[1]基于深度长短期记忆神经网络的短期负荷预测[J].广东电力

[2]基于数据驱动理念的电力日负荷曲线预测方法研究[J].电力系统及其自动化学报

[3]面向主动响应和售电市场的主动配电系统负荷预测[J].电力系统及其自动化学报

[4]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.

[5]基于灰色关联分析和K均值聚类的短期负荷预测[J].电力建设

[6]彭湃,刘敏.基于Prophet-LSTM组合模型的短期负荷预测方法[J].电力系统及其自动化学报,2021,33(11):15-20.

[7]依溥治,王健,徐人恒,张秋月,杨桐玲,曲井致,郭龙弟.基于马尔可夫修正的负荷预测模型在电力能效监测终端中的应用[J].电测与仪表,2015(9).

[8]何永秀,戴爱英,罗 涛,王跃锦,何海英.智能电网条件下的两阶段电力需求预测模型研究[J].继电器,2010,38(21):167-172.

[9]刘会家,管鑫,陈波,黄泰相,程璐瑶,刘士祥.考虑主动需求的主动配电网负荷预测[J].电力系统保护与控制,2018(10).

[10]蒋劲,刘卉,张立平.改进二阶自适应法在电力需求预测中的应用[J].四川电力技术,2006,29(3):15-18,22.

[11]邓智广.基于贝叶斯分类的电网系统短期负荷预测方法[J].电气传动自动化,2021,43(5):28-31.

[12]基于自组织映射网络和遗传算法优化Elman神经网络的全网短期负荷预测模型[J].电气自动化

[13]管鑫,刘会家,张振,陈波,刘士祥,黄景光.主动配电网短期负荷预测研究[J].电工电能新技术,2019(1).

[14]廖彬杰,李瑞琦.基于需求响应的电网能源调度模型研究与设计[J].中国电力,2017,50(7):64-68.

[15]需求响应下的电力负荷特性分析[J].吉林电力

[16]何永秀,戴爱英,罗涛,王跃锦,何海英.智能电网条件下的两阶段电力需求预测模型研究[J].电力系统保护与控制,2010,38(21).

[17]基于LSTM与XGBoost组合模型的超短期电力负荷预测[J].电网技术

[18]相空间重构和SVR耦合的短期电力负荷预测[J].电测与仪表

[19]考虑电动汽车充放电集成的配电网短期负荷预测[J].陕西电力

[20]陈洪波,王璨,徐斌,丁津津,张倩,马愿.基于LSTM网络的短期负荷预测[J].电工技术,2019(9).