为了冲个官方认证新星博主,发点库存
一、实验环境
- 设备名称:DESKTOP-S303BSV
- 系统:Windows10 64位
- 处理器:11th Gen Intel® Core™ i7-11700F
- 机带 RAM:32.0 GB (31.9 GB 可用)
- 显卡:NVIDIA GeForce RTX 3060(12G)
- 语言相关:Anaconda3(conda 4.12.0) + Python 3.8.13
- IDE:PyCharm 2021.3.1 (Professional Edition)
- 计算:scikit-learn-1.0.2 + fbprophet0.7.1 + pandas1.4.2 + numpy1.22.3
- 可视化:pyecharts-1.9.1
二、实验目的
- 短期负荷预测是电力系统运行与分析的基础,对机组组合、经济调度、安全校核等具有重要意义。提高负荷预测精度,是保障电力系统优化决策科学性的重要手段。现代电力系统中,构成电力负荷的用电器种类繁多,空调等受气象条件影响的负荷占比持续增高,气象因素(温度、湿度、降雨量等)对电力系统负荷的影响愈显突出。考虑气象因素成为调度中心进一步改进负荷预测精度的主要手段之一。
- 已知地区1、地区2从2009年1月1日至2015年1月10日的电力负荷数据(每15min一个采样点,每日96点,量纲为MW)以及2012年1月1日至2015年1月17日的气象因素数据(日