基于BP神经网络的电力系统短期负荷预测，包含30日的负荷数据和气象特征数据，对31日负荷进行预测，同时与实际负荷进行对比，观察误差。

 

 

%创建一个新的BP前向神经网络
%newff—生成一个新的BP前向神经网络
net=newff(minmax(P),[10,12],{'tansig','logsig'},'trainbr');
%设置训练参数
net.trainParam.show=10;        %每10代显示一次
net.trainParam.lr=0.05;        %学习速率（0.01-0.8）
net.trainParam.mc=0.9;         %动量因子
net.trainParam.epochs=1000;    %训练的代数
net.trainParam.goal=0.0001;    %目标误差
%训练BP前向神经网络
%P为输入向量，T为目标向量
[net,tr]=train(net,P,T);
%仿真
%T1：31日实际负荷；P1：30日负荷+31日气象特征；A1：31日预测负荷