从国内目前电气发展来看,在电气发展方面投入仍然较小,致使电网一直处在超负荷工作状态。但是,国内近些年经济发展较快,对于电力的需求越来越高。如在2010年国内全年在用电量上达到了4.5万亿千瓦时,而预计到2020年,国内人均消耗电量可达到1个千瓦,那对于发电装机的需求是非常高的。为进一步保障电气工程顺利开展,因此,本文则主要立足于Matlab软件在电气工程中的应用展开了探讨分析。

AI在电网中应用

负荷预测matlab仿真报告

热负荷预测为城市集中供热系统提供数据支持，是实现按需供热的基础。热负荷的变化受外界各项块紙Ｈ外滠良影咆故欠，为在满足供热系统需求量的同时做到节能与兼顾人体舒适度，提出基于气温与日期类型的热负荷预测方法。该方法将气温与日期类型进行量化BP神经网络建立供热系统的热负荷预测模型。为保证预测精度采用遗传算法对神经网络连接权值和阈值进行优化，得到未来２４小时的热负荷预测值。预测结果表明，此方法可以较准确地预测未来的热负荷，并达到按需供热和节能环保的目的

扬中市高新区1000多家企业2015年、2016年每日用电量数据，适用于深度学习及机器学习的研究者进行电网负荷预测，有助于推动电力系统需求响应的进一步发展。

基于Matlab实现的ARIMA电力负荷预测实验 ，代码+EUINITE比赛数据集1997-1999。

首先介绍了卡尔曼滤波的算法，并给出了一套递推计算公式，然后将此算法应用于短期负荷预测，并针对负荷预测的本身的特点对算法进行了改进，用两种算法进行了实际的负荷预测计算，取得了比较准确预测结果。

提出了吨钢环境负荷的源头指标和末端指标，建立了两者之间的关联式，以及吨钢环境负荷v-p分析法和w-p分析法．应用这些方法，分析了1980～1998年近20年间我国钢铁工业吨钢综合能耗和吨钢环境负荷的变化，找出了与国外主要产钢国吨钢环境负荷的差距，指出了进一步降低我国钢铁工业吨钢环境负荷的主要途径和措施．

为了解决当下用电负荷预测精度不高，难以很好模拟实际用电负荷的分布情况而不能对未来的负荷数据进行合理预测的问题，实现了基于随机森林的分类模型、回归模型以及结合Weka的时间序列模型，对某省份的负荷数据进行预测，通过对不同模型的大量的实验及评估，发现这三个模型皆能合理地预测未来的用电负荷数据。此外，在同一评估指标下随机森林算法结合WEKA中的时间序列模型的方法能够较好地预测未来时刻的负荷数据。

原创问题自适应Kalman滤波电力系统短期负荷滤波预测-kmf.m % y:测量负荷数据（N天同一时刻） % T：日最高温度 % N：数据量 % kk:预测步长 %% 模型% 系统方程 % [x     [b b b      [x        [v1 %  x    =    1    0    0       *   x        0 %  T]      0    0    1]          T]           v2] % 观测方程 % y=[1 0 0]*[x x T]' u; 测试结果：                                 滤波方差为3.596760e 000均值平滑方差为5.420211e 000 2步预测值为:   22.6310   22.6755 【问题】 1.滤波初始几步效果较差---？？？ 2.预测结果很接近---？？？