[1] |
杨蕾. 太阳能光伏电站输出功率预测研究[D]. 兰州: 兰州交通大学, 2014.
|
[2] |
刘静宜. 基于组合模型的光伏电站发电功率短期预测方法研究[D]. 西安: 西安理工大学, 2017.
|
[3] |
刘方旭. 中国光伏产业现状与发展策略研究[J]. 科技经济导刊, 2019,27(30):16-17.
|
[4] |
杨婷婷, 李相俊, 齐磊, et al. 基于机会约束规划的储能系统跟踪光伏发电计划出力控制方法[J]. 电力建设, 2016,37(08):115-121.
|
[5] |
田剑刚, 张沛, 彭春华, 时珉, 王铁强, 尹瑞, 王一峰. 基于分时长短期记忆神经网络的光伏发电超短期功率预测[J]. 现代电力, 2020,37(06):629-638.
|
[6] |
李文甲. 光伏—光热—热化学互补的太阳能利用理论、方法与系统 [D]. 北京: 中国科学院大学(中国科学院工程热物理研究所), 2018.
|
[7] |
陈志宝, 丁杰, 周海, 程序, 朱想. 地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型[J]. 中国电机工程学报, 2015,35(03):561-567.
|
[8] |
张友浩, 赵鸣, 徐梦瑶, 赵光晶. 时序数据挖掘的预处理研究综述[J]. 智能计算机与应用, 2021,11(01):74-78.
|
[9] |
Sridevi S, Rajaram S, Parthiban C, et al. Imputation for the analysis of missing values and prediction of time series data[C]// International Conference on Recent Trends in Information Technology. IEEE, 2011.
|
[10] |
邓方进, 王绪本, 李德伟. ARIMA模型在LMT数据处理中的应用[J]. 物探化探计算技术, 2017,39(05):612-619.
|
[11] |
张孙力, 杨慧中. 基于改进的K近缺失数据补全[J]. 计算机与应用化学, 2015,32(12):1499-1502.
|
[12] |
张仁斌, 许辅昊, 刘飞, 李思娴. 基于K-均值聚类的工业异常数据检测[J]. 计算机应用研究, 2018,35(07):2180-2184.
|
[13] |
胡姣姣, 王晓峰, 张萌, 张德鹏, 胡绍林. 基于深度学习的时间序列数据异常检测方法[J]. 信息与控制, 2019,48(01):1-8.
|
[14] |
邓建新, 单路宝, 贺德强, 唐锐. 缺失数据的处理方法及其发展趋势[J]. 统计与决策, 2019,35(23):28-34.
|
[15] |
陈通宝, 温亮明, 黎建辉. 一种基于特征选择与迁移学习的数据预测方法[J]. 数据与计算发展前沿, 2020,2(02):145-154.
|
[16] |
李树深. 数据与计算是科技创新的巨大驱动力[J]. 数据与计算发展前沿, 2019,1(1):1-1.
|
[17] |
廖方宇, 洪学海, 汪洋, 褚大伟. 数据与计算平台是驱动当代科学研究发展的重要基础设施[J]. 数据与计算发展前沿, 2019,1(1):2-10.
|
[18] |
易翔. 光伏功率预测系统的研究与实现[D]. 北京: 北京工业大学, 2013.
|
[19] |
吴巍. 基于气象数据的天气预报节目图形制作系统[J]. 技术与市场, 2016,23(02):25-26.
|
[20] |
汪云飞. JavaEE开发的颠覆者:Spring Boot实战[M]. 北京: 电子工业出版社, 2016:122-144.
|
[21] |
王子毅, 张春海. 基于ECharts的数据可视化分析组件设计实现[J]. 微型机与应用, 2016,35(14):46-48+51.
|