根据历史电网负荷数据，用深度置信网络预测未来负荷大小.zip

电力负荷预测是电力系统规划的重要组成部分,也是电力系统经济运行的基础,其对电力系统规划和运行都极其重要。根据历史电网负荷数据，用深度置信网络预测未来负荷大小，是很好的学习资料，特别适合刚入门人员。

load data
ldata = data.SYSLoad;
LData = ldata（:）‘;
[LdataPS] = mapminmax（LData01）;%归一化

ori_X = zeros（8000048）;
for j = 1:80000
    for i = 1:48
       ori_X（ji） = Ldata（j+i-1）;
    end
end

ori_Y = zeros（800001）;
for i = 1:80000
    ori_Y（i） = Ldata（48+6+i）;
end


index = randperm（80000）;
train_index = index（1:2）;
X = ori_X（train_index:）;
Y = ori_Y（train_index）;


test_X = ori_X（test_index:）;
test_nor_Y = ori_Y（test_index）;%归一化
test_Y = mapminmax（‘reverse‘test_nor_YPS）;


%train dbn
dbn.sizes = [24 12];
opts.numepochs =   50;
opts.batchsize = 100;
opts.momentum  =   0;
opts.alpha     =   1;
dbn = dbnsetup_bp（dbn ori_X opts）;
dbn = dbntrain（dbn ori_X opts）;

%unfold dbn to nn
nn = dbnunfoldtonn（dbn 1）;
nn.activation_function = ‘sigm‘;


%train nn
opts.numepochs =  5000;
opts.batchsize = 100;
nn = nntrain（nn X Y opts）;

[er bad ybar] = nntest（nn test_X test_nor_Y）;


reverseForecastResult = mapminmax（‘reverse‘ybarPS）;


%未归一化数值计算mape
mape = sum（abs（test_Y-reverseForecastResult）./test_Y）/2000;
%归一化数值计算rmse
rmse = sqrt（sum（（ybar - test_nor_Y）.^2） / 2000）; 
disp（‘dbn‘）


figure; %创建一个绘图窗口
plot（test_nor_Y）;
hold on
plot（ybar）;
legend（‘Actual wind speed‘‘Forecast wind speed‘）;
ylabel（{‘Wind Speed （m/s）‘}）;
xlabel（{‘Number of day‘}）;

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件      886166  2016-10-18 17:58  classification.pdf
     文件        1377  2019-11-12 15:20  ddbn.m
     文件      191390  2016-10-21 11:47  ranzato-06.pdf