clc;
clear
C = 30;
theta = 2;%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
%以负荷的加权为参考1
al = 2;%温度的加权
be = 1;%湿度的加权
th = 1;%星期的加权
Time = 48;
Data = xlsread('input.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
Data = Data(2:end,:);
[M,N] = size(Data);%计算读入数据的行和列 M行N列
Data1 = Data;
for i = 1:2
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: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%拥有完整特征描述的数据共有M-2组!!
Input = zeros(M,8,Time);%预先分配处理后的输入向量空间%8是特征空间的维度!也是x的元素数!!
y = zeros(Dim,Time);
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-1,1:3), Data1(i-1,j+3), Data1(i-2,j+3),Data1(i,1:3)];%x就是每一个负荷对应的特征向量!!!
x(1)=al*x(1);
x(6)=al*x(6);
x(2)=be*x(2);
x(7)=be*x(7);
x(3)=th*x(3);
x(8)=th*x(8);
Input(i-2,:,j) = x;%Input(i,:,k)的含义为:第i天第j个时刻的负荷所对应的特征向量
y(i-2,j) = Data1(i,j+3);
end
end
Dist = zeros(Dim,Dim,Time);%预先分配距离空间
for i=1:Time
for j=1:Dim
for k=1:Dim
Dist(j,k,i) = (Input(j,:,i) - Input(k,:,i))*(Input(j,:,i) - Input(k,:,i))';
end
end
end
%Dist(i,j,k)含义为:第i天第k个时刻的负荷与第j天同一时刻的负荷之间的特征距离
Dist1 = exp(-Dist/(2*theta));%RBF
K = zeros(1,Dim);
% Pre = zeros(M-2,Time);
for i=1:Time
H = Dist1(:,:,i) + eye(Dim)/C;%最小二乘支持向量的H矩阵
f = -y(1:Dim,i);
Aeq = ones(Dim,1)';
beq = [0];
option.MaxIter=1000;
[a,fval]=quadprog(H,f,[],[],Aeq,beq);%,[],[],[],option);
b = zeros(1,Dim);
for j = 1:Dim
b(1,j) = y(j,i) - a(j)/C - a'* Dist1(:,j,i);%求每个输入特征对应的b
end
b = sum(b)/Dim;%求平均b,消除误差
for j = Dim + 1:M-2
for k = 1:Dim
K(1,k) = exp(-(Input(j,:,i) - Input(k,:,i))*(Input(j,:,i) - Input(k,:,i))'/(2*theta));%预测输入特征与训练特征的RBF距离
end
Pre(j-Dim,i) = sum(a'*K') + b; %求解预测值
end
end
% Len = M - (Dim + 3) + 1;%预测的天数 取本季度最后Len天
Len = NumOfPre;
Pre = 10.^Pre;
for i = 1:Len
figure
plot(1:Time,Data(i+Dim+2,4:N),'r',1:Time,Pre(i,:),'k');%画出每一天的预测值和真实值
hold on
scatter(1:Time,Data(i+Dim+2,4:N),'o')
scatter(1:Time,Pre(i,:),'^')
% axis([0 25 0 100])%坐标范围
hold off
end
Acu = (Pre - Data(Dim+3:M,4:N))./Data(Dim+3:M,4:N);%相对误差
save Acu.mat Acu
s=0;
for i=1:Time
s=abs(Acu(1,i))+s;
end
acu=s/Time;
save acu.mat acu;
Result=[C,theta,acu];
disp(Result);
基于SVM电力系统短期负荷预测的其中一个例程
5星 · 超过95%的资源 需积分: 49 23 浏览量
2018-11-10
22:36:11
上传
评论 13
收藏 21KB ZIP 举报
coreyhsu2020
- 粉丝: 218
- 资源: 110
最新资源
- week6.1.7z
- 移动机器人自主路径规划之RRTStar算法MATLAB实现代码
- 基于Python+OpenCV+FFmpeg实现自动识别电影剪辑+分析剪辑主题颜色+源码+文档(毕业设计&课程设计&项目开发)
- 基于python的二手商品交易平台 python+django开发的供需平台
- 微信小程序源码 侧滑布局小程序 (源码下载 +内附使用说明)
- heima-JUC-资料
- coreg_FSL.sh
- ROS+YOLOV8+SLAM智能小车导航实战(四、激光雷达+SLAM建图)
- 什么是决策树,有哪些适用场景?
- 基于python开发的口红色号识别程序+源码+开发文档+源码解析(毕业设计&课程设计&项目开发)
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈