【风电功率预测】基于matlab自适应网络风电功率预.docxVIP

自适应线性网络

%%清空环境变量

clc

clearall

closeall

%%训练数据预测数据提取及归一化

%导入数据

input=xlsread(wind.xlsx,b1:c151);%载入输入数据

output=xlsread(wind.xlsx,d1:d151);%载入输出数据

%找出训练数据和预测数据

input_train=input((1:120),:);%120组训练数据，31组预测数据

output_train=output(1:120);

input_test=input((121:151),:);

output_test=output(121:151);

%归一化输入输出数据

[inputn,inputps]=mapminmax(input_train);

[outputn,outputps]=mapminmax(output_train);

%生成线性网络

%lr=0.99*maxlinlr(P);

lr=0.001;

delays=[0];

net=newlin(inputn,1,delays,lr);

net.inputWeights{1,1}.initFcn=rands;%初始化权值

net.biases{1}.initFcn=rands;%初始化偏差

net=init(net);%把初始化权值和偏差函数赋给网络

W0=net.iw{1,1};%初始化权值和偏差

B0=net.b{1};

net.trainParam.epochs=1500;%最大循环次数

net.trainParam.goal=0.0001;%期望误差

[net,tr]=train(net,inputn,outputn);%进行线性网络权值训练

W=net.iw{1,1};%网络训练后的最终权值和偏差

B=net.b{1};

%对网络进行自适应线性训练

[net,a,e]=adapt(net,inputn,outputn);

%%预测

%预测数据归一化

inputn_test=mapminmax(apply,input_test,inputps);

%网络预测输出

an=sim(net,inputn_test);

%网络输出反归一化

output=mapminmax(reverse,an,outputps);

%%结果分析

figure

plot(output,:og)

holdon

plot(output_test,-*);

plot(output-output_test,-r^);

legend(预测输出,实际输出,预测误差)

title(WH网络预测输出,fontsize,12)

ylabel(函数输出,fontsize,12)

xlabel(样本,fontsize,12)

%%误差分析

%1.均方根误差未归一化

RMSe=sqrt(sum((an-output_test).^2)/31);

fprintf(1.均方根误差=%f,RMSe);

%2.平均相对误差

MRE=sum(abs(an./output_test))/31;

fprintf(2.平均相对误差=%f,MRE);

%3.平均离差

MD=sum(abs(an-output_test))/31;

fprintf(3.平均离差=%f,MD);

%4.相关系数

correlation=corrcoef(an,output_test);

correlation_coefficient=correlation(1,2);

fprintf(4.相关系数=%f,correlation_coefficient);