[1] 刘林虎．基于深度神经网络的短期电力负荷预测［D］．东北石油大学，2023.DOI:10.26995/d. cnki. gdqsc.2023.000227.[2] 胡乙丹，张俊芳．面向城市用电负荷预测的混合机器学习模型［J］．软件导刊，2023,22(09):65-72.[3] 刘小超．基于改进CNN-SVM 的短期电力负荷预测［D］．东北石油大学，2023.DOI:10.26995/d. cnki. gdqsc.2023.000209.[4] 张耀聪．基于深度学习神经网络的可再生能源“源荷”预测研究［D］．兰州理工大学，2023.DOI:10.27206/d. cnki. ggsgu.2023.000822.[5] 黄巍，黄锋，彭伟，等．“115 质量管控模式”提升供电可靠性［J］．中国电力企业管理，2023,(29):52-53.[6] 李卫，杨婷．兴义供电局：提高供电可靠性推进一流企业建设［N］．黔西南日报，2023-09-04(008).DOI:10.28636/n. cnki. nqxnb.2023.001300.[7] 薛乔匀．建筑电力负荷时频分析方法研究［D］．北京建筑大学，2023.DOI:10.26943/d. cnki. gbjzc.2023.000704.[8] 满达，张卓凡，张金金，等．基于LSTM 的高校建筑电力负荷预测方法［J］．建筑电气，2021,40(11):58-63.[9] 陈雪薇，张继东，田园，等．基于迁移学习的电力负荷预测研究［J］．机电信息，2021,(23):12-14.DOI:10.19514/j. cnki. cn32-1628/tm.2021.23.004.[10] 刘陆．基于QGA 和SVM 的电力负荷预测研究［D］．西安建筑科技大学，2021.DOI:10.27393/d. cnki. gxazu.2021.001058.