欧洲智能技术网络(EUNITE)竞赛负荷预测样本数据，里面包含了1997年、1998年斯洛伐克东部电力公司某电厂的真实负荷数据，要求预测1999年1月份的负荷数据。另外，给出了1997、1998年每年的节假日数据和每天的天气数据。
2019-12-21 19:54:46
2.61MB
1
师兄给我们科研项目组内容学习的优秀论文和配套源码。本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。
2019-12-21 19:54:22
328KB
1
我们用了两种算法对PJM某区电力负荷进行超短期预测。ARIMA算法预测速度较快，平均误差在3%以内，特别适合这种超短期负荷预测，而小波分析+BP神经网络算法是一种适应性比较广的算法，在此次超短期负荷预测中它的平均误差在7%以内，预测时间相对更长。
此程序由华北电力大学电力专业学生编写，采用了VB、MATLAB混合编程（VB的界面，MATLAB的内核），利用了2种算法实现电力负荷超短期预测，这2种方法都是当前较先进实用的算法，十分有启发性。
2019-12-21 18:58:11
8.95MB
1