[1] 武强 . 协调规模与效能，推进煤炭与新能源协同发展 [N]. 中国能源报 ,2025-07-02. [2] 陈柏任 , 陈沁铭 , 邵敏伦 , 等 . 实测用电数据驱动的需求侧响应电力用户二次聚类及双层 BiLSTM 预测方法 [J/OL]. 南方电网技术 ,1-11[2026-01-12].https://link.cnki.net/urlid/44.1643.tk.20260104.1333.006. [3] 包育德 , 邱润韬 , 许博智 . 基于 ADKDE-LSTM 的变电站短期负荷功率区间预测研究 [J]. 电器与能效管理技术 ,2025,(11):42-50.DOI:10.16628/j.cnki.2095-8188.2025.11.006. [4] 戚励楠 , 姚正平 , 王青磊 . 基于 SSA-VMD 和 QPSO-LSTM 的短期电力负荷预测方法 [J]. 自动化应用 ,2025,66(22):57-61.DOI:10.19769/j.zdhy.2025.22.015. [5] 王海文 , 谭爱国 , 彭赛 , 等 . 基于 LGWO-XGBoost-LightGBM-GRU 的短期电力负荷预测算法 [J]. 湖北民族大学学报 ( 自然科学版 ),2025,43(01):73-79.DOI:10.13501/j.cnki.42-1908/n.2024.12.019. [6] 宋冠君 , 王磊 , 张鹏超 , 等 . 基于双通道特征提取 VMD-CNN-BiLSTM 的短期负荷预测 [J/OL]. 电力系统及其自动化学报 ,1-14[2026-01-12].https://doi.org/10.19635/j.cnki.csu-epsa.001751. [7] 冯崇峰 , 孟春旅 , 冯积家 . 基于混合深度学习的电力负荷预测模型 [J]. 电力需求侧管理 ,2024,26(06):94-100. [8] 李志霄 , 武文丽 , 武衡 , 等 . 基于时滞注意力机制的短期电力负荷预测 [J/OL]. 计算机技术与发展 ,1-9[2026-01-12].https://doi.org/10.20165/j.cnki.ISSN1673-629X.2025.0308. [9] 饶弘宇 , 陈馨 , 陈胜 , 等 . 基于改进鲸鱼算法的 Bi-LSTM 电力负荷预测 [J]. 计算机与现代化 ,2025,(07):77-82+89+126. [10] 王生 , 张和茂 , 王晓荣 . 基于 CNN-LSTM-AM 模型的短期电力负荷预测研究 [J]. 电工电气 ,2025,(05):57-61. [11] 孙帆 . 含冷热电联供的用户级综合能源系统多能协同优化调度研究 [D]. 华北电力大学 ,2021.DOI:10.27139/d.cnki.ghbdu.2021.000118. [12] 任明远 , 马国瀚 , 唐聪 , 等 . 基于 CNN-Attention-BiLSTM 的碳化硅企业负荷预测与可调节潜力分析 [J]. 电力需求侧管理 ,2025,27(03):38-43. [13] 王生 , 张和茂 , 王晓荣 . 基于 CNN-LSTM-AM 模型的短期电力负荷预测研究 [J]. 电工电气 ,2025,(05):57-61. [14] 王婷 . 基于 LSTM 深度网络的电力负荷预测 [D]. 山西大学 ,2020.DOI:10.27284/d.cnki.gsxiu.2020.000860. [15] 王剑锋 , 郑剑 , 王旭东 , 等 . 基于改进深度信念网络的短期电力负荷预测方法 [J]. 电力系统及其自动化学报 ,2021,33(10):125-130.DOI:10.19635/j.cnki.csu-epsa.000781.