电力负荷预测是电力系统规划的重要组成部分。为了使电力系统安全经济平稳的运行，由此特别需要精确的电力负荷预测方法。为了实现更好负荷预测方法，文中将经验模态分解（EMD）与新兴的电力负荷预测模型分形理论相结合，提出了EMD-分形负荷预测模型。为了证明此方法的有效性，文中将这种新的预测模型跟分形预测模型和BP神经网络预测模型相比较。最终通过仿真算例说明了本文提出的这种新型预测方法精度更高，几乎所有的误差都在2％以下，预测结果更好，可以很好的应用在电力系统负荷预测中。

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

针对传统灰色模型在多原始数据、长时间尺度的负荷预测情景下预测精度差的问题，文中分析了灰色模型（Gray Model，GM）的基本原理，并提出相应的改进措施，其中包括原始数据的加权处理、选取合适的初始条件及自适应优化模型参数。并将改进灰色模型（Improved Grey Model，IGM）应用于电力负荷预测。通过算例分析结果表明，无论在短期负荷预测还是在中长期负荷预测的情景下，所提出基于改进灰色模型的电力负荷预测方法相比于传统灰色模型，均具有更高的预测准确性，能够为电力系统的安全、稳定运行以及合理的规划提供重要支撑。

摘要介绍了基于Spring框架的电力负荷（本地）管理系统开发。主站部分采用的是目前比较新颖的J2EE轻量级架构—Spring+Hibernate+Tomcat，以集成使用多种优秀的开源软件项目的Appfuse为开发原型。主站采用B/S结构和Java开发平台。　关键词电力负荷（本地）管理系统；终端；主站；SpringFramework；Hibernate；开源软件工程项目电力是当今社会最重要的能源之一。供电企业在向社会提供电能的同时，保持电力系统（发、供、用）电力，电量的平衡，是保证电网安全，经济运行的重要保证，电力负荷监控技术就是为实现此目标所采取的有效技术措施。　电力系统（发、供、用）电力，

【电力负荷预测】 GUI粒子群支持向量机短期电力负荷预测【含Matlab源码 751期】.zip

【电力负荷预测】 GUI灰色系统理论电力负荷预测【含Matlab源码 769期】.zip

MATLAB源程序18 Elman神经网络的数据预测—电力负荷预测模型研究.zip

为凸显负荷波动的随机性、周期性和相关趋势，通过探求负荷变化机理显著提升预测精度，提出了一种基于EMD的负荷波动机理研究方法。首先对负荷进行EMD分解，得到随机、周期和趋势分量；然后分析各分量的变化规律与候选影响因素的关联关系，推导负荷变化机理，提取时标特征值；最后进行特征的去冗余。该方法创新点是能提取出特征值的时标特性。以广东省负荷数据集作为预测案例研究，对比实验研究结果表明了所提方法的有效性。

SVM、PSO、PSO-SVM的三种MATLAB短期电力负荷预测源代码，内含资料。

亲测 很好用的预测数据用于做电力负荷预测 内容很全