[1]陆继翔,张琪培,杨志宏,涂孟夫,陆进军,彭晖.基于CNN-LSTM混合神经网络模型的短期负荷预测方法[J].电力系统自动化,2019,43(8):131-137.

[2]庞昊,高金峰,杜耀恒.基于多神经网络融合的短期负荷预测方法[J].电力自动化设备,2020,40(6).

[3]朱雨晨,加玛力汗·库马什,娜仁花.基于BP神经网络的电力系统短期负荷预测[J].黑龙江电力,2012,34(6):439-441,445.

[4]林芳,林焱,吕宪龙,程新功,张慧瑜,陈伯建.基于均衡KNN算法的电力负荷短期并行预测[J].中国电力,2018,51(10):88-94,102.

[5]陈超,黄国勇,范玉刚,吴建德,王晓东.基于离散Fréchet距离和LS-SVM的短期负荷预测[J].继电器,2014,42(5):142-147.

[6]梁建武,陈祖权,谭海龙.短期负荷预测的聚类组合和支持向量机方法[J].电力系统及其自动化学报,2011,23(1).

[7]陈海文,王守相,王绍敏,王丹.基于门控循环单元网络与模型融合的负荷聚合体预测方法[J].电力系统自动化,2019(1).

[8]王增平,赵兵,纪维佳,高欣,李晓兵.基于GRU-NN模型的短期负荷预测方法[J].电力系统自动化,2019(5).

[9]彭春华,雷莉霞.基于分时重构混沌相空间的电力系统负荷短期预测[J].电力系统保护与控制,2005,33(20).

[10]彭春华,雷莉霞.基于分时重构混沌相空间的电力系统负荷短期预测[J].继电器,2005,33(20):67-72.

[11]彭文,王金睿,尹山青.电力市场中基于Attention-LSTM的短期负荷预测模型[J].电网技术,2019(5).

[12]沈秀汶,吴耀武,熊信银.基于有偏最小最大概率回归的短期负荷预测[J].电力系统及其自动化学报,2007,19(4):46-49.

[13]刘恒勇,史帅彬,徐旭辉,周东国,闵若琳,胡文山.一种关联RNN模型的非侵入式负荷辨识方法[J].电力系统保护与控制,2019(13).

[14]周艳真,查显煜,兰健,郭庆来,孙宏斌,薛峰,王胜明.基于数据增强和深度残差网络的电力系统暂态稳定预测[J].中国电力,2020,53(1):22-31.

[15]刘建华,李锦程,杨龙月,闫耀双,刘艳梅,张屹修.基于EMD-SLSTM的家庭短期负荷预测[J].电力系统保护与控制,2019(6).

[16]马洪波,王政,刘利平,李振东,潘文武.电力日负荷数据主成分分析与计算[J].东北电力技术,2017,38(7).

[17]李元诚,曾婧.基于改进卷积神经网络的电网假数据注入攻击检测方法[J].电力系统自动化,2019,43(20):97-104.

[18]牛哲文,余泽远,李波,唐文虎.基于深度门控循环单元神经网络的短期风功率预测模型[J].电力自动化设备,2018,38(5).

[19]丁坚勇,朱炳翔,田世明,卜凡鹏,陈俊艺,朱天曈.改进F-score特征选择的MPSO-BP神经网络短期负荷预测[J].电测与仪表,2018(15).

[20]孙海健.电力负荷短期预报的子集门限自回归模型[J].中国电机工程学报,1999,19(12):65-69.