基于ARIMA算法和小波分析+BP神经网络算法的短期负荷预测

【实例简介】
我们用了两种算法对PJM某区电力负荷进行超短期预测。ARIMA算法预测速度较快，平均误差在3%以内，特别适合这种超短期负荷预测，而小波分析+BP神经网络算法是一种适应性比较广的算法，在此次超短期负荷预测中它的平均误差在7%以内，预测时间相对更长。 此程序由华北电力大学电力专业学生编写，采用了VB、MATLAB混合编程（VB的界面，MATLAB的内核），利用了2种算法实现电力负荷超短期预测，这2种方法都是当前较先进实用的算法，十分有启发性。
【实例截图】
【核心代码】
超短期负荷预测
└── 超短期负荷预测
├── ARIMA算法程序和界面程序
│   ├── matlab
│   │   ├── 用工具箱函数编的程序
│   │   │   ├── 201103.xls
│   │   │   ├── 2011 hourly_loads.xls
│   │   │   ├── 2012.xls
│   │   │   ├── forecast_jb.m
│   │   │   └── maxnumber_location.m
│   │   └── 非工具箱函数程序
│   │   ├── 201103.xls
│   │   ├── 2011 hourly_loads.xls
│   │   ├── 2012.xls
│   │   ├── data.bmp
│   │   ├── data.emf
│   │   ├── data.jpg
│   │   ├── data.png
│   │   ├── error.emf
│   │   ├── error.jpg
│   │   ├── error.png
│   │   ├── forecast.asv
│   │   ├── forecast.m
│   │   ├── forecast_one.asv
│   │   ├── forecast_one.m
│   │   ├── 相对误差图.bmp
│   │   ├── 绝对误差图.bmp
│   │   └── 预测数据图.bmp
│   └── vb
│   ├── 4.ico
│   ├── guide
│   │   ├── 201103.xls
│   │   ├── 2011 hourly_loads.xls
│   │   ├── 2012.xls
│   │   ├── data.bmp
│   │   ├── data.emf
│   │   ├── data.jpg
│   │   ├── data.png
│   │   ├── error.emf
│   │   ├── error.jpg
│   │   ├── error.png
│   │   ├── forecast.asv
│   │   ├── forecast.m
│   │   ├── forecast_one.asv
│   │   ├── forecast_one.m
│   │   ├── 相对误差图.bmp
│   │   ├── 绝对误差图.bmp
│   │   └── 预测数据图.bmp
│   ├── vb源代码.rar
│   └── 负荷预测.exe
├── 小波分析+BP神经网络
│   ├── wavetransport.m
│   ├── xiaobo2.asv
│   ├── xiaobo2.m
│   ├── xiaobo.asv
│   ├── xiaobo.m
│   ├── xiaoboshenjing.asv
│   ├── xiaoboshenjing.m
│   ├── xiaoboyuce.asv
│   ├── xiaoboyuce.m
│   ├── xunlian.asv
│   ├── xunliand.asv
│   ├── xunliand.m
│   ├── xunlian.m
│   ├── yuanshihuitu.m
│   ├── yuce.asv
│   ├── yuce.m
│   ├── zhuanhuan.asv
│   ├── zhuanhuan.m
│   ├── 小波1训练.jpg
│   ├── 小波2训练.jpg
│   ├── 小波3训练.jpg
│   ├── 小波4训练.jpg
│   ├── 小波分解1.jpg
│   ├── 小波分解.jpg
│   ├── 小波和原数据对比1.jpg
│   ├── 小波和原数据对比.jpg
│   └── 预测曲线.jpg
├── 源数据
│   ├── 201103.xls
│   ├── 2011 hourly_loads.xls
│   └── 2012.xls
└── 超短期负荷预测3.ppt

9 directories, 73 files