【源码】基于Python的电力备转容量预测系统

项目简介

本项目利用台灣電力公司提供的过去电力供需资讯，结合天气资料以及是否为上班日等信息，基于长短期记忆（Long Short-Term Memory，LSTM）算法构建预测模型，实现对未来14天电力备转容量的预测。

项目的主要特性和功能

1. 数据整合：整合电力、天气和工作日等多源数据，构建训练数据集。
2. 相关性分析：借助Python的pandas库对数据进行探索性分析，以图表形式呈现数据间的相关性，辅助特征选择。
3. 数据可视化：通过多种可视化图表展示电力数据、温度数据以及工作日与电力分布情况，为分析决策提供支持。
4. 数据清洗：去除不必要的特征，整合数据形成训练数据，便于后续训练。
5. 模型训练与预测：运用LSTM模型，对数据进行归一化、分割后开展训练，最终预测未来14天的电力备转容量并输出结果。

安装使用步骤

环境要求

| Name | Version | | :---: | :---: | | Python | 3.6.7 | | Numpy | 1.15.4 | | Pandas | 0.23.4 | | matplotlib | 3.0.2 | | Keras | 2.1.6 |

数据处理步骤

可在终端机中执行以下指令进行数据处理，并将参数改成你的参数，或是直接使用预设值而不输入参数： bash python data_processing.py --data1 "your power data" --data2 "your operating reserve data" --data3 "your weather data" --data4 "your holiday data" --output "your output data" 默认参数： | Name | Input | Default | | :---: | --- | --- | | --data1 | 電力資料 |./data/台灣電力公司_過去電力供需資訊_All_2.csv | | --data2 | 至2021年3月21日之備載容量 |./data/本年度每日尖峰備轉容量率_2.csv | | --data3 | 天氣資料所在資料夾 |./data/Weather_2/ | | --data4 | 辦公日曆表所在資料夾 |./data/Holiday_2/ | | --output | 輸出資料位置與名稱 |./data/training_data_3.csv |

模型训练与预测步骤

在终端机中执行以下指令进行模型训练与预测，并将参数改成你的参数，或是直接使用预设值而不输入参数： bash python app.py --data "your training data" --output "your output data" python app.py --data "your training data" --predict_data_34 "your predict data" --output "your output data" 默认参数： | Name | Input | Default | | :---: | --- | --- | | --data | 訓練資料 |./data/training_data.csv | | --predict_data_34 | 預測期間資料 |./data/predict_dataset_34.csv | | --output | 輸出預測結果 | submission.csv |

最终预测结果将输出为submission.csv文件。

下载地址

点击下载 【提取码: 4003】【解压密码: www.makuang.net】