【正文】 ，2001.[4] 于爾鏗，劉廣一，（EMS）[M].北京：科學出版社，1998.[5] 張乃堯，[M].北京：清華大學出版社，1998. [6] 牛東曉，曹樹華，[M].北京：中國電力出版社，1998.[7] [M].北京：機械工業(yè)出版社，1995.[8] ［M］. 西安：西安電子科技大學出版社，1990.[9] 侯志儉，[J].中國電機工程學報，2003，23（1）：4550.[10] 冉啟文，單永正，[J]. 中國電機工程學報，2003，23（3）：3842.[11] 肖國泉，王春，[M].北京：中國電力出版社，2001.[12] [J].系統工程理論與實踐，1996，16（7）：99104.[13] ，數值計算，科學出版社，1959年.[14] Brown,R,G. The Fundamental Theorem of Exponential Smoothing, Operations Research, pp673685,1961.[15] 王雪峰，［Ｊ］.運籌學學報，1998，(3)：25～29．[16] 王雪峰，［Ｊ］.哈爾濱工業(yè)大學學報，1997，(2)：23～25.[17] Chow TW network based shortterm load forecasting using weather pensation [J].IEEE Trans on PWRS. 1996, 11(4):17361742.[18] , et novel approach to shortterm load forecasting using fuzzy neural networks [J].IEEE. Transactions on Power System,1998,13(2):480492.附錄Ⅰ：歸一化MATLAB代碼%p為休息日原始輸入數據p=[ 。 。 。 。 。 。 。 。 。 ]39。%P表示歸一化后的輸入向量for i=1:26 P(i,:)=(p(i,:)min(p(i,:)))/(max(p(i,:))min(p(i,:)))。end%p為工作日原始輸入數據p=[ 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 ]39。%P表示歸一化后的輸入向量for i=1:26 P(i,:)=(p(i,:)min(p(i,:)))/(max(p(i,:))min(p(i,:)))。End附錄B：完整的MATLAB 代碼%休息日預測P=[ 。 。 。 。 。 。 。 ]39。T=[ 。 。 。 。 。 。 。 ]39。threshold=[0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1]。net=newff(threshold,[53,24],{39。tansig39。,39。logsig39。},39。trainrp39。)。=1000。=。=。net=train(net,P,T)。hold on。figure。P_test=[ ]39。Out=sim(net,P_test)。%繪制預報誤差曲線X=[ ]39。plot(1:24,XOut)%反歸一化處理30號的負荷預測值s=[ 。 。 。 。 。 。 。 。 。 ]39。for j=1:24 A(j,:)=(max(s(j,:))min(s(j,:)))*Out(j,:)+min(s(j,:))。end%工作日預測P=[ 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 ]39。T=[ 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 ]39。threshold=[0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1。 0 1]。net=newff(threshold,[53,24],{39。tansig39。,39。logsig39。},39。trainrp39。)。=1000。=。=。net=train(net,P,T)。hold on。figure。P_test=[ ]39。Out=sim(net,P_test)。%繪制預報誤差曲：X=[ ]39。plot(1:24,XOut)%反歸一化處理28號的負荷預測值s=[ 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 。 ]39。for j=1:24 A(j,:)=(max(s(j,:))min(s(j,:)))*Out(j,:)+min(s(j,:))。end