La energía ha sido uno de los temas más importantes de discusión política y social en las últimas décadas. Una parte significativa de los ingresos del país se deriva de los recursos energéticos, lo que lo convierte en una de las áreas de política macroeconómica y desarrollo sostenible más importantes y estratégicas. El modelado de la demanda de energía es una de las estrategias esenciales para gestionar mejor el sector energético y desarrollar políticas adecuadas para aumentar la productividad. Con la creciente demanda global de energía, es necesario desarrollar métodos y algoritmos de pronóstico inteligentes. Diferentes indicadores económicos y no económicos pueden utilizarse para estimar la demanda de energía, incluidos métodos estadísticos lineales y no lineales, matemáticas y modelos de simulación. Esta relación no lineal entre estos indicadores y la demanda de energía ha llevado a los investigadores a buscar soluciones inteligentes, como redes neuronales artificiales para modelado y predicción no lineales. El propósito de este estudio fue utilizar una red neuronal profunda con ondas difusas para predecir la demanda de energía en Irán. Para el entrenamiento de los componentes presentados, se presenta un método de entrenamiento híbrido que incorpora tanto un PSO en línea como un algoritmo basado en gradientes. La técnica proporcionada predice el consumo de energía en Teherán, Mashhad, Ahvaz y Urmia desde 2010 hasta 2021. Este estudio muestra que el método presentado proporciona una predicción de alto rendimiento a un nivel menor de complejidad.