某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測(cè)

1、（封面格式） 報(bào)名序號(hào)：1249論文題目：某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測(cè)姓 名班級(jí)有效聯(lián)系電話(huà)參賽隊(duì)員1陳富安全工賽隊(duì)員2謝海燕統(tǒng)計(jì)賽隊(duì)員3王浩統(tǒng)計(jì)導(dǎo)教師：唐玲參賽學(xué)校：安徽建筑大學(xué)南區(qū)證書(shū)郵寄地址、郵編、收件人：地址： 安徽合肥市經(jīng)開(kāi)區(qū)紫云路292號(hào)安徽建筑大學(xué)南區(qū) 郵政編碼：230061收件人姓名： 陳富 聯(lián)系電話(huà)： 131155146667 報(bào)名序號(hào)：1249論文題目：某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測(cè)閱卷專(zhuān)家1閱卷專(zhuān)家2閱卷專(zhuān)家3論文等級(jí)某地區(qū)電力負(fù)荷數(shù)據(jù)分析與預(yù)測(cè)摘 要針對(duì)兩個(gè)地區(qū)歷史數(shù)據(jù)分析及未來(lái)數(shù)據(jù)相關(guān)預(yù)測(cè)，本

2、文用統(tǒng)計(jì)學(xué)相關(guān)理論為基礎(chǔ)對(duì)兩個(gè)地區(qū)歷史數(shù)據(jù)進(jìn)行探索分析，深入并直觀(guān)的描述了數(shù)據(jù)的分布情況；同時(shí)利用時(shí)間序列乘積季節(jié)模型和LMBP神經(jīng)網(wǎng)絡(luò)模型分別對(duì)未來(lái)數(shù)據(jù)進(jìn)行預(yù)測(cè)并進(jìn)行相關(guān)誤差分析，分別得到不同預(yù)測(cè)方法下的預(yù)測(cè)結(jié)果。對(duì)于問(wèn)題一，本文對(duì)兩個(gè)地區(qū)2014年1月1日2014年12月31日的負(fù)荷數(shù)據(jù)進(jìn)行挖掘分析，選取描述數(shù)據(jù)集中趨勢(shì)的均值和中位數(shù)統(tǒng)計(jì)量、描述數(shù)據(jù)分布離散程度的方差和離散系數(shù)統(tǒng)計(jì)量以及描述數(shù)據(jù)分布偏態(tài)與峰度的偏度系數(shù)和峰度系數(shù)統(tǒng)計(jì)量來(lái)描述各地區(qū)全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率指標(biāo)的分布情況；繪制出了兩地區(qū)2014年全年負(fù)荷持續(xù)曲線(xiàn)；結(jié)合上述結(jié)果，分析出地區(qū)2負(fù)荷變化數(shù)據(jù)波

3、動(dòng)較平緩，初步預(yù)判地區(qū)2的負(fù)荷可以獲得更準(zhǔn)確的預(yù)測(cè)結(jié)果。對(duì)于問(wèn)題二，本文根據(jù)2012年1月1日至2014年12月31日的數(shù)據(jù)，用偏最小二乘法，分別對(duì)日最高負(fù)荷、日最低負(fù)荷、日平均負(fù)荷與各氣象因素關(guān)系進(jìn)行回歸分析，得出6個(gè)多元線(xiàn)性回歸模型，同時(shí)得到各個(gè)回歸模型的離差平方和，以離差平方和的大小來(lái)反映回歸誤差的大小；使用簡(jiǎn)單相關(guān)系數(shù)檢驗(yàn)法，通過(guò)各個(gè)氣象因素相互之間的相關(guān)系數(shù)矩陣，得出最高溫度、最低溫度、平均溫度這三個(gè)因素相關(guān)系數(shù)較高，存在多重共線(xiàn)性；再經(jīng)過(guò)變量的顯著性檢驗(yàn)，得出若要用氣象因素來(lái)提高負(fù)荷預(yù)測(cè)精度，優(yōu)先推薦平均溫度、降雨量、濕度這三個(gè)氣象因素的結(jié)論。對(duì)于問(wèn)題三，考慮到歷史電力負(fù)荷數(shù)據(jù)具有

4、明顯的周期性，建立時(shí)間序列乘積季節(jié)模型，對(duì)兩個(gè)地區(qū)2015年1月11日至17日共7天的電力負(fù)荷進(jìn)行預(yù)測(cè)，得出負(fù)荷預(yù)測(cè)結(jié)果見(jiàn)附件。由于模型中各個(gè)參數(shù)均通過(guò)了參數(shù)的顯著性檢驗(yàn)，殘差序列通過(guò)了殘差檢驗(yàn)為白噪聲序列，體現(xiàn)了模型對(duì)原序列的信息提取十分充分，所以在不知道實(shí)際負(fù)荷數(shù)據(jù)的情況下，有充分理由判斷預(yù)測(cè)結(jié)果的準(zhǔn)確度是較高的。對(duì)于問(wèn)題四，考慮最日高溫度等5個(gè)天氣因素，利用包含5個(gè)輸入層，7個(gè)隱含層和一個(gè)輸出層的LMBP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型在5個(gè)天氣因素影響下，再次對(duì)兩個(gè)地區(qū)2015年1月11日至17日共7天的電力負(fù)荷進(jìn)行預(yù)測(cè)，得出負(fù)荷預(yù)測(cè)結(jié)果見(jiàn)附件。對(duì)于問(wèn)題五，綜合上述結(jié)果參數(shù)，并同時(shí)引用股票分析中的黃金

5、分割線(xiàn)對(duì)兩個(gè)地區(qū)負(fù)荷數(shù)據(jù)規(guī)律優(yōu)劣進(jìn)行評(píng)價(jià)。得出地區(qū)2的數(shù)據(jù)規(guī)律性?xún)?yōu)于地區(qū)1的結(jié)論。關(guān)鍵詞：描述性統(tǒng)計(jì)，偏最小二乘回歸，時(shí)間序列乘積季節(jié)模型，LMBP1 問(wèn)題的提出一、背景知識(shí)短期負(fù)荷預(yù)測(cè)是電力系統(tǒng)運(yùn)行與分析的基礎(chǔ)，對(duì)機(jī)組組合、經(jīng)濟(jì)調(diào)度、安全校核等具有重要意義。提高負(fù)荷預(yù)測(cè)精度，是保障電力系統(tǒng)優(yōu)化決策科學(xué)性的重要手段?，F(xiàn)代電力系統(tǒng)中，構(gòu)成電力負(fù)荷的用電器種類(lèi)繁多，空調(diào)等受氣象條件影響的負(fù)荷占比持續(xù)增高，氣象因素（溫度、濕度、降雨量等）對(duì)電力系統(tǒng)負(fù)荷的影響愈顯突出?？紤]氣象因素成為調(diào)度中心進(jìn)一步改進(jìn)負(fù)荷預(yù)測(cè)精度的主要手段之一。二、相關(guān)試驗(yàn)數(shù)據(jù)已知地區(qū)1、地區(qū)2從2009年1月1日至2015年1月1

6、0 日的電力負(fù)荷數(shù)據(jù)（每15min 一個(gè)采樣點(diǎn)，每日96點(diǎn)，量綱為MW）以及2012年1月1至2015年1月17 日的氣象因素?cái)?shù)據(jù)（日最高溫度、日最低溫度、日平均溫度、日相對(duì)濕度以及日降雨量），詳見(jiàn)附件1-數(shù)據(jù).xlsx。三、要解決的問(wèn)題1.請(qǐng)分析兩個(gè)地區(qū)2014年1月1日-2014年12月31日的負(fù)荷數(shù)據(jù)，統(tǒng)計(jì)各地區(qū)全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率指標(biāo)的分布情況，并繪制兩地區(qū)2014年全年的負(fù)荷持續(xù)曲線(xiàn)；結(jié)合上述結(jié)果，分析兩地區(qū)負(fù)荷變化的主要差異；初步預(yù)判哪個(gè)地區(qū)的負(fù)荷可以獲得更準(zhǔn)確的預(yù)測(cè)結(jié)果，說(shuō)明你的理由。2.根據(jù)2012年1月1日至2014年12月31日的數(shù)據(jù)，分別對(duì)日最

7、高負(fù)荷、日最低負(fù)荷、日平均負(fù)荷與各氣象因素的關(guān)系進(jìn)行回歸分析，分析回歸誤差；如果要用氣象因素來(lái)提高負(fù)荷預(yù)測(cè)精度，在諸氣象因素中，你優(yōu)先推薦哪個(gè)（或哪幾個(gè)）？簡(jiǎn)要說(shuō)明理由。3.請(qǐng)根據(jù)已知負(fù)荷數(shù)據(jù)，構(gòu)建預(yù)測(cè)方法，對(duì)兩個(gè)地區(qū) 2015年1月11日至17日共7天的電力負(fù)荷進(jìn)行預(yù)測(cè)（間隔 15min），給出負(fù)荷預(yù)測(cè)結(jié)果（提交兩個(gè)地區(qū)96*7負(fù)荷預(yù)測(cè)結(jié)果數(shù)據(jù)，具體要求見(jiàn)附錄1）；在不知道實(shí)際負(fù)荷數(shù)據(jù)的條件下，你對(duì)預(yù)測(cè)結(jié)果的準(zhǔn)確度有何推斷，請(qǐng)說(shuō)明理由。4.如果已獲得2015年1月11日至17日的氣象因素?cái)?shù)據(jù)，你能否構(gòu)建計(jì)及氣象因素的負(fù)荷預(yù)測(cè)方法，對(duì)兩個(gè)地區(qū)2015年1月11 日至17日共7天的電力負(fù)荷再次進(jìn)

8、行預(yù)測(cè)（間隔 15min），給出預(yù)測(cè)結(jié)果（提交兩個(gè)地區(qū) 96*7負(fù)荷預(yù)測(cè)結(jié)果數(shù)據(jù)，具體要求見(jiàn)附錄1）；與原有的預(yù)測(cè)結(jié)果相比，你認(rèn)為計(jì)及氣象因素影響的負(fù)荷預(yù)測(cè)結(jié)果精度得到改善了嗎？有何證據(jù)？請(qǐng)說(shuō)明理由。5.綜合上述計(jì)算結(jié)果，你如何評(píng)價(jià)兩地區(qū)負(fù)荷規(guī)律性的優(yōu)劣？你還有什么證據(jù)可以佐證兩地區(qū)負(fù)荷整體規(guī)律性?xún)?yōu)劣的判斷？2 問(wèn)題的分析1） 對(duì)于問(wèn)題一，本文使用統(tǒng)計(jì)學(xué)方法，并利用MATLAB對(duì)所給數(shù)據(jù)進(jìn)行處理，分別繪制出日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率四個(gè)指標(biāo)分別隨時(shí)間變化的曲線(xiàn)圖，并且分別得出數(shù)據(jù)的集中趨勢(shì)、數(shù)據(jù)分布離散程度和數(shù)據(jù)的分布偏態(tài)與峰度3個(gè)大方面來(lái)描述統(tǒng)計(jì)分布情況。2） 對(duì)于問(wèn)題二，本

9、文對(duì)日最高負(fù)荷、日最低負(fù)荷、日平均負(fù)荷與各氣象因素的關(guān)系進(jìn)行偏最小二乘多元回歸分析，在EVIEWS軟件中分別得出兩個(gè)地區(qū)6個(gè)線(xiàn)性回歸方程，并同時(shí)對(duì)線(xiàn)性回歸方程誤差進(jìn)行了分析。3） 對(duì)于問(wèn)題三，要求由已知負(fù)荷數(shù)據(jù)對(duì)兩個(gè)地區(qū)2015年1月11日至17日共7天的電力負(fù)荷進(jìn)行預(yù)測(cè)。相對(duì)于已知數(shù)據(jù)來(lái)說(shuō)，預(yù)測(cè)屬于短期預(yù)測(cè)。故本文利用時(shí)間序列季節(jié)乘積模型對(duì)這7天數(shù)據(jù)進(jìn)行預(yù)測(cè)。4） 對(duì)于問(wèn)題四，要求利用2015年1月11日至17日的氣象因素?cái)?shù)據(jù)構(gòu)建計(jì)及氣象因素的負(fù)荷預(yù)測(cè)方法，同樣的對(duì)兩個(gè)地區(qū)2015年1月11日至17日共7天的電力負(fù)荷再次進(jìn)行預(yù)測(cè)。本文在MATLAB中利用LMBP算法進(jìn)行7天電力負(fù)荷再次預(yù)測(cè)。

10、5） 對(duì)于問(wèn)題五，要求綜合上述計(jì)算結(jié)果，比較兩地區(qū)負(fù)荷數(shù)據(jù)的優(yōu)劣。本文通過(guò)選取上述計(jì)算結(jié)果日峰谷差方差等幾項(xiàng)具有代表性的參數(shù)來(lái)對(duì)兩地區(qū)數(shù)據(jù)規(guī)律性進(jìn)行綜合評(píng)價(jià)，并結(jié)合股票中黃金分割線(xiàn)思想來(lái)進(jìn)一步佐證評(píng)價(jià)結(jié)果。3模型假設(shè)1）假設(shè)所有數(shù)據(jù)來(lái)源真實(shí)可靠；2）假設(shè)電負(fù)荷量只受題目所給五項(xiàng)氣象因素影響3） 在建立乘積季節(jié)模型，序列周期選取時(shí)，假設(shè)一年都是365天；4名詞解釋與符號(hào)說(shuō)明一、名詞解釋1） 日最高負(fù)荷：典型日中記錄的負(fù)荷中，數(shù)值最大的一個(gè)；2） 日最低負(fù)荷：典型日中記錄的負(fù)荷中，數(shù)值最小的一個(gè)；3） 日峰谷差：日最高負(fù)荷與最低負(fù)荷之差；4） 日負(fù)荷率：日平均負(fù)荷與日最大負(fù)荷的比值；5） 年持續(xù)負(fù)

11、荷曲線(xiàn)：按一年中系統(tǒng)負(fù)荷的數(shù)值大小及其持續(xù)小時(shí)數(shù)順序繪制的曲線(xiàn)；6） 離散系數(shù)：一組數(shù)據(jù)標(biāo)準(zhǔn)差與其均值的比，也稱(chēng)為標(biāo)準(zhǔn)差系數(shù)，是測(cè)度數(shù)據(jù)離散程度的相對(duì)指標(biāo)；7） 偏度系數(shù)：是描述分布偏離對(duì)稱(chēng)性程度的一個(gè)特征數(shù)。當(dāng)分布左右對(duì)稱(chēng)時(shí)，偏度系數(shù)為0。當(dāng)偏度系數(shù)大于0時(shí)，即重尾在右側(cè)時(shí)，該分布為右偏。當(dāng)偏度系數(shù)小于0時(shí)，即重尾在左側(cè)時(shí)，該分布左偏。8） 峰度系數(shù)：峰度是用來(lái)反映頻數(shù)分布曲線(xiàn)頂端尖峭或扁平程度的指標(biāo)。有時(shí)兩組數(shù)據(jù)的算術(shù)平均數(shù)、標(biāo)準(zhǔn)差和偏態(tài)系數(shù)都相同，但他們分布曲線(xiàn)頂端的高聳程度卻不同。二、符號(hào)說(shuō)明序號(hào)符號(hào)含義1X、Y解釋變量、被解釋變量2、解釋變量的第一主成分3表示解釋變量矩陣X中第j個(gè)變

12、量的第i個(gè)樣本值4表示被解釋變量矩陣Y中第i個(gè)樣本值5表示標(biāo)準(zhǔn)化后的數(shù)值， 6表示標(biāo)準(zhǔn)化后的數(shù)值7E0、F0標(biāo)準(zhǔn)化矩陣8表示y關(guān)于的回歸系數(shù)9表示原變量的與之間的相關(guān)系數(shù)10表示誤差對(duì)權(quán)值微分的雅克比矩陣5 模型的建立與求解一、 問(wèn)題一的分析與求解根據(jù)上文中對(duì)日最高負(fù)荷、日最低負(fù)荷、日峰谷差以及日負(fù)荷率的相關(guān)描述，再由附件中所提供的兩個(gè)地區(qū)2014年1月1日-2014年12月31日的負(fù)荷數(shù)據(jù)，利用MATLAB軟件繪制出了兩個(gè)地區(qū)全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率四個(gè)指標(biāo)分別隨時(shí)間變化的折線(xiàn)圖，如圖1（相關(guān)程序見(jiàn)附錄一）。圖 1 兩個(gè)地區(qū)各指標(biāo)對(duì)比圖根據(jù)統(tǒng)計(jì)學(xué)1中常用來(lái)描述數(shù)據(jù)特征

13、，再結(jié)合本題所給數(shù)據(jù)特點(diǎn)，本文選取了數(shù)據(jù)的集中趨勢(shì)（均值、中位數(shù)）、數(shù)據(jù)分布離散程度（方差、離散系數(shù)）和數(shù)據(jù)的分布偏態(tài)與峰度（偏度系數(shù)、峰度系數(shù)）三個(gè)大方面中六個(gè)參數(shù)對(duì)兩個(gè)地區(qū)2014年1月1日-2014年12月31日的全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率四個(gè)指標(biāo)數(shù)據(jù)進(jìn)行進(jìn)一步描述。利用SPSS軟件求出數(shù)據(jù)的六個(gè)參數(shù)，如表1所示。表 1 兩個(gè)地區(qū)相關(guān)數(shù)據(jù)分布表集中趨勢(shì)分布離散程度分布偏態(tài)與峰度均值中位數(shù)方差離散系數(shù)偏度系數(shù)峰度系數(shù)日最高地區(qū)19222.6529324.6584304937.5330.225-0.9991.328負(fù)荷地區(qū)29786.9159141.2124132055

14、.4470.208-0.2160.089日最低負(fù)荷地區(qū)15140.6495007.4851515519.7720.239-0.5800.478地區(qū)25330.6494662.3052022676.6880.2670.193-0.692日峰谷差地區(qū)14081.7284317.1731259224.6920.275-0.8610.490地區(qū)24456.2674478.908730535.0850.192-0.6500.512日負(fù)荷率地區(qū)10.7900.7772190.0010.0401.0391.328地區(qū)20.8000.7947040.0010.0400.6940.089根據(jù)上文中對(duì)全年的負(fù)荷持

15、續(xù)性曲線(xiàn)的相關(guān)，再由附件中所提供的兩個(gè)地區(qū)2014年1月1日-2014年12月31日的負(fù)荷數(shù)據(jù)，利用MATLAB軟件繪制出了兩個(gè)地區(qū)全年的負(fù)荷持續(xù)性曲線(xiàn)圖（相關(guān)程序見(jiàn)附錄一），如圖2所示。圖 2 全年持續(xù)性曲線(xiàn)由圖1可知：在全年的日最高負(fù)荷、日最低負(fù)荷、日峰谷差、日負(fù)荷率四個(gè)指標(biāo)中地區(qū)2數(shù)值高于地區(qū)1的數(shù)值，說(shuō)明地區(qū)2的總體用電量大于地區(qū)1的用電量。由表1可知：地區(qū)2統(tǒng)計(jì)平均數(shù)大于地區(qū)1，同樣證明地區(qū)2總體用電量較大，再對(duì)比方差等其他參數(shù)，地區(qū)2的數(shù)據(jù)波動(dòng)范圍相對(duì)較小，數(shù)據(jù)的分布較為集中，且較為對(duì)稱(chēng)。由圖2同樣可知，地區(qū)2的用電量在幾乎全年各時(shí)刻均高于地區(qū)1的用電量。在大量數(shù)據(jù)的前提下做預(yù)測(cè)分

16、析，數(shù)據(jù)變化范圍越小，預(yù)測(cè)結(jié)果越準(zhǔn)確。由上述分析可知，地區(qū)2的數(shù)據(jù)更加平穩(wěn)，波動(dòng)范圍小，所以在后續(xù)負(fù)荷預(yù)測(cè)中，地區(qū)2相對(duì)于地區(qū)1可以獲得更為準(zhǔn)確的結(jié)果。二、問(wèn)題二的分析與求解5.2.1 偏最小二乘法回歸分析原理偏最小二乘回歸分析2是多元線(xiàn)性回歸分析、典型相關(guān)分析及主成分分析有機(jī)結(jié)合。在主成分分析基礎(chǔ)理論中，從被解釋量X和解釋變量Y中提取的第1主成分和應(yīng)盡量多地?cái)y帶原始數(shù)據(jù)的變異信息，時(shí)所提取的成分方差達(dá)到最大，則有 （1）式中、表示和的方差。在典型相關(guān)分析中，為保證解釋量與被解釋量之間的相關(guān)性，在典型成分和的提取過(guò)程中，應(yīng)使典型成分之間的相關(guān)性關(guān)系最大，則有 （2）式中表示和的相關(guān)系數(shù)。這樣，

17、在X和Y中提取的成分和不僅能夠最大程度上地?cái)y帶X和Y的基本信息，而且保值了和具有比較強(qiáng)大的解釋能力。提取第1個(gè)主成分后，實(shí)施X和Y對(duì)的回歸分析，如果精度滿(mǎn)足要求，則不再計(jì)算；否則，提取殘余信息繼續(xù)進(jìn)行回歸分析，直到滿(mǎn)足要求為止。如果最終對(duì)X共提取m個(gè)成分，則Y對(duì)X回歸分析即可以轉(zhuǎn)化為Y對(duì)的一組多元回歸分析，而自變量X主成分均可由X線(xiàn)性表示，所以最后可還原成Y對(duì)X的回歸方程。5.2.2 具體建模求解根據(jù)解釋量個(gè)數(shù)不同，偏最小二乘回歸分析可分為單變量偏最小二乘回歸分析和多變量偏最小二乘回歸分析。根據(jù)題目要求，本文分別對(duì)日最高負(fù)荷、日最低負(fù)荷和日平均負(fù)荷三個(gè)被解釋變量進(jìn)行多變量偏最小二乘回歸分析。1

18、）設(shè)已知被解釋變量日最高負(fù)荷y和5個(gè)解釋變量（最高溫度）、（最低溫度）、（平均溫度）、（相對(duì)濕度）和（降雨量），樣本數(shù)為n（n=1096），形成解釋變量矩陣和被解釋矩陣。將X與Y進(jìn)行標(biāo)準(zhǔn)化處理，得到標(biāo)準(zhǔn)化后的解釋變量矩陣E0和被解釋變量矩陣F0。做標(biāo)準(zhǔn)化處理是為了公式表達(dá)的方便和減少預(yù)算誤差。 (3)i=1，2，L，k；j=1，2，3，4，5式中：表示解釋變量矩陣X中第j個(gè)變量的第i個(gè)樣本值；表示解釋變量X中第j個(gè)變量個(gè)均值，表示的標(biāo)準(zhǔn)差， 表示被解釋變量矩陣Y中第i個(gè)樣本值， 表示被解釋變量y的均值， 表示被解釋變量y的標(biāo)準(zhǔn)差，表示標(biāo)準(zhǔn)化后的數(shù)值，表示標(biāo)準(zhǔn)化后的數(shù)值。2）從E0中提取第1主成

19、分，其中w1為E0的第1主軸，即，E0和F0均是標(biāo)準(zhǔn)化矩陣，則有 （4） (5) 式中：E0i（i=1，2，L，k）表示E0的第i列，（i=1，2，L，k）表示與y的相關(guān)系數(shù)。在簡(jiǎn)化算法中只需求出E0對(duì)的回歸系數(shù)即可，無(wú)需實(shí)施F0對(duì)的回歸。 (6) (7)式中：表示E0對(duì)的回歸系數(shù)，E1表示回歸方程殘差矩陣 (8)3)重復(fù)建模步驟2），以E1取代E0，以F1取代F0，用同樣的方法得到；由于不再是標(biāo)準(zhǔn)化矩陣，所以有 (9) (10) (11) (12)式中表示與y的協(xié)方差。依次類(lèi)推，從第4）步開(kāi)始，可用交叉有效性來(lái)確定偏最小二乘回歸分析中成分提取個(gè)數(shù)，并停止迭代。在得到成分( m stairs(

20、t,f1,g) ;hold onstairs(t,f2,r);%做出全年負(fù)荷持續(xù)性階梯曲線(xiàn)附錄二： 地區(qū)一日最高負(fù)荷回歸結(jié)果 地區(qū)二日最高負(fù)荷回歸結(jié)果 地區(qū)一日最低負(fù)荷回歸結(jié)果 地區(qū)二日最低負(fù)荷回歸結(jié)果 地區(qū)一日平均負(fù)荷回歸結(jié)果 地區(qū)一日平均負(fù)荷回歸結(jié)果附錄三： 地區(qū)一負(fù)荷差分后序列相關(guān)圖 地區(qū)二負(fù)荷差分后序列相關(guān)圖附錄四：clc;close all;clear all;x =xlsread(4.1.xlsx);p=x; y = xlsread(4.2.xlsx);y=y(:,97);t=y; % 利用mapminmax函數(shù)對(duì)數(shù)據(jù)進(jìn)行歸一化pn,input_str = mapminmax(p) ;tn,output_str = mapminmax(t) ;% 建立BP神經(jīng)網(wǎng)絡(luò)，相對(duì)舊一點(diǎn)的MATLAB版本，新版本 newff 函數(shù)使用更簡(jiǎn)潔一些% 但是本質(zhì)和性能沒(méi)有區(qū)別net=newff(pn,tn,5 7 1,purelin,logsig,purelin);% 10輪回顯示一次結(jié)果net.trainParam.show=10;% 學(xué)習(xí)速度為0.05net.trainParam.lr=0.05