采用第三方SVM工具箱实现基于日特征气象因素的不同日期的电力负荷预测+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

自己编程实现基于SVM的电力负荷预测仿真,不使用MATLAB自带的SVM工具箱+含代码操作演示视频 运行注意事项：使用matlab2021a或者更高版本测试，运行里面的Runme.m文件，不要直接运行子函数文件。运行时注意matlab左侧的当前文件夹窗口必须是当前工程所在路径。具体可观看提供的操作录像视频跟着操作。

【SVM预测】基于SVM实现电力系统短期负荷预测含Matlab源码.zip

电动汽车的充电负荷预测在电动汽车的推广过程中发挥着重要的作用。为了克服现有方法中部分参数设置主观、预测模型与用户随机性驾驶行为匹配欠缺的不足，将电动汽车进行细致分类，通过建立充电负荷预测影响因素的概率模型，利用概率统计学和蒙特卡洛模拟方法提出了基于时刻充电概率的负荷预测模型。利用科学分析得到的日行驶里程代替主观给定的起始电荷状态(SOC)以推导充电时长，利用更具随机性的时刻充电概率代替计算得到的充电时段来确定充电负荷。以某市为例，预测了相关电动汽车的日负荷曲线，并与常用负荷预测方法的结果进行对比，验证了所提负荷预测方法能够科学地预测用户的充电负荷，能够为电网及用户的电能管理策略提供可靠的依据。

分别使用LSTM、ARIMA和Prophet三种时间序列预测算法实现单变量周期性数据的预测。

该程序以matlab为基础通过对历史气候数据进行模糊聚类，提取相似日负荷构成样本数据并进行小波分解，利用改进的PSO-RVM算法对各小波分量进行预测和叠加，以得到预测日负荷序列的均值和概率模型。

人工智能-机器学习-面向对象的电力系统综合负荷预测软件开发及应用.pdf

附数据；使用BP神经网络进行电力系统短期负荷预测 完整程序

人工智能-项目实践-电力负荷-基于LSTM的电力负荷预测 基于LSTM的电力负荷预测 预测的MAPE为2.3%，