某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測-資料下載頁
2025-06-17 17:30本頁面
【正文】 的中長期電力負(fù)荷預(yù)測[J]. 電網(wǎng)技術(shù), 2008(19):7177.[3] 李子奈. 計量經(jīng)濟(jì)學(xué)應(yīng)用研究的總體回歸模型設(shè)定[J]. 經(jīng)濟(jì)研究, 2008(8):136144.[4] 萬昆, 柳瑞禹. 區(qū)間時間序列向量自回歸模型在短期電力負(fù)荷預(yù)測中的應(yīng)用[J]. 電網(wǎng)技術(shù), 2012, 36(11):7781.[5] 王燕. 應(yīng)用時間序列分析[M]. 中國人民大學(xué)出版社, 2012.[6] 張淑清, 任爽, 師榮艷,等. 基于多變量氣象因子的LMBP電力日負(fù)荷預(yù)測[J]. 儀器儀表學(xué)報, 2015, 36(7):16461652.[7] 史峰. MATLAB智能算法30個案例分析[M]. 北京航空航天大學(xué)出版社, 2011.[8] 謝先武. 證券投資中的數(shù)學(xué)方法[J]. 科學(xué)中國人, 2000(9):6364..附 錄附錄一：A1=xlsread(39。39。)。A2=xlsread(39。39。)。%讀入兩個地區(qū)全年的電負(fù)荷矩陣M1=zeros(size(A1))。M2=zeros(size(A2))。M1=sort(A1,2)。M2=sort(A2,2)。%按照行升序排列電負(fù)荷矩陣C11=M1(:,1)。C12=M2(:,1)。%兩個地區(qū)日最低負(fù)荷C21=M1(:,96)。C22=M2(:,96)。%兩個地區(qū)日最高負(fù)荷C31=C21C11。C32=C22C12。%兩個地區(qū)日峰谷差值C41=sum(M1,2)./96。C42=sum(M2,2)./96。%兩地區(qū)日負(fù)荷均值C51=C41./C21。C52=C42./C22%兩地區(qū)日負(fù)荷率t=1:1:365。subplot(2,2,1)。plot(t,C21,39。g39。) 。hold onplot(t,C22,39。r39。)。%最高負(fù)荷legend(39。地區(qū)139。,39。地區(qū)239。)。subplot(2,2,2)。plot(t,C11,39。g39。) 。hold onplot(t,C12,39。r39。)。%最低legend(39。地區(qū)139。,39。地區(qū)239。)。subplot(2,2,3)。plot(t,C31,39。g39。) 。hold onplot(t,C32,39。r39。)。%日峰谷差legend(39。地區(qū)139。,39。地區(qū)239。)。subplot(2,2,4)。plot(t,C51,39。g39。) 。hold onplot(t,C52,39。r39。)。%日負(fù)荷率legend(39。地區(qū)139。,39。地區(qū)239。)。a1=xlsread(39。39。)。a2=xlsread(39。39。)。%讀入兩個地區(qū)全年的電負(fù)荷矩陣B1=a1(:,4:4:96)。B2=a2(:,4:4:96)。%提取整點(diǎn)電力負(fù)荷t=1:18760。C1=B1.*B1。C2=B2.*B2。D1=sum(C1,2)。D2=sum(C2,2)。E1=sqrt(D1/24)。E2=sqrt(D2/24)。%求出全天電力負(fù)荷e1=sort(E1,39。descend39。)。e2=sort(E2,39。descend39。)。%對全天電力負(fù)荷降序排列n=24。z1=e1*ones(1,n)。z2=e2*ones(1,n)。%用全天電力負(fù)荷替換全天各小時電力負(fù)荷f1=reshape(z139。,8760,1)。 f2=reshape(z239。,8760,1)。 stairs(t,f1,39。g39。) 。hold onstairs(t,f2,39。r39。)。%做出全年負(fù)荷持續(xù)性階梯曲線附錄二： 地區(qū)一日最高負(fù)荷回歸結(jié)果 地區(qū)二日最高負(fù)荷回歸結(jié)果 地區(qū)一日最低負(fù)荷回歸結(jié)果 地區(qū)二日最低負(fù)荷回歸結(jié)果 地區(qū)一日平均負(fù)荷回歸結(jié)果 地區(qū)一日平均負(fù)荷回歸結(jié)果附錄三： 地區(qū)一負(fù)荷差分后序列相關(guān)圖 地區(qū)二負(fù)荷差分后序列相關(guān)圖附錄四：clc。close all。clear all。x =xlsread(39。39。)。p=x39。 y = xlsread(39。39。)。y=y(:,97)。t=y39。 % 利用mapminmax函數(shù)對數(shù)據(jù)進(jìn)行歸一化[pn,input_str] = mapminmax(p) 。[tn,output_str] = mapminmax(t) 。% 建立BP神經(jīng)網(wǎng)絡(luò)，相對舊一點(diǎn)的MATLAB版本，新版本 newff 函數(shù)使用更簡潔一些% 但是本質(zhì)和性能沒有區(qū)別net=newff(pn,tn,[5 7 1],{39。purelin39。,39。logsig39。,39。purelin39。})。% 10輪回顯示一次結(jié)果=10。% =。 % 最大訓(xùn)練次數(shù)為5000次=50000。% 均方誤差=*10^(3)。 % 網(wǎng)絡(luò)誤差如果連續(xù)6次迭代都沒有變化，訓(xùn)練將會自動終止（系統(tǒng)默認(rèn)的）% 為了讓程序繼續(xù)運(yùn)行，用以下命令取消這條設(shè)置 = 39。39。% 開始訓(xùn)練，其中pn,tn分別為輸入輸出樣本net=train(net,pn,tn)。 % 利用訓(xùn)練好的網(wǎng)絡(luò)，基于原始數(shù)據(jù)對BP網(wǎng)絡(luò)仿真an=sim(net,pn)。 % 新版本推薦訓(xùn)練樣本歸一化和反歸一化都使用 mapminmax 函數(shù)a = mapminmax(39。reverse39。,an,output_str)。% 本例因樣本容量有限使用訓(xùn)練數(shù)據(jù)進(jìn)行測試，通常必須用新鮮數(shù)據(jù)進(jìn)行測試pnew=[ 14 69 11 12 90 91 69 0 64 0 65 0 53 0]39。 % 利用原始輸入數(shù)據(jù)的歸一化參數(shù)對新數(shù)據(jù)進(jìn)行歸一化pnewn = mapminmax(39。apply39。,pnew,input_str)。% 利用歸一化后的數(shù)據(jù)進(jìn)行仿真anewn=sim(net,pnewn)。 % 把仿真得到的數(shù)據(jù)還原為原始的數(shù)量級anew = mapminmax(39。reverse39。,anewn,output_str) THANKS !!!致力為企業(yè)和個人提供合同協(xié)議，策劃案計劃書，學(xué)習(xí)課件等等打造全網(wǎng)一站式需求歡迎您的下載，資料僅供參考可修改編輯
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1