این مقاله یک مدل شبکه عصبی تلفیقی برای پیش‌بینی پیک بار الکتریکی(PLF) روزانه ارائه می‌کند. از آنجاییکه الگوهای مشابهی در داده‌های پیک بار وجود دارد، خوشهبندی دادهها دقت پیشبینیها را افزایش خواهد داد. اکثر خوشهبندیهای ارائه شده در ادبیات بدون دلیل و صرفاَ شهودی بودهاند. در این مقاله، ما رویکرد جدیدی برای خوشهبندی دادهها با استفاده از دو نقشه خودسازمانده پیاپی ارائه می‌کنیم. یک شبکه عصبی پیشخوراند(FFNN) برای هر یک از خوشهها جهت پیش‌بینیPLF توسعه داده شده است. جهت ارزیابی اثربخشی مدل تلفیقی پیشنهادی، پیش‌بینی بوسیله توسعه یک شبکه عصبی پیشخوراند که از داده‌های خوشهبندی نشده استفاده می‌کند، انجام شده است. نتایج برتری اثربخشی مدل تلفیقی پیشنهادی را ثابت می‌کند. همچنین، مدلهای رگرسیون خطی برای PLF توسعه داده شده است و نتایج نشان می‌دهد که مدل تلفیقی پیشنهادی به میزان قابلتوجهی، پیشبینیهای بهتری را نسبت به مدلهای رگرسیون خطی تلفیقی تولید می‌کند. لازم بذکر است که از داده‌های پیک بار شرکت برق منطقه‌ای تهران جهت آزمایش و اعتبارسنجی مدل استفاده شده است.
)