【源码】基于Python的电力交易预测系统

项目简介

本项目使用Python，借助历史发电量与用电量数据构建长短期记忆（LSTM）模型，以过去七天的数据预测未来一天的用电情况，预测结果用于DSAI课程中的电力交易系统。

项目的主要特性和功能

1. 数据预处理：利用课程提供的训练数据，通过计算净用电量与RobustScaler方法进行数据处理，消除异常值影响。
2. 模型训练：在colab中使用elect2.py脚本训练LSTM模型，输入层和输出层维度分别为(24, 1)。
3. 电力交易逻辑：根据模型预测的净用电量，当预测值为负时，以低于市场电价（约2.5元新台币/度）的价格购买电力；当预测值为正时，以1元新台币/度的价格出售电力，目标是使净用电量为0。
4. 结果输出：将未来24小时内每小时的交易状态输出到output.csv文件。

安装使用步骤

环境安装

| Package | Version | | :---: | :---: | | Python | 3.8.8 | | Tensorflow | 2.3 | | Pandas | 1.2.4 | | Numpy | 1.18.5 | | Keras | 2.4.3 | | Scikit - learn | 0.24.1 |

模型训练与预测

1. 将预处理后的成果输出成CSV文件，添加表头["Number", "RS"]，删除"Number"列并选取最后n列作为未来预测用途。
2. 运行elect2.py脚本分割数据集，得到x_train（三维数值，形状为(262221, 24, 1)）和y_train（二维数值，形状为(262221, 24)）。
3. 完成模型训练后，根据模型预测的净用电量按照交易逻辑生成交易建议。
4. 查看output.csv文件获取未来24小时内每小时的交易状态。

下载地址

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