چکیده: حفظ توازن بین عرضه و تقاضای انرژی برق در افزایش سطح رفاه جامعه مهم است. مازاد مصرف (تقاضا) برق از تولید (عرضه) آن در یک روز/ ساعت باعث قطعی برق و بروز خسارت‌های ناشی از آن می‌شود. انرژی برق در حجم وسیع قابل ذخیره‌سازی نیست و مازاد تولید/ توزیع آن در شبکه هزینه‌های اقتصادی و زیست‌محیطی برای کشور ایجاد می‌نماید. پیش‌بینی پیک‌بار مصرف برق و شناسایی عوامل تعیین‌کننده آن در مدیریت عرضه و تقاضای برق و حفظ تعادل بین آن کمک‌کننده است. بنابراین در این پژوهش پیک‌بار مصرف برق در ایران با رویکردهای مختلف برای دوره 30/12/1395-17/03/1401مدل‌سازی و پیش‌بینی‌شده است. 90 درصد از 1872 مشاهده برای ساخت مدل و 10 درصد باقی‌مانده مشاهدات برای پیش‌بینی پیک‌بار استفاده‌شده است. در مدل‌سازی پیک‌بار مصرف با رویکرد شبکه عصبی (ANN) تعداد نورن های بهینه بر اساس معیار حداقل خطای پیش‌بینی، به ترتیب در لایه اول 11 و در لایه دوم 8 برآورد شد. نتایج آمار توصیفی پژوهش نشان می‌دهد که فراوانی پیک اول مصرف در ساعت 11 صبح و فراوانی پیک دوم مصرف در ساعت 9 شب بیشتر از بقیه ساعات است. نتایج مدل‌سازی پیک‌بار با رویکرد مدل رگرسیون خطی (GLM) نشان می‌دهد که متغیرهای تعطیلات رسمی، ساعت مصرف انرژی، تعداد مبتلایان جدید به کرونا، متوسط دمای هوا کشور (میانگین دو شهر مشهد و شیراز) و اختلاف آن در نقاط مختلف کشور، رطوبت نسبی هوا و تفاوت آن در نقاط مختلف و جمیعت اثر معنی‌دار بر پیک مصرف برق‌ دارند. ولی اثر متغیرهای روز هفته، شاخص استخراج رمز ارز (بیت کوین) و درآمد سرانه معنی‌دار نیست. همچنین اثر متغیر تعطیلات رسمی و دمای هوا بیشتر از سایر متغیرها است. مقایسه نتایج پیش‌بینی پیک مصرف برق نشان می‌دهد که دقت پیش‌بینی مدل‌ها و رویکردهای مختلف یکسان نیست. متوسط درصد خطای پیش‌بینی مدل‌های GLM، ANN و ARIMA طی 187 روز (11/09/1400 تا 16/03/1401) به ترتیب 0.0799، 0.0754 و 0.0714 است. براین اساس مدل ARIMA با داشتن حداقل متوسط خطای پیش‌بینی مدل مناسب‌تر در پیش‌بینی پیک‌بار است.