NWP风电功率预测

含NWP数值天气预报和不含NWP数值天气预报的BP神经网络预测风电功率两种方法进行比较，含数据，实际案例。

%% 清空环境变量
close all
clc; clear


%% 训练数据预测数据提取及归一化
%下载输入输出数据
load traindata1011 A O 
load goontest inputtest_may16 outputtest_may16


inputnum=7;hiddennum=6;outputnum=1; %4-5-1结构 编码长度31 7-5-1 46

%训练数据和预测数据
input_train=A（1:360:）‘;
input_test=inputtest_may16（1:24:）‘;
output_train=O（1:360）‘;
output_test=outputtest_may16（1:24）‘;

%选连样本输入输出数据归一化
[inputninputps]=mapminmax（input_train）;
[outputnoutputps]=mapminmax（output_train）;

%% BP网络训练
%构建网络
net=newff（inputnoutputnhiddennum{‘tansig‘‘purelin‘}）;

%网络进化参数
net.trainParam.epochs=100; %迭代次数，学习率，目标
net.trainParam.lr=0.1;
net.trainParam.goal=0.00001;
net.trainParam.show=100;
net.trainParam.showWindow=0;

%网络训练
net=train（netinputnoutputn）;

%% BP网络预测
%预测数据归一化
inputn_test=mapminmax（‘apply‘input_testinputps）;
 
%网络预测输出
an=sim（netinputn_test）;
 
%网络输出反归一化
BPoutput=mapminmax（‘reverse‘anoutputps）;

%% 结果分析

figure（1）
plot（BPoutput‘:og‘）
hold on
plot（output_test‘-*‘）;
legend（‘预测输出‘‘期望输出‘）
title（‘BP网络预测输出‘‘fontsize‘12）
ylabel（‘函数输出（W）‘‘fontsize‘12）
xlabel（‘样本（h）‘‘fontsize‘12）
%预测误差
error=BPoutput-output_test;
error1=（output_test-BPoutput）./BPoutput; %相对误差

% figure（2）
% plot（error‘-*‘）
% title（‘BP网络预测误差‘‘fontsize‘12）
% ylabel（‘误差‘‘fontsize‘12）
% xlabel（‘样本‘‘fontsize‘12）

figure（3）
plot（error1‘-*‘）;
title（‘BP神经网络预测误差百分比‘）
ylabel（‘相对误差‘‘fontsize‘12）
xlabel（‘样本（h）‘‘fontsize‘12）

figure（4）
hist（error1）;
title（‘神经网络预测误差频率分布直方图‘）;

MAE=（sum（abs（error1）））/24 %绝对平均误差 24对误差
RMSE=sqrt（（sum（error1.^2））/24）%RMSE 均方根误差公式
% errorsum=sum（abs（error））

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1813  2014-01-07 21:59  BP wind prediction\bp.m

     文件       1737  2014-01-07 21:57  BP wind prediction\BPNWP.m

     文件        874  2013-10-12 14:59  BP wind prediction\goontest.mat

     文件        974  2013-10-16 15:49  BP wind prediction\goontestNWP.mat

     文件       6430  2013-10-11 21:12  BP wind prediction\traindata1011.mat

     文件       7287  2013-10-16 15:38  BP wind prediction\traindata1011NWP.mat

     目录          0  2014-01-14 22:52  BP wind prediction

----------- ---------  ---------- -----  ----

                19115                    7