杨书强,王涛,檀晓林,黄凯,刘梅.基于长短期记忆的图像化短期电力负荷预测方法[J].全球能源互联网,2023(03).

王继业.人工智能赋能源网荷储协同互动的应用及展望[J].中国电机工程学报,2022(21).

董雷,陈振平,韩富佳,王晓辉,蒲天骄.基于图卷积神经网络与K-means聚类的居民用户集群短期负荷预测[J].电网技术,2023(10).

岳伟民,刘青荣,阮应君,钱凡悦,孟华.基于MTL-GRU-Attention的综合能源系统多元负荷预测[J].电力系统及其自动化学报,2023(06).

顾吉鹏,邵亮,陆垂基,张有兵,张伟杰,杨吉峰.基于LSTNet模型的配电台区短期电力负荷预测研究[J].电气传动,2023(05).

钟劲松,王少林,冉懿,冉新涛,于金平,俞海猛.基于互信息和LSTM的用户负荷短期预测[J].电力建设,2022(07).

陈逸枞,张大海,于浩,王玉清.基于Seq2seq模型的多特征短期母线负荷预测[J].电力系统及其自动化学报,2023(01).

王子乐,王子谋,蔡莹,谭晶,黄弦超.基于长短期记忆神经网络组合算法的短期电力负荷预测[J].现代电力,2023(02).

李文武,张鹏宇,石强,冯晨洋,李丹.基于聚合混合模态分解和时序卷积神经网络的综合能源系统负荷修正预测[J].电网技术,2022(09).

章勇高,邱兴隆,方华亮.基于互联网技术的源荷互动配电网规划模式[J].电测与仪表,2024(11).

邹智,吴铁洲,张晓星,张智敏.基于贝叶斯优化CNN-BiGRU混合神经网络的短期负荷预测[J].高电压技术,2022(10).

徐岩,向益锋,马天祥.基于EMD-CNN-LSTM混合模型的短期电力负荷预测[J].华北电力大学学报(自然科学版),2022(02).

李鹏.刍议“源网荷储一体化”[J].风能,2022(02).

胡威,张新燕,李振恩,李青,王衡.基于优化的VMD-mRMR-LSTM模型的短期负荷预测[J].电力系统保护与控制,2022(01).

方娜,余俊杰,李俊晓,陈浩.注意力机制下的EMD-GRU短期电力负荷预测[J].华侨大学学报(自然科学版),2021(06).

杨邓,杨俊杰,胡晨阳,崔丹,陈照光.基于改进LSSVM的短期电力负荷预测[J].电子测量技术,2021(18).

林涵,郝正航,郭家鹏,吴育栋.基于TCA-CNN-LSTM的短期负荷预测研究[J].电测与仪表,2023(08).

沈元红.供电服务与源荷聚合互动深化应用的探讨[J].大众用电,2021(09).

魏健,赵红涛,刘敦楠,加鹤萍,王宣元,张浩,刘蓁.基于注意力机制的CNN-LSTM短期电力负荷预测方法[J].华北电力大学学报(自然科学版),2021(01).

万灿,宋永华.新能源电力系统概率预测理论与方法及其应用[J].电力系统自动化,2021(01).

李焱,贾雅君,李磊,郝建姝,张晓英.基于随机森林算法的短期电力负荷预测[J].电力系统保护与控制,2020(21).

郭亦宗,冯斌,岳铂雄,郭创新,潘军,朱以顺.负荷聚合商模式下考虑需求响应的超短期负荷预测[J].电力系统自动化,2021(01).

姚程文,杨苹,刘泽健.基于CNN-GRU混合神经网络的负荷预测方法[J].电网技术,2020(09).

栗然,孙帆,丁星,韩怡,刘英培,严敬汝.考虑多能时空耦合的用户级综合能源系统超短期负荷预测方法[J].电网技术,2020(11).

李国庆,刘钊,金国彬,权然.基于随机分布式嵌入框架及BP神经网络的超短期电力负荷预测[J].电网技术,2020(02).

郑睿程,顾洁,金之俭,彭虹桥,蔡珑.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(02).

赵兵,王增平,纪维佳,高欣,李晓兵.基于注意力机制的CNN-GRU短期电力负荷预测方法[J].电网技术,2019(12).

杨智宇,刘俊勇,刘友波,温丽丽,王泽琪,宁世超.基于自适应深度信念网络的变电站负荷预测[J].中国电机工程学报,2019(14).

薛琳,黄南天,赵树野,王盼盼.基于条件互信息的低冗余短期负荷预测特征选择[J].东北电力大学学报,2019(02).

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(01).

李鹏,何帅,韩鹏飞,郑苗苗,黄敏,孙健.基于长短期记忆的实时电价条件下智能电网短期负荷预测[J].电网技术,2018(12).

杨小明,崔雪,周斌,彭政.基于粒子群优化支持向量机的短期负荷预测[J].武汉大学学报(工学版),2018(08).

杨德昌,赵肖余,何绍文,杜松怀,苏娟,巨云涛.面向海量用户用电数据的集成负荷预测[J].电网技术,2018(09).

樊昊,谢国辉.京津唐电网负荷特性分析及预测[J].中国电力,2014(11).

Hua Heng,Liu Mingping,Li Yuqin,Deng Suhui,Wang Qingnian.An ensemble framework for short-term load forecasting based on parallel CNN and GRU with improved ResNet[J].Electric Power Systems Research,2023.

Dai Yeming,Zhou Qiong,Leng Mingming,Yang Xinyu,Wang Yanxin.Improving the Bi-LSTM model with XGBoost and attention mechanism: A combined approach for short-term power load prediction[J].Applied Soft Computing Journal,2022.

Jiang Lianjie,Wang Xinli,Li Wei,Wang Lei,Yin Xiaohong,Jia Lei.Hybrid Multitask Multi-Information Fusion Deep Learning for Household Short-Term Load Forecasting[J].IEEE TRANSACTIONS ON SMART GRID,2021.

Yuan TzuLun,Jiang DianSheng,Huang ShihYun,Hsu YuanYu,Yeh HungChih,Huang MongNa Lo,Lu ChanNan.Recurrent Neural Network Based Short-Term Load Forecast with Spline Bases and Real-Time Adaptation[J].Applied Sciences,2021(13).

Jung Seungmin,Moon Jihoon,Park Sungwoo,Hwang Eenjun.An Attention-Based Multilayer GRU Model for Multistep-Ahead Short-Term Load Forecasting ?[J].Sensors,2021(5).

Tae-Young Kim,Sung-Bae Cho.Predicting residential energy consumption using CNN-LSTM neural networks[J].Energy,2019.

Hossein Javedani Sadaei,Petrônio Cândido de Lima e Silva,Frederico Gadelha Guimarães,Muhammad Hisyam Lee.Short-term load forecasting by using a combined method of convolutional neural networks and fuzzy time series[J].Energy,2019.

Cao Zhaojing,Wan Can,Zhang Zijun,Li Furong,Song Yonghua.Hybrid Ensemble Deep Learning for Deterministic and Probabilistic Low-voltage Load Forecasting[J].IEEE Transactions on Power Systems,2019.

Bashir Z. A.,El-Hawary M. E..Applying Wavelets to Short-Term Load Forecasting Using PSO-Based Neural Networks[J].IEEE Transactions on Power Systems: A Publication of the Power Engineering Society,2009.

郭宇航.基于特征选择与集成算法的支持向量机短期电力负荷预测[D].中国矿业大学,2022(02).

胡纯瑾.能源互联模式下面向可调节负荷预测的需求响应潜力分析研究[D].华北电力大学(北京),2022(03).

王康.基于改进GRU神经网络的电力系统短期负荷预测研究[D].青岛大学,2021(03).

史炯.基于图神经网络的时空负荷预测与潮流优化技术研究[D].华中科技大学,2021(01).

杨溢.基于BP神经网络的典型低压台区短期电力负荷预测[D].东南大学,2019(01).

武星辰.地市级地区短期负荷分类预测方法的研究[D].华北电力大学(北京),2017(03).