分享一个电力负荷预测数据集，附matlab代码

负荷数据集是2018年江阴市、宜兴市、以及锡澄电网在网供和全社会的负荷值。

文件夹如下：

数据集包含2018年全年的负荷值。每个文件夹包含当月所有的数据集。

每个表格打开后是下面这个样子的：

可以看到，该数据集是每15分钟进行一次采样，每个样本都包含全地区的负荷值和江阴市、宜兴市、以及锡澄电网在网供和全社会的负荷值。

还包含一个天气状况的excel，包含2018年全年每天的最高温和最低温，风向和天气情况。

大家在做负荷预测的时候，没必要把这么多数据全部用上！

以下是一个简单的采用BP神经网络进行负荷预测的例子，附上matlab代码。更多功能 还需要大家自己编辑开发啦！

%微信公众号搜索：淘个代码，获取更多免费代码
%禁止倒卖转售，违者必究！！！！！
%唯一官方店铺：https://mbd.pub/o/author-amqYmHBs/work
%%
clear
clc


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
%  选择12月5号的数据进行训练
month = 12;  %训练月份
day_start = 5; %开始日期
day_len = 5;  %训练天数


%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%


file_path = '2018负荷预测数据';
map_maxmin = [];
output = [];


for day = day_start:1:(day_start + day_len - 1)
    [raw_data, raw_max ,raw_min] = read_load_data_from_excel(file_path, month ,day);
    data_temp =  my_map(1, raw_data, raw_max, raw_min, 1, 0);  %第一个如果是1，表示归一化，如果是0，表示反归一化
    map_maxmin = cat(1, map_maxmin, [0 1]);
    output = cat(1, output, data_temp);
    target_day = day + 1;
end


[target_data, target_max, target_min] = read_load_data_from_excel(file_path, month ,target_day);


t_d =  my_map(1, target_data, target_max, target_min, 1, 0);


net = newff(map_maxmin, [6,40,1], {'tansig','logsig','purelin'}, 'traincgf');
view(net)
net.trainParam.epochs = 1000000;%设置最大迭代次数
net.trainParam.goal = 0.001;%设置神经网络的训练的目标误差
net.trainParam.lr = 0.1;%学习率


goal_net = train(net, output, t_d);%训练神经网络，返回训练好的网络和误差记录


Y = sim(goal_net, output);
goal = my_map(0, Y', target_max, target_min, 1, 0);  %反归一化


t=1:1:96;
figure
plot(t,target_data,'-o')
hold on
plot(t,goal,'-s')
legend('实际值','预测值')
xlabel('时间')
ylabel('负荷值')


%微信公众号搜索：淘个代码，获取更多免费代码
%禁止倒卖转售，违者必究！！！！！
%唯一官方店铺：https://mbd.pub/o/author-amqYmHBs/work

以上代码实现的功能是：采用12月5日-12月9日的负荷数据去预测12月10日的负荷值。

结果如下：

完整代码获取

付费后会出现网盘链接，感谢支持！