صنعت برق به عنوان صنعت زیربنایی و مادر نقش مهمی در توسعه اقتصادی و رفاه جوامع دارد. در محیط رقابتی بازارهای برق تجدید ساختاریافته، شرکت کنندگان در بازار به منظور بالا بردن سود خود، بایستی از میزان تقاضای مصرف کنندگان و همچنین قیمت انرژی الکتریسیته در ساعت های پیش رو آگاهی داشته باشند. ازاین رو پیش بینی بار و قیمت انرژی الکتریکی دو عنصر مهم و کلیدی در بازارهای تجدید ساختاریافته برق به شمار می آیند. پیش بینی بار الکتریکی می تواند در بهبود کارایی و افزایش امنیت سیستم های قدرت نقش بسزایی داشته باشد. همچنین پیش بینی قیمت انرژی الکتریکی به عنوان یکی از مهمترین ابزارها برای شرکت کنندگان در بازار برق به بهبود استراتژی قیمت دهی و گرفتن تصمیمات مهم در بخش سرمایه گذاری کمک می کند. در سال های اخیر روش های گوناگونی برای پیش بینی بار و قیمت انرژی الکتریکی در بازارهای تجدید ساختار شده برق معرفی شده است. کارشناسان و پژوهشگران، به دلیل اهمیت این موضوع، همواره به دنبال ارائه روش-های پیش بینی دقیق تری نسبت به گذشته بوده اند. در این پایان نامه کاربرد انواع شبکه های عصبی و روش های ترکیبی در پیش بینی بار و قیمت انرژی الکتریکی مورد ارزیابی قرارگرفته است. همچنین روش های جدیدی برای پیش بینی بار و قیمت انرژی الکتریکی ارائه شده است. با به کارگیری روش های ترکیبی مختلف می توان کارایی و دقت بالاتری را در پیش بینی بار و قیمت انرژی الکتریکی مشاهده نمود. استفاده از الگویتم بهینه سازی ازدحام ذرات در کنار مدل های ترکیبی برای کمتر کردن خطای آموزش می تواند در بهبود نتایج پیش بینی نقش داشته باشد. همچنین استفاده از الگوریتم بهینه سازی ازدحام ذرات برای آموزش شبکه عصبی، قابلیت جست وجو در فضای جواب را بهبود بخشیده و از به دام افتادن در بهینه های محلی جلوگیری می نماید. علاوه بر این چندین ساختار انتخاب ویژگی موثر در این پایان نامه ارائه شده است. نتایج بررسی ها و آزمایش های صورت گرفته دقت و عملکرد روش های پیشنهادشده را تائید می نمایند.