电力负荷预测代码python
时间: 2023-09-22 14:09:41 浏览: 108
基于深度学习算法实现电力负荷的时间序列未来预测python源码(有详细注释).zip
以下是一个简单的基于Python的电力负荷预测示例代码:
```python
import pandas as pd
import numpy as np
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
# 读入数据集
data = pd.read_csv('power_consumption.csv')
# 将日期时间转换为Python中的datetime格式
data['datetime'] = pd.to_datetime(data['datetime'], format='%Y-%m-%d %H:%M:%S')
# 将日期时间列设置为索引
data.set_index('datetime', inplace=True)
# 提取每天的总负荷
data_daily = data.resample('D').sum()
# 创建特征和目标变量
X = data_daily.drop('Global_active_power', axis=1)
y = data_daily['Global_active_power']
# 将数据集分为训练集和测试集
X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.3, random_state=0)
# 训练线性回归模型
regressor = LinearRegression()
regressor.fit(X_train, y_train)
# 预测测试集
y_pred = regressor.predict(X_test)
# 计算均方根误差和R2分数
rmse = np.sqrt(mean_squared_error(y_test, y_pred))
r2 = r2_score(y_test, y_pred)
print('均方根误差:', rmse)
print('R2分数:', r2)
```
此代码使用了Pandas和Scikit-learn库来读取数据、准备数据、训练模型和评估模型。请确保将`power_consumption.csv`替换为您自己的数据文件,并根据需要修改其他参数。
阅读全文