用MATLAB 实现数据的调用问题
做电力系统短期负荷预测，用MATLAB编程，给了05年的整年的负荷数据和天气数据。以load_value(:,:,;,;)的形式直接输入程序中，现需要编写程序按照天气要节假日等要求有选择性的调用数据。其中， 为未处理的神经网络输入值，Y为经过平滑处理后的神经网络输入值， 、 为神经网络输入量的最大，最小值。
2、将神经网络应用于电力负荷预测时，对于天气参数如温度、降雨量等非量化的参数，无法采用公式计算，本文总结了天气参数量化关系如表3-1所示：
表3-1天气参数量化表
Table3-1 weather parameter table
气温 描述
数值 <0
0.5 0-10
0.3 10-20
0.2 20-25
0.3 10-20
0.6 25-30
0.8 >35
1.0
降雨 描述
数值 无
0 小雨
0.25 中雨
0.5 大雨
0.75 暴雨
1.0
为节省训练时间，本文考虑按小时进行预测，分别建立24个子网络模型分别进行训练。另外等）几种负荷预测模型，这几种模型的区别主要在输入变量的选取有些不同，各模型的结构分别见表3-2, 3-3和表3-4：
表3-2 工作日模型输入\输出表
Table3-2 table of work day model input/output
神经网络单元层 节点描述
输
入
层 1-6 预测日前一天、前两天及前一周对应预测时刻及前一时刻实际负荷值
7-9 预测日预测时刻前三个时刻的负荷值
10-12 预测日前一天、前两天及前一周的平均温度
13-15 预测时刻对应的气象数据包括最高温度、最低温度和降雨量
隐含层 30个节点
输出层 预测日预测时刻的负荷值
表3-3 周末日模型输入\输出表
Table3-3 table of weekend model input/output
神经网络单元层 节点描述
输
入
层 1-4 预测日前一天及前一周对应预测时刻及前一时刻实际负荷值
5-7 预测日预测时刻前三个时刻的负荷值
8-9 预测日前一天及前一周的平均温度
10-12 预测日预测时刻对应的气象数据包括最高温度、最低温度和降雨量
隐含层 24个节点
输出层 预测日预测时刻的负荷值
表3-4 节假日模型输入\输出表
Table3-4 table of holiday model input/output
神经网络单元层 节点描述
输
入
层 1-4 预测日前一天及前两天对应预测时刻及前一时刻实际负荷值
5-7 预测日预测时刻前三个时刻的负荷值
8-9 预测日前一天及前两天的平均温度
10-12 预测日预测时刻对应的气象数据包括最高温度、最低温度和降雨量
隐含层 24个节点
输出层 预测日预测时刻的负荷值
页:
[1]