資源簡介
Elman神經網絡法預測風電功率
內含5min間隔的數據
預測輸入為相關因素:風速、風向和溫度
預測變量是風電功率
精度較高
代碼片段和文件信息
close?all
clearclc
%%?加載數據
load?fengsu5min;?????%用間隔15min的48個點(即12個小時)的數據直接預測間隔15min的16個點
load?gonglv5min;
%?load?wendu5min;
%?load?fengxiang5min;
%?for?i=1:8929
%?zhengxuan(i)=sin(fengxiang5min(i)*pi/180);
%?end
b=fengsu5min;
c=gonglv5min;
%?f=zhengxuan;
%?d=wendu5min;
%?e=fengxiang5min;
mi1=min(b);
ma1=max(b);
b=(b-mi1)/(ma1-mi1);
mi2=min(c);
ma2=max(c);
c=(c-mi2)/(ma2-mi2);
%?mi5=min(f);
%?ma5=max(f);
%?f=(f-mi5)/(ma5-mi5);
%?mi3=min(d);
%?ma3=max(d);
%?d=(d-mi3)/(ma3-mi3);
%?mi4=min(e);
%?ma4=max(e);
%?e=(e-mi4)/(ma1-mi4);
for?i=1:8900
????p(i:)=[b(i)b(i+1)b(i+2)b(i+3)b(i+4)b(i+5)];
%?????b(i+7)b(i+8)b(i+9)b(i+10)b(i+11)b(i+12)b(i+13)b(i+14)b(i+15)
%?f(i)f(i+1)f(i+2)f(i+3)f(i+4)f(i+5)
%????d(i)d(i+1)d(i+2)d(i+3)d(i+4)e(i)
?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????1929??2014-07-09?17:00??yucemin5minfengsuwendufengxiang.m
?????文件????????407??2014-07-10?22:02??zhibiao.m
?????文件??????20707??2014-07-08?14:23??fengsu5min.mat
?????文件??????18968??2014-07-08?15:04??gonglv5min.mat
?????文件??????16357??2014-07-09?16:49??wendu5min.mat
?????文件???????2244??2014-07-16?19:21??yucemin5.m
?????文件???????2246??2014-07-16?19:42??yucemin5_fengxiang.m
-----------?---------??----------?-----??----
????????????????62858????????????????????7
評論
共有 條評論