https://github.com/allrivertosea/load-forecasting-based-on-ml
https://github.com/allrivertosea/load-forecasting-based-on-ml
Science Score: 13.0%
This score indicates how likely this project is to be science-related based on various indicators:
-
○CITATION.cff file
-
✓codemeta.json file
Found codemeta.json file -
○.zenodo.json file
-
○DOI references
-
○Academic publication links
-
○Academic email domains
-
○Institutional organization owner
-
○JOSS paper metadata
-
○Scientific vocabulary similarity
Low similarity (1.1%) to scientific vocabulary
Last synced: 10 months ago
·
JSON representation
Repository
Basic Info
- Host: GitHub
- Owner: allrivertosea
- Language: Python
- Default Branch: main
- Size: 6.84 MB
Statistics
- Stars: 2
- Watchers: 1
- Forks: 0
- Open Issues: 0
- Releases: 0
Created over 4 years ago
· Last pushed over 4 years ago
Metadata Files
Readme
README.md
Load-Forecasting-based-on-ML
基于机器学习的负荷预测
该项目使用来自 Elia 的免费可用负荷时间序列数据，目的是开发出准确的方法来提前一天预测 Elia 电网的平均总负荷。 已经开发了十一种不同的基于机器学习的算法，每种算法都可以通过运行 src 文件夹中的相应脚本来运行。 各脚本如下
- 逻辑回归 - lr.py
- 基于Sigmoid的神经网络 - neural.py
- 加权聚类 - clustering.py
- 支持向量回归 - svr.py
- CART回归树 - cart.py
- 极限梯度提升树 - xgboost.py
- 随机森林 - randforest.py
- 长短时记忆神经网络 - lstm.py
- 门控递归单元神经网络 - gru.py
- 自回归差分移动平均 - arima.py
- 高斯过程回归 - gpr.py
脚本所需的数据存储在 src 内的 data 文件夹中。 脚本 analysis.py 提供了可视化 Elia 负荷时间序列各个方面的函数。使用 Visualizer.py 中的方法显示结果预测。
注意
有关Elia数据集、算法开发和预测结果的更多详细信息，请查看 writeup 文件夹中的 PDF文件：机器学习预测电网平均总负荷。
数据来源:
- Elia 提供的电力负荷数据集.
- 链接 : http://www.elia.be/en/grid-data
Owner
- Login: allrivertosea
- Kind: user
- Repositories: 1
- Profile: https://github.com/allrivertosea
GitHub Events
Total
- Watch event: 1
- Push event: 1
Last Year
- Watch event: 1
- Push event: 1