Elman神经网络的数据预测—电力负荷预测模型参考源码。 说明：用MATLAB实现。

基于需求侧响应参与电力系统调频的问题，提出一种电热水器负荷参与调频的系统设计。该系统分为两个部分，控制部分是依据调节电热水器的设定温度可改变其功率消耗的原理，利用状态序列法对电热水器聚合体参与调频进行控制；激励部分是结合传统的激励性补偿，利用用户参与度以及实响应与虚响应设计了电热水器的用户柔性补偿方案。仿真结果验证了所提的电热水器负荷参与电力系统调频系统设计的有效性。

在路灯照明启动后，负荷电流可视为稳定不变的。在计算道路照明的负荷时，通常可从容量法和电流法两种中任选一种。

6种算法（线性回归、随机森林、支持向量机、BP神经网络、GRU、LSTM）对电力系统负荷进行预测。通过一个简单的例子。 各种算法（线性回归、随机森林、支持向量机、BP 神经网络、GRU、LSTM）用于电力系统负载预测/电力预测。

可中断负荷是非常重要的需求侧资源.本文对于在保证系统安全的前提下进行可中断负荷的优化调度,基于二进制粒子群优化算法(BPSO)分时段优化调度特性不同的多个可中断负荷,以满足系统各时段削减容量的需求,同时满足可中断负荷的运行约束条件,并使供电公司支付的补偿费用最小以及执行中断的次数最少.使用加权的处理方法把可中断负荷优化调度的多目标优化问题简化为单一的目标函数,经实例验证基于BPSO的优化算法对可中断负荷的优化调度是有效的.

本文应用小波变换技术对电力用户每15分钟采集一次的用电负荷数据的特征进行了梳理，选择小波变换算法开展用电负荷数据的特征提取，优化数据存储方式实现数据压缩与脱敏存储，用以解决海量用电负荷指标数据的存储问题。结果表明，通过小波变换可以有效提取数据特征，压缩存储空间约50%，并实现数据脱敏。本文所研发的基于小波变换特征提取技术实现用电负荷数据压缩与脱敏存储的技术具有潜在的应用价值和推广价值，并能够产生较高的经济效益。

智能优化算法、神经网络预测、信号处理、元胞自动机、图像处理、路径规划、无人机等多种领域的Matlab仿真

第十届泰迪杯B题原始数据

matlab开发-无刷直流电机风机负荷应用数学模型及闭环速度控制。无刷直流电动机在风机负荷应用中的闭环调速

针对区域互联电力系统受到风电及负荷扰动后，系统频率会出现大幅度波动的问题，提出一种基于云神经网络自适应逆系统的多区域互联电力系统负荷频率控制方法。在分析单一区域电力系统有功输出特性的基础上，建立计及多区域有功输出的互联电力系统负荷频率控制模型。采用自适应逆控制有效解决系统响应和扰动抑制的矛盾。将云模型引入自适应逆系统构建云神经网络辨识器。利用云模型在处理模糊性和随机性等不确定性方面的优势，进一步提高神经网络的辨识能力。仿真结果表明，所设计的云神经网络自适应逆系统不仅可以得到好的动态响应，还可以使风电及负荷引起的扰动减小到最小。