参考文献
[1] 薛禹胜,雷兴,薛峰,等. 关于风电不确定性对电力系统影响的评述[J] . 中国电机工程学报,2014,34(29):5029-5040.
[2] 冯双磊,王伟胜,刘纯,等. 基于物理原理的风电场短期风速预测研究[J] . 太阳能学报,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] 王兰,王晞,李华强,等. 基于相空间重构和误差补偿的风电功率混沌时间序列预测模型[J] . 电力系统及其自动化学报,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] 薛禹胜,郁琛,赵俊华,等. 关于短期及超短期风电功率预测的评述[J] . 电力系统自动化,2015,39(6):141-151.
[9] 琚垚,祁林,刘帅. 基于改进乌鸦算法和 ESN 神经网络的短期风电功率预测[J] . 电力系统保护与控制,2019,47(4):58-64.
[10] 陈昊,张建忠,许超,等. 基于多重离群点平滑转换自回归模型的短期风电功率预测[J] . 电力系统保护与控制,2019,47(1):73-79.
[11] 李俊卿,李秋佳,石天宇,等. 基于数据挖掘的风电功率预测特征选择方法[J] . 电测与仪表,2019,56(10):87-92.
[12] 武小梅,林翔,谢旭泉,等. 基于 VMD-PE 和优化相关向量机的短期风电功率预测[J] . 太阳能学报,2018,39(11):3277-3285.
[13] 程启明,陈路,程尹曼,等. 基于 EEMD 和 LS-SVM 模型的风电功率短期预测方法[J] . 电力自动化设备,2018,38(5):27-35.
[14] 宫毓斌,滕欢. 基于 GOA-SVM 的短期负荷预测[J].电测与仪表,2019,56(14):12-16.
[15] 魏立兵,赵峰,王思华. 基于人群搜索算法优化参数的支持向量机短期电力负荷预测[J] . 电测与仪表,2016,53(8):45-49.
[16] 熊军华, 康义, 王亭岭, 等. 一种基于灰色模型和支持向量机的短期风电功率预测方法:CN112001537A[P].2020-11-27.
[17] 康义,师刘俊,郭刚. 基于 WT-IPSO-BPNN 的电力系统短期负荷预测[J] . 电气技术,2021,22(1):23-28.