دادهها و الگوهای قابل استخراج از بین آنها، از مهمترین شاخصهای دنیای اطلاعات هستند و داده کاوی یکی ازپرکاربردترین روشهایی است که میتواند الگوهای مفید در دادهها را با حداقل دخالت کاربران شناسایی کند. خوشه بندی به عنوان یکی از روشهای داده کاوی، مناسب ترین روش برای کار با دادهها و استخراج الگوهای موجود در آنها میباشد. امروزه با اندازگیری هوشمند، امکان پردازش غیرمتمرکز داده ها و نیز مخابرات وسیع برای تحویل اطلاعات به صورت آنی مهیا شده تا به وسیله تحلیل اطالعات، انرژی مورد نیاز شبکه توزیع پیشبینی شود. در پژوهش حاضر، ابتدا کاربرد و روشهای مختلف خوشه بندی در سری های زمانی مورد ارزیابی قرار خواهد گرفت و همچنین نحوهی جمع آوری دادههای مصرف کنندگان مورد بررسی قرار میگیرد تا با روشهای مختلف و متنوعی که وجود دارد الگوی بار مشترکین مختلف با توجه به سوابق آنها در سیستم، استخراج گردد. یک روش بهینهی خوشهبندی مطرح میشود و سپس با استفاده از شبکه عصبی MLP به تعیین سهم خوشهها از بار فیدر می پردازد.
