Matlab|基于BP神经网络进行电力系统短期负荷预测

目录

摘要

1.电力负载数据输入

输入和输出数据集成

建立和培训BP神经网络

4.使用测试数据进行负荷预测

5,Matlab代码显示

摘要

利用BP神经网络实现一个简单的负载回归预测任务,主要步骤是:数据输入、数据集成、建立BP神经网络、培训BP神经网络、使用测试数据预测负载情况、误差分析和绘图。

1.电力负载数据输入

使用Matlab中的xlsread函数从指定的Excel文件中提取功率负载数据,您可以设置您自己的进口日数。这里可以设置5天的数据,如下图所示:

其他全部数据：

输入和输出数据集成

尽管神经网络各层的输入信号分布不同,但最后,样品标记“向”不变,也就是说,边际概率是不同的,条件概率是一致的。为了减少分配变化的影响,可以采用正常化策略,将数据分布映射到定义的间隔.神经⽹络中，常用的分类策略是批量规范化. WN(Weight Normalization)， LN(Layer Normalization)，IN(Instance Normalization)。

这里,使用最大-min集成方法,所有数据在0到1之间集成,集成后的数据如下:

建立和培训BP神经网络

BP神经网络是一种基于多层传感器的多层反馈神经网络,用于提高误差逆转传输信号,用于处理非线性连续函数。该网络由输入层、隐性层、输出层组成,其主要特点是信号前继传输、误差逆转传输,可用于系统模型识别、预测或控制。在向前传输中,输入信号由输入层通过隐性层处理到输出层。每个层的神经元状态只影响下层的神经元状态。如果输出层不能取得预期输出,则将转换为逆传播,根据预测误差调整网络功率和阈值,使BP神经网络能持续地预测输出更接近预期输出,其拓扑结构图如图1所示:

本文对输入字数1,输出字数1,设置神经元数100,设置学习率0.001,使用MATLAB的纽夫函数构建BP神经网络,使用训练函数训练BP神经网络:

4.使用测试数据进行负荷预测

测试结果：

5,Matlab代码显示

这篇文章只显示部分代码,完整的代码点在这里:?

本文由 在线网速测试 整理编辑，转载请注明出处，原文链接：https://www.wangsu123.cn/news/28551.html。