[1] |
康重庆, 夏清, 张伯明. 电力系统负荷预测研究综述与发展方向的探讨[J]. 电力系统自动化, 2004, 28(17):1-11.
|
[2] |
邓永生, 焦丰顺, 张瑞锋, 等. 配电网规划中电力负荷预测方法研究综述[J]. 电器与能效管理技术, 2019(14):1-7.
|
[3] |
杨秀, 胡钟毓, 田英杰, 等. 基于EMD-Stacking-MLR的台区配变短期负荷预测方法[J]. 电器与能效管理技术, 2022(2):53-62.
|
[4] |
王哲, 迟福建, 万宝, 等. 基于谱聚类和LSTM神经网络的电动公交车充电负荷预测方法[J]. 电力建设, 2021, 42(6):58-66.
doi: 10.12204/j.issn.1000-7229.2021.06.006
|
[5] |
刘文杰, 刘禾, 王英男, 等. 基于完整自适应噪声集成经验模态分解的LSTM-Attention网络短期电力负荷预测方法[J]. 电力建设, 2022, 43(2):98-108.
doi: 10.12204/j.issn.1000-7229.2022.02.012
|
[6] |
叶郑庚. 采用联系数与蒙特卡洛模拟的规模化电动汽车充电负荷预测[J]. 电器与能效管理技术, 2019(20):70-76.
|
[7] |
裘星, 尹仕红, 张之涵, 等. 基于改进生成对抗网络的非侵入式负荷预测样本不均衡的改善方法[J]. 电器与能效管理技术, 2022(3):23-29,38.
|
[8] |
李小伟, 陶毅刚, 顾洁, 等. 基于贝叶斯网络的配电网净负荷预测方法[J]. 电器与能效管理技术, 2020(9):90-98.
|
[9] |
周润, 向月, 王杨, 等. 基于智能电表集总数据的家庭电动汽车充电行为非侵入式辨识与负荷预测[J]. 电网技术, 2022, 46(5):1897-1908.
|
[10] |
王增平, 赵兵, 贾欣, 等. 基于差分分解和误差补偿的短期电力负荷预测方法[J]. 电网技术, 2021, 45(7):2560-2568.
|
[11] |
李国庆, 李欣彤, 边竞, 等. 计及光伏-负荷预测不确定性的直流跨省互联电网双级调度策略[J]. 中国电机工程学报, 2021, 41(14):4763-4776.
|
[12] |
刘杨, 王维庆, 王海云. 考虑气象因素的改进ARIMA电动汽车充电负荷预测[J]. 电器与能效管理技术, 2018(8):53-58.
|
[13] |
陈纬楠, 胡志坚, 岳菁鹏, 等. 基于长短期记忆网络和LightGBM组合模型的短期负荷预测[J]. 电力系统自动化, 2021, 45(4):91-97.
|
[14] |
李滨, 高枫. 基于虚拟相似日与DA-LSTPNet的地区电网短期负荷预测[J]. 电力系统自动化, 2021, 45(22):55-64.
|
[15] |
杨国华, 郑豪丰, 张鸿皓, 等. 基于Holt-Winters指数平滑和时间卷积网络的短期负荷预测[J]. 电力系统自动化, 2022, 46(6):73-82.
|
[16] |
刘友波, 吴浩, 刘挺坚, 等. 集成经验模态分解与深度学习的用户侧净负荷预测算法[J]. 电力系统自动化, 2021, 45(24):57-64.
|
[17] |
孙超, 吕奇, 朱思曈, 等. 基于双层XGBoost算法考虑多特征影响的超短期电力负荷预测[J]. 高电压技术, 2021, 47(8):2885-2898.
|
[18] |
王琛, 王颖, 郑涛, 等. 基于ResNet-LSTM网络和注意力机制的综合能源系统多元负荷预测[J]. 电工技术学报, 2022, 37(7):1789-1799.
|