第1部分参考文献

[1] Amrouche B，Pivert X L.Artificial neural network based daily local forecasting for global solar radiation[J].Applied Energy，2014，130（5）：333-341.

[2] 李俊峰，蔡丰波.2015中国风电发展报告[R].全球风能理事会，2016：6-20.

[3] Troncoso A，Salcedo-Sanz S，Casanova-Mateo C，et al.Local models-based regression trees for very short-term wind speed prediction[J].Renewable Energy，2015，（81）：589-598.

[4] 钱政，裴岩，曹利霄，等.风电功率预测方法综述[J].高电压技术，2016，42（4）：1047-1060.

[5] 吴迪，王法程.中国光伏产业行业现状及分析[J].科技经济市场，2014，（2）：32-38.

[6] 薛禹胜，雷兴，薛峰，等.关于风电不确定性对电力系统影响的评估[J].中国电机工程学报， 2014，34（29）：5029-5040.

[7] Chowdhury M A，Shen W X，Hijazin I，et al.Impact of DFIG wind turbines on transient stability of power systems-a review[C].Proceedings of 20138th IEEE Conference on Industrial Electronics and Applications（ICIEA），2013：73-78.

[8] 叶燕飞，王琦，陈宁，等.考虑时空分布特性的风速预测模型[J].电力系统保护与控制， 2017，45（4）：114-120.

[9] 徐玉琴，张林浩，王娜.计及尾流效应的双馈机组风电场等值建模研究[J].电力系统保护与控制，2014，42（1）：70-76.

[10] 张建华，苏玲，陈勇，等.微电网的能量管理及控制策略[J].电网技术，2011，35（7）：24^-28.

[11] 赵唯嘉，张宁，康重庆，等.光伏发电出力的条件预测误差概率分布估计方法[J].电力系统自动化，2015，39（16）：8-15.

[12] 薛禹胜，郁琛，赵俊华.关于短期及超短期风电功率预测的评述[J].电力系统自动化，2015， 39（6）：141-151.

[13] 贾星蓓，窦春霞，岳东，等.基于多代理系统的微电网多尺度能量管理[J].电工技术学报， 2016，31（17）：63-73.

[14] Smith A，Kern F，et al.Space for sustainable innovation：solar photovoltaic electricity in the UK[J].Technological Forecasting and Social Change，2014，81（1）：115-130.

[15] Kliansuwan T，Heednacram A.Feature extraction techniques for ground-based cloud type classification[J].Expert Systems with Applications，2015，42（21）：8294-8303.

[16] 陈志宝，丁杰，周海，等.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（3）：561-567.

[17] Amrouche B，Pivert X L.Artificial neural network based daily local forecasting for global solar radiation[J].Applied Energy，2014，130（5）：333-341.

[18] Neumann J，Schnorr C，Steidl G.SVM-based feature selection by direct objective minimization[J].Lecture Notes in Computer Science，2015，31（75）：212-219.

[19] Antonanzas，J Osorio N，Escobar R，at al.Review of photovoltaic power forecasting[J].Solar Energy，2016，136：78-111.

[20] 朱想，居蓉蓉，程序，等.组合数值天气预报与地基云图的光伏超短期功率预测模型[J].电力系统自动化，2015，39（6）：4-10.

[21] 董雷，周文萍，张沛，等.基于动态贝叶斯网络的光伏发电短期概率预测[J].中国电机工程学报，2013，33（S1）：38-45.

[22] 黄磊，舒杰，姜桂秀，等.基于多维时间序列局部支持向量回归的微网光伏发电预测[J].电力系统自动化，2014，38（5）：19-24.

[23] 袁晓玲，施俊华，徐杰彦.计及天气类型指数的光伏发电短期出力预测[J].中国电机工程学报，2013，33（34）：57-64.

[24] 刘兴杰，岑添云，郑文书，等.基于模糊粗糙集与改进聚类的神经网络风速预测[J].中国电机工程学报，2014，34（19）：3162-3169.

[25] 李乐，刘天琪.基于近邻传播聚类和回声状态网络的光伏预测[J].电力自动化设备，2016，36（7）：41-46.

[26] 叶林，陈政，赵永宁，等.基于遗传算法-模糊径向基神经网络的光伏发电功率预测模型[J].电力系统自动化，2015，39（16）：16-22.

[27] 单英浩，付青，耿炫，等.基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法[J].中国电机工程学报，2016，36（12）：3334-3343.

[28] 高阳，张碧玲，毛京丽，等.基于机器学习的自适应光伏超短期出力预测模型[J].电网技术，2015，39（2）：307-311.

[29] 王铮，Rui Pestana，冯双磊，等.基于加权系数动态修正的短期风电功率组合预测方法[J].电网技术，2017，41（2）：500-507.

[30] 李湃，管晓宏，吴江，等.基于天气分类的风电场群总体出力特性分析[J].电网技术，2015，39（7）：1866-1872.

[31] 丁华杰，宋永华，胡泽春，吴金城，范晓旭.基于风电场功率特性的日前风电预测误差概率分布研究[J].中国电机工程学报，2013，33（34）：136-144.

[32] Lobo G M，Sanchez I.Regional wind power forecasting based on smoothing techniques，with application to the Spanish peninsular system[J].IEEE Transactions on Power Systems，2012，27（4）：1990-1997.

[33] Osorio G J，Matias J C O，Catalao J P S.Short-term wind power forecasting using adaptive neuro-fuzzy inference system combined with evolutionary particle swarm optimization，wavelet transform and mutual information[J].Renewable Energy，2015，75（33）：301-307.

[34] 王成山，武震，李鹏.微电网关键技术研究[J].电工技术学报，2014，29（2）：1-12.

[35] 刘燕华，刘冲，李伟花，等.基于出力模式匹配的风电集群点多时间尺度功率预测[J].中国电机工程学报，2014，34（25）：4350-4358.

[36] 彭小圣，熊磊，文劲宇，等.风电集群短期及超短期功率预测精度改进方法综述[J].中国电机工程学报，2016，36（23）：6315-6326.

[37] 王铮，王伟胜，刘纯，等.基于风过程方法的风电功率预测结果不确定性估计[J].电网技术，2013，37（1）：242-247.

[38] 郁琛，薛禹胜，文福拴，等.按时序特征优化模型后在线选配的超短期风电预测[J].电力系统自动化，2015，39（8）：5-11.

[39] 王焱，汪震，黄民翔，等.基于OS-ELM和Bootstrap方法的超短期风电功率预测[J].电力系统自动化，2014，38（6）：14-19.

[40] 王铮，刘纯，冯双磊，等.基于非参数回归的风电场理论功率计算方法[J].电网技术，2015，39（8）：2148-2153.

[41] 王勃，刘纯，张俊，等.基于Monte-Carlo方法的风电功率预测不确定性估计[J].高电压技术，2015，41（10）：3385-3391.

[42] 杨锡运，关文渊，刘玉奇，等.基于粒子群优化的核极限学习机模型的风电功率区间预测方法[J].中国电机工程学报，2015，35（S1）：146-153.

[43] 朱霄珣，韩中合.基于PSO参数优化的LS-SVM风速预测方法研究[J].中国电机工程学报，2016，36（23）：6337-6342.

[44] 杨茂，陈郁林.基于EMD分解和集对分析的风电功率实时预测[J].电工技术学报，2016，31（21）：86-93.

[45] 高亚静，刘栋，程华新，等.基于数据驱动的短期风电出力预估-校正预测模型[J].中国电机工程学报，2015，35（11）：2645-2653.

[46] Rodriguez A，Laio A.Clustering by fast search and find of density peaks[J].Science，2014，344（6191），1492-1496.

[47] 张程熠，唐雅洁，李永杰，等.适用于小样本的神经网络光伏预测方法[J].电力自动化设备，2017，37（1）：101-106.

[48] 江岳春，杨旭琼，贺飞，等.基于EEMD-IGSA-LSSVM的超短期风电功率预测[J].湖南大学学报（自然科学版），2016，43（10）：70-78.

[49] 李元诚，白恺，曲洪达，等.基于粒子群-稀疏贝叶斯混合算法的光伏功率预测方法[J].太阳能学报，2016，37（5）：1153-1159.

[50] Mellit A，Pavan A M，Benghanem M.Least squares support vector machine for short-term prediction of meteorological time series[J].Theoretical and Applied Climatology，2013，111（1-2）：297-307.

[51] 阳霜，罗滇生，何洪英，等.基于EMD-LSSVM的光伏发电系统功率预测方法研究[J].太阳能学报，2016，37（6）：1387-1395.

[52] 程启明，张强，程尹曼，等.基于密度峰值层次聚类的短期光伏功率预测模型[J].高电压技术，2017，43（4）：1214-1222.

[53] 程启明，陈路，程尹曼，等.基于EEMD和LS-SVM模型的风电功率短期预测方法[J].电力自动化设备，2018，38（5）：21-29.