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。

我们用了两种算法对PJM某区电力负荷进行超短期预测。ARIMA算法预测速度较快，平均误差在3%以内，特别适合这种超短期负荷预测，而小波分析+BP神经网络算法是一种适应性比较广的算法，在此次超短期负荷预测中它的平均误差在7%以内，预测时间相对更长。 此程序由华北电力大学电力专业学生编写，采用了VB、MATLAB混合编程（VB的界面，MATLAB的内核），利用了2种算法实现电力负荷超短期预测，这2种方法都是当前较先进实用的算法，十分有启发性。

基于SVM电力系统短期负荷预测的一个例程。包含数据和程序，与传统的算法相比，本代码在导入SVM训练之前对影响短期负荷的各种因素作了一个加权。

神经网络电力系统短期负荷预测开题报告ppt，包括短期负荷的介绍，对于系统的建构

基于SVM电力系统短期负荷预测的其中一个例程，包含数据和程序，与传统的算法相比，本代码在导入SVM训练之前对影响短期负荷的各种因素作了一个加权的特殊处理