SVM基于支持向量机的短期电力负荷预测-师兄给的内部文件

师兄给我们科研项目组内容学习的优秀论文和配套源码。本文的预测方法收敛性好、有较高的预测精度和较快的训练速度。

function [Acu]=AdaptFunc（XXYY）
%C为最小二乘支持向量机的正则化参数，theta为高斯径向基的核函数参数，两个需要进行优化选择调试
NumOfPre =1;%预测天数，在此预测本季度最后七天
Time = 24;
Data = xlsread（‘a23.xls‘）;%此为从excel表格读数据的命令，表示将表格的数据读到Data数组中，省略表格中的第一行第一列文字部分 可输入你要预测的表格名称
[M N] = size（Data）;%计算读入数据的行和列 M行N列
for i = 1:3
    maxData = max（Data（:i））;
    minData = min（Data（:i））;
    Data1（:i） = （Data（:i） - minData）/（maxData-minData）;%对温度进行归一化处理
end
for i = 4:5
    Data1（:i） = Data（:i）;
end
for i = 6:N
    Data1（:i） = log10（Data（:i）） ;%对负荷进行对数处理 温度和负荷的预处理 可采用不同的方法 可不必拘泥
end
Dim =  M - 2 - NumOfPre;%训练样本数%训练样本数
Input = zeros（M-212Time）;%预先分配处理后的输入向量空间
y = zeros（DimTime）;
for i = 3:M 
    for j = 1:Time
        %%选取前一天温度、同一时刻的负荷，前两天的负荷，当天的温度作为输入特征
        x = [Data1（i-11:5） Data1（i-1j+5） Data1（i-2j+5）Data1（i1:5）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2386  2010-06-17 17:26  AdaptFunc1.m

     文件       3813  2010-05-18 10:36  baseStepPso.m

     文件       2725  2010-06-04 08:47  gaijin.m

     文件       2174  2010-05-18 10:36  InitSwarm.m

     文件       2112  2010-06-03 20:20  pso.m

     文件       2527  2010-06-17 17:26  shorttime.m

     文件     959488  2010-11-18 16:25  基于支持向量机的短期电力负荷预测.doc

     文件      22016  2010-06-03 19:41  数据\a23.xls

     文件      20992  2010-06-03 19:42  数据\a45.xls

     文件      16896  2010-06-03 19:38  数据\B2.xls

     文件      19456  2010-05-17 21:11  数据\b3.xls

     文件      19456  2010-06-03 19:39  数据\B4.xls

     文件      17408  2010-06-03 19:40  数据\B5.xls

     文件      35840  2010-03-12 08:57  数据\bdata1.xls

     文件       2392  2010-06-04 09:14  AdaptFunc.m

     目录          0  2010-06-23 10:36  数据

----------- ---------  ---------- -----  ----

              1129681                    16