基于BP神经网络预测电力负荷（Matlab代码实现）

   目录

1 概述

2 运行结果

3 参考文献

‍4 Matlab代码

---

1 概述

针对电力调度机构对短期负荷预测的精度日益提高的问题，本文应用BP神经网络算法对电力负荷进行了短期预测，该方法模拟了人类大脑神经的功能，对收集到的样本数据进行处理和储存。在已经建立完成的负荷预测模型的基础上，分别收集预测区域的温度、气象等相关数据信息，进而确定所需训练的样本；对上述数据进行归一化处理，经过神经网络正向与反向传递得到期望值；应用BP神经网络算法优化实现了负荷预测模型，以某区域典型日负荷曲线为例进行实验测试，预测数值分析比对结果验证了所提算法的有效性和精确度。

2 运行结果

 

 

 

3 参考文献

[1]金丽丽.基于GRA-SSA-BP神经网络的电力负荷预测方法[J].红水河,2022,41(03):92-96.

[2]奚莉莉.基于改进BP神经网络的短期电力负荷预测模型设计[J].电子技术,2022,51(07):224-225.

‍4 Matlab代码

主函数部分代码：

%创建训练样本输入集
clc,clear
num=24;%对应24个特征
len=9;%有9行数据
data=xlsread('data_new');
data=data(2:len+1,:);

%建立训练集测试集
x_train=[data(1:len-2,:).'];
x_test=[data(len-1,:).'];
y_train=[data(2:len-1,:).'];
test=[data(len,:).'];

%创建BP神经网络
%创建网络
net=newff(minmax(x_train),[7,24],{'tansig','purelin'},'trainlm');%隐层神经元个数，输出层神经元个数,第1个参数为测试输入的输入范围
%设置训练次数
net.trainParam.epochs = 100;
%设置收敛误差
net.trainParam.goal=0.001;
%训练网络
[net,tr]=train(net,x_train,y_train);
%在训练集和测试集上的表现
y_train_predict=sim(net,x_train);