یکی از چالش برانگیز ترین اهداف در شبکه های هوشمند برق متوازن کردن بار الکتریکی میباشد.واضح است که رفتار خودخواهانه کاربران، سیستم را ملزم به ایجاد مکانیزم های تشویقی می کند. مشوق در اینگونه مکانیزم ها باید به گونهای تعریف شود که کاربرمایل به همکاری برای تنظیم میزان مصرف و تقاضا باشد . قیمتگذاری پویا یکی از بهترین مکانیزمها میباشد، به گونهای که می توان با تغییر قیمت به صورت پویا، تعادلی میان عرضه و تقاضا ایجاد کرد. در حالت تعادل میزان تقاضای انرژی مصرف کننده از طریق مشوق های مالی تنظیم شده است . برای تعیین و اعلام یک قیمت مناسب، نیاز به یک پیش بینی دقیق از میزان مصرف انرژی در آینده خواهیم داشت. در این مقاله در راستای پیش بینی میزان تقاضا در شبکه های توزیع هوشمند برق به ازای هر عامل تاثیر گذار، بسته به شرایط،، مانند داده های آ ب و هوا و میزان مصرف گذشته کاریر، دو شبکه عصبیRBF و ANFISایجاد میشوند.با پیاده سازی الگوریتم بهینه سازی پرنده فاخته، سعی در آموزش سریع تر شبکه های عصبی شده است. سپس خروجی این شبکه های عصبی توسط، عملگر همجوشیIOWA ترکین میشروند و در نهایت خروجی های تاصل از این عملگر همجوشی بار دیگرتوسر، عملگر همجوشریIOWAترکین میشروند. مرتن سازی داده ها بر اسا میانگین مربع خطای هر شبکه عصبی می باشد نتایج عملی نشان می دهد که میزان خاا در پیش بینی مصرف بار با استفاده از عملگر همجوشی، کاهش چشم گیری داشته است