文件名称：基于ARIMA算法和小波分析+BP神经网络算法的短期负荷预测
文件大小：8.95MB
文件格式：RAR
更新时间：2016-01-21 10:26:34
ARIMA 小波分析 BP神经网络 短期预测
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。
【文件预览】：
超短期负荷预测
----超短期负荷预测3.ppt(1.83MB)
----源数据()
--------2011 hourly_loads.xls(5.78MB)
--------2012.xls(91KB)
--------201103.xls(21KB)
----ARIMA算法程序和界面程序()
--------matlab()
--------vb()
----小波分析+BP神经网络()
--------yuanshihuitu.m(9B)
--------xunlian.m(8KB)
--------小波2训练.jpg(66KB)
--------小波分解.jpg(43KB)
--------xiaobo.asv(2KB)
--------小波4训练.jpg(45KB)
--------预测曲线.jpg(25KB)
--------zhuanhuan.asv(639B)
--------小波3训练.jpg(67KB)
--------小波和原数据对比.jpg(51KB)
--------xunliand.asv(628B)
--------wavetransport.m(3KB)
--------xiaoboshenjing.asv(15KB)
--------小波和原数据对比1.jpg(51KB)
--------xunliand.m(628B)
--------zhuanhuan.m(639B)
--------yuce.m(194B)
--------xiaobo2.m(2KB)
--------xunlian.asv(8KB)
--------xiaoboyuce.m(18KB)
--------小波分解1.jpg(43KB)
--------xiaoboyuce.asv(18KB)
--------小波1训练.jpg(65KB)
--------yuce.asv(196B)
--------xiaoboshenjing.m(15KB)
--------xiaobo.m(2KB)
--------xiaobo2.asv(2KB)