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。

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---？？？

2016电工杯A题国家二等奖电力系统短期负荷预测

第九届电工杯数模大赛A题 电力系统短期负荷预测.pdf

需要使用的python库 火炬 大熊猫 麻木 matplotlib xlwt用于导出excel文件 chinese_calendar用于获取节假日信息，pip install chinesecalendar 各文件信息 ./data/STLF_DATA_IN_1.xls数据集 ./src/LF_Forecasting.ipynb数据预处理，模型构造和训练，结果分析 ./src/model.th最终训练好的模型 ./src/predict.py用于预测某些天的负荷曲线 ./img项目过程中的图片

基于RBF神经网络的电力系统短期负荷预测

以matlab开发工具，将负荷参数和气象数据经过LSTM递归神经网络训练，预测了未来10天的符合参数，属于LSTM多步预测，最后与实际只进行了比较，得到了均方根和比较图

针对超短期负荷预测周期短，要求预测速度快的特点，构建了基于稳健回归和回声状态网络的超短期负荷预测方法。回声状态网络作为一种递归神经网络，其隐含层为一个储备池，并且通过线性回归训练网络，从而具有映射复杂动态系统的能力和训练快速的特点，能较好地满足超短期负荷预测的要求。考虑到异常负荷数据的影响，将稳健回归运用于网络训练阶段，以削弱异常值的影响，从而提升预测的精度。通过算例验证了所提方法的可行性和有效性。

Matlab可用于电力系统短期负荷预测的RBF神经网络程序-可用于电力系统短期负荷预测的RBF神经网络程序.rar 可用于电力系统短期负荷预测的RBF神经网络程序

内附问题、数据和代码，利用的是R语言的net包构建BP神经网络，准确率可以达到百分之96。哪里不尽人意还请大家多多指教。