پیش بینی بار الکتریکی یک مساله ی مهم در صنعت برق می باشد.پیش بینی بار کوتاه مدت که می تواند در بازه ی زمانی یک ساعت تا یک هفته انجام گیرد،در مسائل زمان بندی تولید و خاموش و روشن بودن واحد ها به کار گرفته می شود.در نتیجه یک پیش بینی بار دقیق نقش مهمی در کاهش هزینه های تولید انرژی و اختصاص رزرو سیستم ایفا می کند.پیش بینی تقاضای کوتاه مدت الکتریسیته یکی از ابزار مهم شرکت های برق برای اختصاص تولید بهینه به واحدهای تولید آنها برای تامین بار سیستم است.کنترل دقیق واحدهای تولید که از یک پیش بینی دقیق بار حاصل می شود تاثیر به سزایی در بهره برداری اقتصادی سیستم قدرت دارد.عدم دقت و خطای زیاد در پیش بینی باعث می شود که سیستم های تولید و انتقال در حالت بهینه و کارآمدی بهره برداری نشوند.این مقاله بر اساس روش ترکیبی شبکه های عصبی-فازی تطبیقی(ANFIS) و الگوریتم بهینه سازی ازدحام ذرات مدلی را برای پیش بینی بار کوتاه مدت ارائه می دهد.اطلاعات تاریخی بار شبکه و دما و همچنین دمای پیش بینی شده به عنوان ورودی های سیستم به کار می روند.نتایج شبیه سازی که بر روی اطلاعات شبکه توزیع منطقه کرمان اجرا شده نشان می دهد که مدل پیشنهادی با دقت مناسبی قابلیت پیش بینی بار ساعتی را داراست.