{“状态”：“确定”，“消息类型”：“工作”，“信息版本”：“1.0.0”，“邮件”：{“索引”：{-“日期-部件”：[[2024,6,28]]，“日期-时间”：“2024-06-28T04:36:35Z”，“时间戳”：1719549395235}，“参考-计数”：50，“发布者”：“Elsevier BV”，“许可证”：[{“开始”：{“日期-零件”：[2022,11,1]]，《日期-时间》：“2022-11-01T00:00:00:00Z“，”时间戳“：1667260800000}，”内容-版本“：“tdm”，“delay-in-days”：0，“URL”：“https:\/\/www.elsevier.com/tdm\/userlicense\/1.0\/”}，{“start”：{“date-parts”：[2022,11,1]]，“date-time”：“2022-11-01T00:00:00Z”，“timestamp”：16672608000000}，“content-version”：“stm-asf”，“delay-in-days”：“0，”URL“https:\\/doi.org\/10.15223\/policy-017“}，{”开始“：{”日期部分“：[2022,11,1]]，”日期时间“：“2022-11-01T00:00:00Z”，“timestamp”：1667260800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-037”}，{“start”：{“date-parts”：[2022,11,1]]，“date-time”：“2022-11-01T00:00 Z”，，“URL”：“https:\/\/doi.org\/10.15223\/policy-012”}，{“start”：{“date-parts”：[[2022,11,1]]，“date-time”：“2022-11-01T00:00:00Z”，“timestamp”：166726080000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-029”}，{“start”：{（日期-parts）：[[22022,11,1]，“日期-时间”：“022-11-01T1T00:00Z”，”timestamp“：166726800000}，“content-version”：“stm-asf”，“delay-in-days”：0，“URL”：“https:\/\/doi.org\/10.15223\/policy-004”}]，“content-domain”：{“domain”:[“elsevier.com”，“sciencedirect.com”]，“crossmark-restriction”：true}，“short-container-title”：[“Expert Systems with Applications”]，”published-print“：{”date-parts“：[2022,11]]}，”doi“：”10.1016\/j.eswa.2022.117689“，”类型“journal-article”，“created”：{“日期部分”：[[2022,6,4]]，“date-time”：“2022-06-04T05:58:53Z”，“timestamp”：165432233000}，“page”：“117689”，“update-policy”：”http://\/dx.doi.org\/10.1016\/elsevier_cm_policy“，”source“：”Crossref“，“is-referenced-by-count”：27，“title”：[“一种新的基于短接受域的扩张因果卷积网络，与双向LSTM集成，用于短期负荷预测”]，“prefix”：“10.1016”，“volume”：“205”，“author”：[{“给定”：“Umar”，“family”：“Javed”，“sequence”：“first”，“affiliation”：[]}，{“给出”：“Khalid”，”family“：”Ijaz“，”sequence“：”additional“，”affiliance“：[]{“已知”：“Muhammad”，“family”：“Khosa”，“sequence”：“additional”，“affiliation”：[]}，{“given”：“Ejaz”，“family”：“Ahmad Ansari”，“sequence”：“additional”，“affiliation”：[]}，{“给定”：“Khurram”，“家族”：“Shabih Zaidi”，“序列”：“附加的”，“从属关系”：[]}，}“给定的”：“Muhammad”，“家庭”：“Nadeem Rafiq”，“顺序”：“额外”，“附属关系”：[]}“，”隶属关系“：[]}]，”成员“：”78“，“reference”：[{“issue”：“4”，“key”：“10.1016\/j.eswa.2022.117689_b0005”，“doi-asserted-by”：“crossref”，“first-pages”：“1176”，“doi”：“101109\/TCC.2017.2700838”，“article-title”：“数据中心和电力系统的辅助服务模型”，“volume”：”8“author”：“Ali”，”year“2020”，“journal-title“：”IEEE Transactions on Cloud Computing“}，{”key“：“10.1016\/j.eswa.2022.117689_b0010”，“doi-asserted-by”：“crossref”，“doi”：“10.116\/j.rser.2021.110992”，“article-title”：“智能微电网电力负荷和可再生能源预测深度学习方法调查”，“volume”：“144”，”author“：”Aslam“，”year“2021”，”journal-title“：”renewable and Sustainable energy Reviews“}，{”key“：“10.1016\/j.eswa.2022.117689_b0015”，“doi-asserted-by”：“crossref”，“first page”：“1931”，“doi”：“10.1109\/ACCES.2015.2485943”，“article-title”：“使用回声状态网络和PCA分解进行短期电力负荷预测”，“volume”：”3“，”author“：”Bianchi“，“year”：“2015”，“journal-title“：”IEEE ACCESS“}，{“issue”：“7”，“key”：“10.1016\/j.eswa.2022.117689_b0020”，“doi-asserted-by”：“crossref”，“first page”：“1636”，“doi”：“10.3390\/en11071636”，《article-title》：“使用特征选择和遗传算法进行电力负荷预测的最优深度学习LSTM模型：与机器学习方法的比较”，“volume”：”11“author”：“Bouktif”，“year”：“2018”，“journal-title”：“Energies”}，{“key”：“10.1016\/j.eswa.2022.117689_b0025”，“doi-asserted-by”：“crossref”，“unstructured”：“Brezak，D.，Bacek，T.，Majetic，D.，Kasac，j.，&Novakovic，B.（2012）时间序列预测中前馈和递归神经网络的比较。2012年IEEE金融工程与经济学计算智能会议（CIFEr）。美国纽约州纽约市“，”DOI“：”10.1109\/CIFEr.2012.6327793“}，{“issue”：“1”，“key”：“10.1016\/j.eswa.2022.117689_b0030”，“DOI-asserted-by”：“crossref”，“first page”：”40“，”DOI“：“10.3390\/en10010040”，“article-title”：“使用带有外源向量输入的非线性自回归人工神经网络进行电力负荷短期预测”，“volume”：author“：”Buitrago“，”year“：”2017“，”journal-title“：”Energies“}，{“key”：“10.1016\/j.eswa.2022.117689_b0035”，“doi-asserted-by”：“crossref”，“unstructured”：“Cavallo，j.，MarinescuIvana，A.，Dusparic，&Clarke，S.（2015）。极小型网络预测方法评估。可再生能源整合的数据分析（pp.56-75）纽约市：施普林格国际。doi:10.1007，978-3-319-27430-0_5.“，”doi“：”10.1007，/978-3-319-27430-0_5“}，{“key”：“10.1016\/j.eswa.2022.117689_b0040”，“unstructured”：“Claesen，M.，Smet，F.D.，Suykens，j.A.，&Moor，B.D.（2014）。使用包含RBF内核的SVM模型进行快速预测。arXiv预印本，arXiv:1609.03499.”}，“key“：”1016\/j.eswa.2020 17689_b0045“，”doi-asserted-by“：”crossref“，”first page“：”902“，”DOI“：”10.1016\/j.rser.2017.02.085“，”article-title“：”建筑能耗时间序列预测技术综述“，”volume“：“74”，”author“：”Deb“，”year“：”2017“，”journal-title”：“可再生能源和可持续能源评论”}，{“issue”：“3”，“key”：“10.1016\/j.eswa.2022.117689_b0050”，“DOI-asserted-by”：“crossrev”，“首页“：”1701“，”DOI“：”10.1016\/j.enpol.2006.05.009“，”article-title“：”ARIMA对土耳其燃料一次能源需求的预测“，”volume“：”35“，”author“：”Edigera“，”year“：”2007“，”journal-title”：“能源政策”}，{“issue”：“3”，“key”：“10.1016\/j.eswa.2022.117689_b0055”，“DOI-asserted-by”：“crossref”，“first page”：”596“，”DOI“：”10.3390\/en11030596“，”article-title“：智能能源管理电网中能源负荷预测的计算智能方法：现状、未来挑战和研究方向”，“卷”：“11”，“作者”：“Fallah”，“年份”：“2018年”，“日志标题”：“能源”}，{“问题”：“5”，“关键”：“10.1016\/j.eswa.2022.117689_b0060”，“doi-asserted-by”：“crossref”，“doi”：“10.3390\/en12050916“，”article-title“：”加权K-最近邻算法在短期负荷预测中的应用“，”volume“：”12“，”author“：”Fan“，”year“：”2019“，”journal-title”：“Energies”}，{“key”：“10.1016\/j.eswa.2022.117689_b0065”，“doi-asserted-by”：“crossref”，“first-pages”：“31191”，”doi“：”10.1109\/ACCES.2021.3060290“，”article-ti标题“：”关于使用机器学习技术和新型并行深层LSTM-CNN方法进行短期负荷预测”，“卷”：“9”，“作者”：“波斯语”，“年份”：“2021年”，“日志标题”：“IEEE接入”}，{“关键”：“10.1016\/j.eswa.2022.117689_b0070”，“doi-asserted-by”：“crossref”，“非结构化”：“Han，Y.，Sha，X.，Grover-Silva，E.，&Michiardi，P.（2014）社会经济因素对电力负荷预测的影响。IEEE国际大数据会议（大数据）。美国华盛顿特区，doi:10.1109\/BigData.2014.7004299.“，”doi“：”10.1109\/Big Data.2014.704299“}，{“问题”：“8”，“关键”：“10.1016\/j.eswa.2022.117689_b0075”，“doi-asserted-by”：“crossref”，“首页”：“1735”，”doi:“10.1162\/neco.1997.9.8.1735”，Hochreiter”，“年份”：“1997年”，“新闻标题”：“神经计算“}，{”issue“：”17“，”key“：”10.1016\/j.eswa.2022.117689_b0080“，”doi-asserted-by“：”crossref“，”first page“：“5510”，”doi“：”10.3390\/en14175510“，“article-title”：“基于探索性数据分析的短期电力负荷预测：综合分析”，“volume”：“14”，“author”：“Javed”，“year”：“2021”，“journal-title“：”Energies“}”，{“issue“：”17“，”key“：”10.1016\/j.eswa.2022.117689_b0085“，”doi-asserted-by“：”crossref“，”first-page“：”5451“，”doi“：”10.3390\/en14175451“，”article-title“：”Hybrid HVAC\u2013HVDC电网关键挑战的系统综述“，”volume“：“14”，”author“：”Javed“，”year“：”2021“，“journal-title”：“Energies”}，{“issue”：“8”，“key”：“10.1016\/j.eswa.2022.117689_b0090”，“doi-asserted-by“：”crossref“，”first page“：”721“，”doi“：”10.1049\/joe.2017.0873“，”article-title“：”基于遗传算法的非线性外生输入自回归神经网络短期和中期不确定性建模与预测“，”volume“：“2018”，”author“：”Jawad“，”year“：”2018“，”journal-title:“”The Journal of Engineering“}，{”issue“：”2“，”key“：”10.1016\/j.eswa.2022.117689_b0095“，”doi-asserted-by“：”crossref“，”first page“：“447”，”doi“：”101109\/TCC.2018.2879948“，”article-title“：”云数据中心能源成本最小化的稳健优化技术“，“volume”：“9”，“author”：“Jawad”，“year”：“2021”，“Journal-title”：“”IEEE云计算汇刊“}，{”key“：”10.1016\/j.eswa.2022.117689_b0100“，”unstructured“：”Kasperdoi-asserted-by“：”crossref“，”first page“：”169701“，”doi“：”10.1109\/ACCESS.2020.3023647“，”article-title“：”基于实力、可用性和未来路线图的巴基斯坦经济走廊统计能源信息和分析“，”volume“：“8”，”author“：”Khan“，”year“：”2020“，”journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.eswa.2022.117689_b0110“，”doi-asserted-by“：”crossref“，”first page“：”99581“，”doi“：”10.1109\/ACCESS.2021.3096976“，”article-title“：”Adadb:梯度下降自适应差分匹配优化技术“，”volume“：“9”，“author”：“Khan”，“year”：“2021”，“journal-title”：“IEEE ACCESS”}，{“key”：“10.1016//j.eswa.2022.117689 _b0115”，“doi-asserted-by”：“crossref”，“非结构化”：“Komorowski，M.，Marshal，D.C.，Salciccioli，l.D.，&Crutain，Y.（2016）。探索性数据分析。电子健康记录的二次分析（第185-203页）。“，”DOI“：”10.1007\/978-3-319-43742-2_15“}，{“issue”：“1”，“key”：“10.1016\/j.eswa.2022.117689_b0120”，“DOI-asserted-by”：“crossref”，“first page”：”841“，“DOI”：”10.1109\/TSG.2017.2753802“，”article-tile“：”基于LSTM递归神经网络的短期住宅负荷预测“，”volume“：“10”，“author”：“Kong”，“year”：“2019”，“日志标题”：“IEEE Transactions on Smart Grid“}，{”issue“：”7“，”key“：”10.1016\/j.eswa.2022.117689_b0125“，”doi-asserted-by“：”crossref“，”first page“：“2322”，”doi“：”10.3390\/app10072322“，”article-title“：”应用于能源相关时间序列预测的时间卷积网络“，”volume“：应用科学“}，{”key“：”10.1016\/j.eswa.2022.117689_b0130“，”doi-asserted-by“：”crossref“，”unstructured“：”Li，L.，Ota，K.，&Dong，M.（2017）。一切都是图像：基于CNN的智能电网短期电力负荷预测。2017年第14届国际普适系统、算法和网络研讨会，2017年第11届国际计算机科学与技术前沿会议，以及2017年第三届国际创新计算研讨会（ISPAN-FCST-ISCC）。英国埃克塞特。doi:10.1109\/ISPAN-FCST-ISCC.2017.78.“，”doi“：”10.1109\/ISPAN-FCST-ISC.2017.78“}，{“键”：“10.1016\/j.eswa.2022.117689_b0135”，“doi-asserted-by”：“crossref”，“首页”：“166907”，“doi”：“101109\/ACCES.2020.3023143”，“文章标题”：“基于样本熵、两阶段分解和鲸鱼算法优化支持向量回归的短期电力负荷混合预测模型10.1109\/TPWRS.2015.2438322“，“article-title”：“一种基于小波的混合神经网络和特征选择短期负荷预测集成新方法”，“volume”：“31”，“author”：“Li”，“year”：“2016”，“journal-title“：”IEEE Transacions on Power Systems“}，{“key”：”10.1016\/j.eswa.2022.117689_b0145“，”doi-asserted-by“：”crossref“，”doi“：”10.1016\/j.rser.2019.109632”，“文章标题”：“数据驱动的日小时省级负荷预测方法的比较研究：从经典数据挖掘到深度学习”，“卷”：“119”，“作者”：“刘”，“年份”：“2020”，“期刊标题”：《可再生能源与可持续能源评论》}，{“关键”：“10.1016\/j.eswa.2022.117689_b0150”，“doi-asserted-by”：“crossref“，”first page“：”31742“，”DOI“：”10.1109\/ACCESS.2020.2973350“，”article-title“：”EGA-STLF:混合短期负荷预测模型“，”volume“：“8”，”author“：”Lv“，”year“：”2020“，”journal-title”：“IEEE ACCESS”}，{“key”：“10.1016\/j.eswa.2022.117689_b0155”，“series-title”：”基于时间序列分析和LSTM_BILSTM方法的城市路段短期交通流预测”，“首页”：“1”，“作者”：“马”，“年份”：“2021”}，{“关键”：“10.1016\/j.eswa.2022.117689_b0160”，“doi-asserted-by”：“crossref”，“第一页”：综合回顾使用单一和混合预测模型的负荷预测技术“，“volume”：“8”，“author”：“Mamun”，“year”：“2020”，“journal-title”：“IEEE Access”}，{“key”：”10.1016\/j.eswa.2022.117689_b0165“，”doi-asserted-by“：”crossref“，”unstructured“：”Musbah，H.，&El-Hawary，M.（2019）.通过快速傅里叶变换季节性检测增强的短期电力负荷数据的SARIMA模型预测。2019年IEEE加拿大电气与计算机工程会议（CCECE）。加拿大阿联酋埃德蒙顿。“，”DOI“：”10.1109\/CCCEE.2019.8861542“｝，｛”key“：”10.1016\/j.eswa.202217689_b0170“，”非结构化“：”Oord，A.v.，Dieleman，S.，Zen，H.，Simonyan，K.，Vinyals，O.，Graves，A.，…Kavukcuoglu，K.（2016）。WaveNet:原始音频的生成模型。arXiv预印本，arXiv:1609.03499.“｝，｛”key“：”10.1016\/j.eswa.2022117689_b0180“，”DOI断言为“：”crossref”，“首页”：“32436”，“DOI”：“10.1109\/ACCESS.20213006054”，“文章标题”：“使用集成CNN和LSTM网络的短期负荷预测方法”，“卷”：“9”，“作者”：“Rafi”，“年”：“2021”，“期刊标题”：“IEEE ACCESS”}，｛“key”：“10.1016\/j.eswa.202217689_b0185”，“非结构化”：“rp5.ru.（n.d.）。（Raspisaniye Pogodi Ltd.）检索自www.rp5.ru\/Weather_in_the_world。“}，{”issue“：”9“，”key“：”10.1016\/j.eswa.2022.117689_b0190“，”doi-asserted-by“：”crossref“，”first page“：“2524”，”doi“：”10.3390\/en14092524“，”article-title“：”使用编解码器WaveNet进行短期负荷预测：在法国电网中的应用“，”volume“:”14“，”author“：”Rueda“，”year“：”2021“，”“journal-title”“：”Energies“}”，{“”键“：”10.1016\/j.eswa.2022.117689_b0195“，”doi-asserted-by“：”crossref“，”unstructured“：”Rutkowski，L.、Korytkowski-M.、Scherer，R.、Tadeusiewicz，R.，Zadeh，L.A.和Zurada，j.M.（2015）。通过LVQ数据压缩降低SVM模型的时间复杂度。2015年第十四届国际人工智能与软计算会议（ICAISC）。波兰扎科帕内。“，”DOI“：”10.1007\/978-3-319-19369-4“}，{“key”：”10.1016\/j.eswa.2022.117689_b0200“，”DOI-asserted-by“：”crossref“，”first page“：”365“，“DOI”：“10.1016\/j.energy.2019.03.081”，“article-tile”：“利用卷积神经网络和模糊时间序列相结合的方法进行短期负荷预测”，“volume”:“175”，“author”：“Sadaie”，“year”：“2019”，“journal-title“：”Energy“}，{“key”：“10.1016\/j.eswa.2022.117689_b0205”，“doi-asserted-by”：“crossref”，“doi”：“101016\/j.physd.2019.132306”，“article-title”：“递归神经网络（rnn）和长短期记忆（LSTM）网络的基础”，“volume”：”404“，“author”：“Sherstinsky”，“year”：“2020”，“journal-title”:“Physica D:非线性现象”}，}“issue“：”5“，”key“：”10.1016\/j.eswa.2022.117689_b0210“，”doi-asserted-by“：”crossref“，”first page“：“5271”，“doi”：“10.1109\/TSG.2017.2686012”，“article-title”：“家庭负荷预测的深度学习\u2014A novel pooling Deep RNN”，“volume”：“9”，“author”：“Shi”，“year”：“2018”，“journal-title“：”IEEE Transactions on Smart Grid“}，{“issue”：“8”，“密钥”：“10.1016\/j.eswa.2022.117689_b0215“，”doi-asserted-by“：”crossref“，”first page“：”1550“，”doi“：”10.3390\/en12081510“，“article-title”：“组合气象站进行电力负荷预测”，“volume”：“12”，“author”：“Sobhani”，“year”：“2019”，“journal-title“：”Energies“}，{“key”：”10.1016//j.eswa.2022.117689 _b0220“，”“doi-assert-by”：“crossref”，“doi”：“10.1016\/j.rsser.2020.110591”，“文章标题”：“建筑能耗预测的深度学习框架”，“卷”：“137”，“作者”：“Somu”，“年份”：“2021”，“期刊标题”：“可再生和可持续能源评论”}，｛“问题”：“4”，“关键”：“10.1016\/j.eswa.202217689_b0225”，“doi断言”：“crossref”，“doi”：“10.1016\/j.heliyon.2019.e01275”，“article-title“：“使用混合粒子群优化训练前馈神经网络进行数据分类，Mantegna L\u00e9vy飞行和邻域搜索”，“体积”：“5”，“作者”：“Tarkhaneh”，“年份”：“2019”，“日志标题”：“Heliyon”}，{“键”：“10.1016\/j.eswa.2022.117689_b0230”，“article-title”：“基于最佳基平稳小波包变换的混合HHO-FNN模型的微电网能源管理系统短期负荷预测article-title“：“用于手势识别的卷积长短期记忆递归神经网络分析”，“volume”：“268”，“author”：“Tsironi”，“year”：“2017”，“journal-title”：“Neurocomputing”}，{“key”：”10.1016\/j.eswa.2022.117689_b0240“，”doi-asserted-by“：”crossref“，”unstructured“：”Uzair，M.，&Jamil，N.（2020）.隐层对神经网络效率的影响。2020年IEEE第23届国际多主题会议（INMIC）。巴基斯坦巴哈瓦尔布尔。“，”DOI“：”10.1109\/INMIC50486.2020.9318195“}，{“issue”：“2”，“key”：“10.1016\/j.eswa.2022.117689_b0245”，“article-title”：“使用k-means和人工神经网络进行日、中、峰值负荷预测”，“volume”：”9“，”author“：”Velasco“，”year“：”2018“，”journal title“：”International journal of Advanced Computer Science and Applications“}，{“key”：“10.1016\/j.eswa.2022.117689_b0250”，“doi-asserted-by”：“crossref”，“首页”：“1104”，“doi”：“101016\/j.rser.2017.0223”，“article-title”：“商业建筑用电负荷预测回归和机器学习模型综述与分析”，“volume”：《73》，“author”：“Yildiz”，“year”：“2017”，“journal-tittle”：“可再生能源和可持续能源评论”}，{“问题”：“4”，“关键”：“10.1016\/j.eswa.2022.117689_b0255”，“doi-asserted-by”：“crossref”，“首页”：“2325”，“doi”：“101109\/TII.2019.2930064”，“文章标题”：“增强ELITE-Load:构建工业应用短期负荷预测模型的新型CMPSOATT方法”，“卷”：“16”，“作者”：“Zhang”，“year”：“2020”，“journal-title”：“IEEE Transactions on Industrial Informatics”}]，“container-title“：[“Expert Systems with Applications”]，“original-title:[]，“language”：“en”，“link”：[{“URL”：“https:\/\/api.elsevier.com\/content\/article\/PII:S0957417422009848？httpAccept=text\/xml”，“content-type”：“text\/.xml”，“content-version”：“vor”，“intended-application”：“text-mining”}，{“URL”：“https:\/\/api.elsevier.com/content\/article\/PII:S0957417422009848？httpAccept=text\/plain”，“content-type”：“文本\/plain“，”content-version“：”vor“，”intended-application“：”text-miniing“}]，“deposed”：{“date-parts”：[2023,11,18]]，“date-time”：”2023-11-18T20:02:20Z“，”timestamp“：1700 337740000}，“分数”：1，“resource”：{“primary”：{“URL”：“https:\/\/linkinghub.elsevier.com\/retrieve\/pii\/S0957417422009848”}}，“subtitle”：[]，“shorttitle”：[]，“issued”：{-“date-parts”：[[2022,11]]}，”references-count“：50，”alternative-id“：[”S0957417220009848“]，”URL“：”http://\/dx.doi.org\/10.1016\/j.eswa.2022.12 17689“，”关系“：{}，”ISSN“：[”0957-4174“]，”ISSN-type“：[{”value“：“0957-4174”，“type”：“print”}]，“subject”：[]，“published”：{“date-parts”：[2022,11]]}，“label”：“Article Title”}，{“value”：“Expert Systems with Applications”，“name”：“journaltitle”，“label:”Journal Title“}，“value“：”https:\/\/doi.org\/10.1016\/j.eswa.2022.117689“，”name“：”articlelink“，”label“：”CrossRef doi link to publisher maintained version“}”，{”value“:”Article“，”name“：”content_type“，”标签“：”content-type“}：“\u00a9 2022 Elsevier Ltd.保留所有权利。”，“name”：“版权”，“label”：“copyright”}]，“article-number”：“117689”}}