建筑电气系统负荷预测与供电可靠性分析
本文探讨了建筑电气系统中负荷预测和供电可靠性的重要性，并强调了两者之间的相互依赖和协同关系。准确的负荷预测是保障供电可靠性的基础，而供电可靠性也对负荷预测提出了更高的要求。通过协同优化，可以提升电力系统的运行效率和可靠性，实现可持续发展。
[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.