به منظور افزایش دقت پیش‌بینی بار الکتریکی مصرفی باید از الگوریتم‌های هوش مصنوعی و مبتنی بر شناخت مهندسی بهره گرفته شود. از جمله چالش‌های پیش‌رو این طرح پژوهشی می‌توان به این موضوع اشاره کرد که داده‌های موجود برای یادگیری موتور هوشمند محدود هستند، از طرفی سیستم پویایی بالایی دارد و نسبت به پنج سال گذشته، روال مصرف انرژی تغییرات اساسی داشته است؛ لذا وجود داده‌های محدود سال‌های گذشته با وجود تغییرات میزان مصرف به پیش‌بینی دقیق‌تر کمک نخواهد کرد. همچنین بار الکتریکی مصرفی ماهیت غیرایستا دارد و روزهای هفته و در ماه‌های مختلف متفاوت است. علاوه بر این، میزان بار الکتریکی مصرفی، تابع شاخص‌های اجتماعی همچون تعطیلات رسمی و مناسبت‌های مذهبی نیز می‌باشد که پیش‌بینی بار الکتریکی را با چالش روبرو می‌کند.

در حال حاضر الگوریتم‌های هوشمند به‌کار‌ گرفته‌شده در موتور پیش‌بینی محصول این شرکت در گام‌های ابتدایی می‌باشد. به عبارتی پارامترهای الگوریتم‌ها بهینه نشده‌ است و خطای الگوریتم‌های موجود این محصول زیاد است؛ به‌طوری‌که برای ایام پیک و زمان‌هایی همچون تعطیلات رسمی، خطا قابل‌توجه خواهد بود.

هدف از طرح پژوهشی حاضر افزایش دقت پیش­بینی بار الکتریکی است. خطای پیش‌بینی در حال حاضر حدود 3%-4% برای سال 1402 می‌باشد. هدف کاهش خطا تا محدوده 1%-2.5% برای یک شرکت توزیع برق می‌باشد.

انتظار می‌رود با اجرای طرح حاضر، دستاوردهای زیر حاصل شود:

• کاهش هزینه‌های جاری در شرکت‌های توزیع (نظام جریمه و پاداش با توجه به‌دقت پیش‌بینی بار الکتریکی توسط توانیر برای شرکت‌های توزیع عملیاتی شده است)
• بهینه‌سازی تولید با توجه به کاهش نیاز به رزرو به دلیل پیش‌بینی دقیق‌تر بار الکتریکی
• بهبود مدیریت بار با توجه به افزایش دقت پیش‌بینی بار الکتریکی در فیدر
• جلوگیری از اضافه‌بار شبکه (به‌ازای 1 درصد دقت تا 0.1-0.4 کاهش هزینه تولید)

قابل ذکر است که داده‌های هیستوریکال بار الکتریکی جهت توسعه الگوریتم از طرف شرکت متقاضی تامین خواهد شد