[1] 彭显刚,潘可达,张丹,等. 基于季节性负荷自适应划分及重要点分割的多分段短期负荷预测[J].电网技术,2020,44(2):603-613. [2] HOVERSTAD B A,TIDEMANN A,LANGSETH H,et al.Short-term load forecasting with seasonal decomposition using evolution for parameter tuning[J].IEEE Transactions on Smart Grid,2015,6(4):1904-1913. [3] XIA C,ZHANG M,CAO J.A hybrid application of soft computing methods with wavelet SVM and neural network to electric power load forecasting[J].Journal of Electrical Systems and Information Technology,2018,5(3):681-696. [4] 陈成功, 朱育兰, 庞沐禅. 基于母线电压相量采集的配网合环潮流算法[J]. 湖南电力, 2023, 43(2): 102-107. [5] 徐先峰,赵依,刘状壮,等. 用于短期电力负荷预测的日负荷特性分类及特征集重构策略[J].电网技术,2022,46(4):1548-1556. [6] 刘倩倩, 刘钰山, 温烨婷,等. 基于PCC-LSTM 模型的短期负荷预测方法[J]. 北京航空航天大学学报,2022,48(12):2529-2536. [7] 陈振宇,刘金波,李晨,等. 基于LSTM与XGBoost组合模型的超短期电力负荷预测[J]. 电网技术,2020,44(2):614-620. [8] 李玉志,刘晓亮,邢方方,等. 基于Bi-LSTM和特征关联性分析的日尖峰负荷预测[J]. 电网技术,2021,45(7):2719-2730. [9] 朱凌建,荀子涵,王裕鑫,等. 基于CNN-Bi LSTM 的短期电力负荷预测[J]. 电网技术,2021,45(11):4532-4539. [10] 张淑清,李君,姜安琦,等. 基于FPA-VMD和Bi LSTM神经网络的新型两阶段短期电力负荷预测[J]. 电网技术,2022,46(8):3269-3279. [11] 郑睿程,顾洁,金之俭,等. 数据驱动与预测误差驱动融合的短期负荷预测输入变量选择方法研究[J]. 中国电机工程学报,2020,40(2):487-500. [12] 张大海,孙锴,和敬涵. 基于相似日与多模型融合的短期负荷预测[J].电网技术,2023,47(5):1961-1970. [13] 张淑清,段晓宁,张立国,等. Tsne降维可视化分析及飞蛾火焰优化ELM算法在电力负荷预测中应用[J].中国电机工程学报,2021,41(9):3120-3130. [14] 陈新宇,康重庆,陈敏杰. 极值负荷及其出现时刻的概率化预测[J].中国电机工程学报,2011,31(22):64-72. [15] 栗然,刘宇,黎静华,等. 基于改进决策树算法的日特征负荷预测研究[J].中国电机工程学报,2005,25(23):36-41. [16] 雷绍兰, 孙才新, 周湶,等. 电力短期负荷的多变量时间序列线性回归预测方法研究[J].中国电机工程学报,2006,26(2):25-29. [17] ZENG N,ZHANG H,LIU W,et al.A switching delayed PSO optimized extreme learning machine for short-term load forecasting[J].Neurocomputing,2017,240:175-182. [18] 孙义豪,郭新志,皇甫霄文,等. 基于混合神经网络的多时间尺度负荷预测[J]. 电工电能新技术,2023,42(8):95-104. [19] 李滨,黄佳,吴茵,等. 基于分形特性修正气象相似日的节假日短期负荷预测方法[J]. 电网技术,2017,41(6):1949-1955. [20] CEPERIC E,CEPERIC V,BARIC A.A strategy for short-term load forecasting by support vector regression machines[J]. IEEE Transactions on Power Systems,2013,28(4):4356-4364. |