基于深度学习DNN LSTM网络的光伏发电量预测 完整代码数据 可直接运行

项目演示:https://www.bilibili.com/video/BV1nN411N7L4/?spm_id_from=333.999.0.0

本博客附完整数据集代码:

 

 

 

 代码:

import tensorflow as tf
import pandas as pd
import numpy as np

#  基于深度学习DNN LSTM网络的光伏发电量预测

# 取训练数据
df=pd.read_csv(r"public.train.csv",header=None)
datatrain=np.array(df)
#提取特征值,形成输入数据
#dataxs=datatrain[1:,[0,1,2,3,4,8,9,10,11,12,13,17,18,19]]#9000x8
dataxs
  • 0
    点赞
  • 16
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是一个基于深度学习DNN+LSTM网络光伏发电量预测的Python代码示例: ``` import numpy as np import pandas as pd from keras.models import Sequential from keras.layers import Dense, LSTM, Dropout # 读取数据 data = pd.read_csv('solar.csv') data = data[['Date', 'Solar']] data['Date'] = pd.to_datetime(data['Date']) data.set_index('Date', inplace=True) # 划分训练集和测试集 train_size = int(len(data) * 0.8) train_data, test_data = data.iloc[:train_size, :], data.iloc[train_size:, :] # 数据预处理 def create_dataset(dataset, look_back): dataX, dataY = [], [] for i in range(len(dataset)-look_back-1): a = dataset[i:(i+look_back), 0] dataX.append(a) dataY.append(dataset[i + look_back, 0]) return np.array(dataX), np.array(dataY) look_back = 7 trainX, trainY = create_dataset(train_data.values, look_back) testX, testY = create_dataset(test_data.values, look_back) # 构建DNN+LSTM模型 model = Sequential() model.add(Dense(units=64, activation='relu', input_dim=look_back)) model.add(Dropout(0.2)) model.add(Dense(units=32, activation='relu')) model.add(Dropout(0.2)) model.add(Dense(units=1)) model.add(LSTM(units=50)) model.add(Dropout(0.2)) model.add(Dense(units=1)) model.compile(loss='mean_squared_error', optimizer='adam') # 训练模型 model.fit(trainX, trainY, epochs=100, batch_size=1, verbose=2) # 预测测试集 test_predict = model.predict(testX) test_predict = np.reshape(test_predict, (test_predict.shape[0])) # 可视化预测结果 import matplotlib.pyplot as plt plt.plot(test_data.index, test_data['Solar'], label='Actual') plt.plot(test_data.index[look_back+1:], test_predict, label='Predicted') plt.legend() plt.show() ``` 这段代码中,首先读取光伏发电数据,并将其划分为训练集和测试集。然后对训练集和测试集进行数据预处理,将其转换为可以用于DNN+LSTM模型训练的格式。接着构建DNN+LSTM模型,并使用训练集训练模型。最后使用训练好的模型对测试集进行预测,并将预测结果可视化。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

程序员奇奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值