目录
1 概述
在进入能源时代后,社会对于电力的需求都在逐年上升,与此同时产生了大量的电网负荷数据。电网负荷数据中包含着电力系统对用户的电力供应、电价计算、电力负荷预测等,具备极为广阔的现实意义。在电力系统中若电网负荷数据出现错误,会导致一段时间内该地区的都会失去调配能力。为能够更高效率地利用电网负荷数据,对其进行数据分类处理。
通过收集大量的电网负荷数据,基于K-均值算法对电力数据进行了分析与预测。通过大数据的关联分析,递增电网数据的维度,提供了一个电力数据的分类模型。这种方法需要首先建立电网数据的数学模型,依赖于大数据的云计算能力,在计算时耗时较长,效率较差。
本文基于人工神经网络的IEEE30节点系统的传输损耗预测。
2 Matlab代码实现
2.1 代码
%% 本程序用于训练人工神经网络以预测 IEEE 30 节点系统的传输损耗的主程序
clear
db = xlsread('lossdb.xlsx');
Q=length(db(:,1));
trainRatio=0.95;
valRatio=0;
testRatio=0.05;
[trainInd,valInd,testInd] = dividerand(Q,trainRatio,valRatio,testRatio);
inputs=db(trainInd,1:6)';
targets=db(trainInd,7)';
% inputs=db(:,1:6)';
% targets