلیدی در دقت و پایداری نتایج پیش بینی بدست آمده خواهد داشت. در این تحقیق به بررسی انواع معیارها و روشهای انتخاب مولفه و کاربرد آنها در پروسه های پیش بینی سیستمهای قدرت پرداخته شده است و یک روش انتخاب مولفه جدید ارائه شده و عملکرد روش پیشنهادی با پیاده سازی بر روی پروسه های مختلف پیش بینی سیستم قدرت ارزیابی می شود.