هدف این پژوهش تخمین میزان بار اکتیو واحدهای نیروگاهی تحت تاثیر وضعیت جوی، با یک روش علمی مدون به  گونه ای است که این نواسانات جوی تاثیرات نامطلوب کمتری بر روی کارایی برج های خنک کننده و به دنبال آن افت راندمان در این واحدها داشته باشد. تا کنون پیش بینی بار بهینه نیروگاه براساس تجربیات کارشناسان انجام می گرفته اما با استفاده از تکنیک شبکه های عصبی می توان با استناد به داده های گذشته برای آینده یک پیش بینی مفید با سطح اطمینان قابل قبول انجام داد. شبکه عصبی پرسپترون چند لایه (MLP)یكی از پر كاربردترین مدلهای شبكه های عصبی مصنوعی است که ازمؤلفه های هوش مصنوعی در زمینه پیش بینی بهینه بار واحد سود می برد درنتیجه می تواند بدون در نظر گرفتن معادلات پیچیده خطی یا غیرخطی دینامیك حاكم بر سیستم، رفتار سیستم را شبیه سازی و خروجی مدل را پیش بینی كند. برای بررسی این تکنیک ابتدا با برج های خنک کننده و میزان اثر پذیری و ارتباط آن ها با پارامترهای جوی (دما ، سرعت باد ، رطوبت) آشنا می شوید و سپس با مبانی نظری شبکه های عصبی پرسپترون آشناخواهید شد و در انتها با نحوه استفاده از این تکنیک در این پژوهش آشنا می گردید که همراه با تحقیقات و داده های میدانی است که در نیروگاه شهید محمد منتظری اصفهان صورت پذیرفته است.