參考文獻
[1] 薛禹勝,雷興,薛峰,等. 關于風電不確定性對電力系統影響的評述[J] . 中國電機工程學報,2014,34(29):5029-5040.
[2] 馮雙磊,王偉勝,劉純,等. 基于物理原理的風電場短期風速預測研究[J] . 太陽能學報,2011,32(5):611-616.
[3] WU Yuankang , SU Poen , HONG Jingshan .Stratification-based wind power forecasting in a high-penetration wind power system using a hybrid model[J].IEEE Transactions on Industry Applications,2015,52(3):2016-2030.
[4] FAZELPOUR F, TARASHKAR N, ROSEN M A.Short-term wind speed forecasting using artificialneural networks for Tehran,Iran[J].International Journal of Energy and Environmenta Engineering,2016,7:377-390.
[5] WANG Huaizhi, LI Gangqiang, WANG Guibing, et al.Deep learning based ensemble approach for probabilistic wind power forecasting[J].Applied Energy,2017,188:56-70.
[6] 王蘭,王晞,李華強,等. 基于相空間重構和誤差補償的風電功率混沌時間序列預測模型[J] . 電力系統及其自動化學報,2017,29(9):65-69.
[7] BOTTERUD A, ZHOU Z, WANG J, et al.Wind power trading under uncertainty in LMP markets[J].IEEE Transactions on Power Systems,2012,27(2):894-903.
[8] 薛禹勝,郁琛,趙俊華,等. 關于短期及超短期風電功率預測的評述[J] . 電力系統自動化,2015,39(6):141-151.
[9] 琚垚,祁林,劉帥. 基于改進烏鴉算法和 ESN 神經網絡的短期風電功率預測[J] . 電力系統保護與控制,2019,47(4):58-64.
[10] 陳昊,張建忠,許超,等. 基于多重離群點平滑轉換自回歸模型的短期風電功率預測[J] . 電力系統保護與控制,2019,47(1):73-79.
[11] 李俊卿,李秋佳,石天宇,等. 基于數據挖掘的風電功率預測特征選擇方法[J] . 電測與儀表,2019,56(10):87-92.
[12] 武小梅,林翔,謝旭泉,等. 基于 VMD-PE 和優化相關向量機的短期風電功率預測[J] . 太陽能學報,2018,39(11):3277-3285.
[13] 程啟明,陳路,程尹曼,等. 基于 EEMD 和 LS-SVM 模型的風電功率短期預測方法[J] . 電力自動化設備,2018,38(5):27-35.
[14] 宮毓斌,滕歡. 基于 GOA-SVM 的短期負荷預測[J].電測與儀表,2019,56(14):12-16.
[15] 魏立兵,趙峰,王思華. 基于人群搜索算法優化參數的支持向量機短期電力負荷預測[J] . 電測與儀表,2016,53(8):45-49.
[16] 熊軍華, 康義, 王亭嶺, 等. 一種基于灰色模型和支持向量機的短期風電功率預測方法:CN112001537A[P].2020-11-27.
[17] 康義,師劉俊,郭剛. 基于 WT-IPSO-BPNN 的電力系統短期負荷預測[J] . 電氣技術,2021,22(1):23-28.