BP神经网络方法的电力负荷预测编程指导书（内附matlab代码）.docx

BP神经网络方法的电力负荷预测编程指导书（内附matlab代码） 由于短期电力负荷预测是一个复杂的过程，包括数据处理、建立模型以及误差分析等等，单纯的人工操作不但劳动强度大，而且预测的效果并不理想。因此使用相应的软件来完成这些复杂的工作显得很有必要。本章使用MATLAB的神经网络工具箱，通过一个具体的算例来检验BP算法在负荷预测中的应用。利用某市2017年3月1——15日的历史负荷数据，用Matlab的神经网络工具箱来预测16,17,18三日的日平均负荷值，并与实际值比较，并得出结论。 指导书主要内容（含matlab代码） TOC \o 1-3 \h \z \u BP神经网络方法的电力负荷预测编程指导书 1 （一） 数据准备 1 （二） 编写MATLAB程序 3 （三）具体程序及注解 4 （四）运行结果分析 8 （一） 数据准备 附录1是某市2007年3月1-18日的历史负荷数据，求出最大值，最小值，平均值后，利用公式(3-19)对其归一化处理后，其结果如表4-1至4-4所示： 1 1-8日整点负荷数据归一化结果 时间 1日 2日 3日 4日 5日 6日 7日 8日 0:00 0.3633 0.0985 0.2112 0.2724 0.2869 0.2777 0.3409 0.3633 1:00 0.2726 0.0381 0.1209 0.1617 0.1612 0.1984 0.2511 0.2338 2:00 0.2016 0.0198 0.0875 0.1331 0.1276 0.1593 0.1804 0.1925 3:00 0.1453 0.0131 0.0468 0.0818 0.1118 0.1094 0.1392 0.1683 4:00 0.1257 0.0003 0.0323 0.0683 0.1161 0.0853 0.1269 0.1463 5:00 0.1260 0.0027 0.0496 0.0896 0.1219 0.1227 0.1688 0.1779 6:00 0.2766 0.1735 0.2488 0.2614 0.2809 0.3035 0.3272 0.2505 7:00 0.3265 0.2582 0.3253 0.3502 0.3973 0.4379 0.4266 0.3827 8:00 0.4227 0.4186 0.4581 0.4873 0.5232 0.5610 0.5694 0.4702 9:00 0.4903 0.5206 0.5824 0.6053 0.6500 0.6554 0.6548 0.5601 10:00 0.5733 0.6180 0.6697 0.6618 0.7170 0.7225 0.7156 0.6049 11:00 0.7007 0.5408 0.7842 0.7772 0.8338 0.8221 0.8540 0.7207 12:00 0.4935 0.4946 0.5385 0.5367 0.6063 0.6031 0.5830 0.4876 13:00 0.4438 0.4884 0.5083 0.4953 0.5631 0.5709 0.5446 0.4495 14:00 0.4728 0.5167 0.5269 0.5142 0.5842 0.5936 0.5765 0.4728 15:00 0.5822 0.5271 0.5362 0.5491 0.5857 0.6153 0.5669 0.4591 16:00 0.6557 0.6347 0.6177 0.6297 0.6597 0.7043 0.6559 0.5247 17:00 0.8316 0.7849 0.7916 0.7496 0.7915 0.8250 0.7793 0.6484 18:00 0.6182 0.7908 0.8032 0.7959 0.8208 0.8614 0.8098 0.6849 19:00 0.6786 0.7993 0.8426 0.8557 0.8626 0.9322 0.8871 0.8010 20:00 0.5764 0.6973 0.7852 0.7942 0.8086 0.8414 0.8343 0.7552 21:00 0.4759 0.6085 0.6962 0.7209 0.7286 0.7388 0.7246 0.6858 22:00 0.3791 0.5125 0.6302 0.6253 0.6301 0.7027 0.6554 0.5970 23:00 0.2135 0.3190 0.4225 0.4384 0.4282 0.4974 0.5037 0.4292 表4-2 9-17日整点负荷数