电力负荷预测

这是应用在澳大利亚市场的电力负荷预测的matlab代码，

该示例演示了如何使用MATLAB在澳大利亚悉尼构建短期负荷预测系统。它还谈到了如何将其转换为价格预测模型以及澳大利亚市场面临的挑战。准确的负荷预测对于公用事业的配电计划至关重要。负荷预测会影响许多决策，包括在给定期间内必须使用哪些发电机，并且会广泛影响电力批发市场的价格。在电力价格的混合模型中，负荷预测算法通常也很突出，这是一些最精确的电力市场建模方法。市场参与者在许多交易和风险管理应用程序中广泛使用电价预测。

传统上，公用事业和市场营销人员使用商业软件包来执行负载预测。这些方法的主要缺点是它们是一个黑匣子，无法对负载预测的计算方式提供透明度。它们通常也只能提供实用程序所需功能的80-90％。在许多情况下，不可能通过现成的产品来满足所有要求，例如，考虑到区域负荷，不同的天气状况等。

MathWorks工具提供了构建完全定制的负载预测系统的灵活性，该系统可以满足100％的要求。而且由于具有内置的模型，高级语言和易于连接数据的能力，因此开发这种系统所需的时间也大大少于用较低级的编程语言构建等效系统所花费的时间。 。

数据

此示例使用的数据是新南威尔士州AEMO的历史小时温度，系统负荷和日前电价，以及悉尼天文台的温度数据。 我们还将使用美国新英格兰池地区的数据。 所有数据都在temp_data和nem_data文件夹中提供，其matfile文件datacombine.m用于创建mat文件和excel文件。 对于美国数据，在Excel电子表格，MAT文件和“数据”文件夹中的都提供了这些数据

模型

历史数据用于校准神经网络和袋装回归树模型，以进行提前负荷预测。 非线性回归的预测器由genPredictors函数生成。 此函数创建模型输入矩阵。 对于负荷预测，预测变量包括

•干球温度

•湿球温度

•湿度

•露点温度

•一天中的每小时

• 一周中的每天

•假期/周末指示器

•之前的24小时平均负载

•24小时滞后负载

•168小时（前一周）滞后负荷

价格预测器还包括（现货和滞后的）天然气价格和滞后的电价。 该模型针对2004年至2007年的数据进行了训练，并针对2008年以来的完全样本外数据进行了测试。

想了解详情请下载附件http://www.apollocode.net/a/1053.html