[1] 王琨. 高压级已投运变电站接地网状态评估及优化[J]. 电瓷避雷器, 2023(3):115-120. [2] 詹花茂,郭明鑫,刘春江,等. 基于正则化最小二乘法的接地网腐蚀状态评估方法[J]. 腐蚀与防护, 2022,43(6):79-85,113. [3] 徐方林,晏节晋. 基于深度迁移学习的变电站接地网防腐结构无损监测技术研究[J]. 电气自动化, 2022, 44 (4): 91-93. [4] 李伟,王伟,孙永春,等. 应用CDEGS进行变电站接地网设计流程的研究[J]. 电瓷避雷器, 2022(5):113-118. [5] 安韵竹,田海鹏,姜映辉,等. 变电站接地网引下线氧浓差腐蚀仿真计算研究[J]. 山东电力技术, 2023,50(9):1-9. [6] 李文彬,王勇,冯砚厅,等. 基于改进CL-ML方法的接地网不开挖腐蚀速率预测模型[J]. 电力科学与工程, 2021, 37 (4): 49-54. [7] 刘建民. 接地网腐蚀防护与预测方法研究[D]. 保定:华北电力大学,2021. [8] 陈敬友,陈超,吴迪,等. 接地网腐蚀性评价方法与腐蚀速率预测[J]. 腐蚀与防护, 2021, 42 (03): 64-67,78. [9] 程宏伟,高莲,于虹,等. 基于改进果蝇算法优化BP神经网络的接地网腐蚀速率预测模型[J]. 电测与仪表, 2022, 59 (11): 71-78. [10] 回立川,张晓泽,李欢欢. 改进麻雀算法优化支持向量机的接触电阻预测[J]. 电工电能新技术, 2023,42(8):60-68. [11] 王小军,高广德,吴田,等. 基于PSOEM优化LSSVM的接地网腐蚀预测研究[J]. 智慧电力, 2020, 48 (11): 68-73. [12] 刘渝根,陈超. 基于人工蜂群算法优化支持向量机的接地网腐蚀速率预测模型[J]. 电力自动化设备, 2019,39 (5):182-186,200. [13] 王利福,魏玉琪,刘屹江泽. 基于KPCA与IPFA-KELM的变压器故障识别方法[J]. 控制工程, 2023, 30 (7): 1180-1189. [14] 姚远,贾路芬,刘立,等. 基于KPCA-SSA-ENN的变压器油界面张力预测[J]. 重庆理工大学学报(自然科学), 2023,37 (7):297-305. [15] 向小民,盛刘宇,刘谦,等. 基于特征选择和ICOA-LSSVM的变压器故障诊断[J/OL]. 电气工程学报: 1-9.(2023-10-27)[2023-11-09].http://kns.cnki.net/kcms/detail/10.1289.TM.20231027.1033.002.html. [16] 谢国民,陈天香. 改进黑猩猩算法的光伏发电功率短期预测[J/OL]. 电力系统及其自动化学报:1-9.(2023-04-03)[2023-11-09] https://doi.org/10.19635/j.cnki.csu-epsa.001241. [17] 张海,李士心,石军,等. 基于串行式GA-BP的短期负荷预测方法[J]. 电力系统及其自动化学报, 2021, 33 (4):97-101,107. [18] 方权,刘闯,宋敏,等.模糊评价与PSO优化的LSSVM架空输电线路故障率预测[J].水电能源科学,2021,39(1):171-175. [19] 曹敬椿,卢敏. 基于混合策略改进SSA-SVM的工业用水量预测[J]. 水电能源科学, 2023, 41 (9):28-31. [20] 郭阳阳. 基于神经网络的海南变电站土壤对Q235钢的腐蚀预测研究[D]. 北京:华北电力大学, 2016. |