[1] 宗柳，李扬，王蓓蓓. 计及需求响应的多维度用电特征精细挖掘 ［J］. 电力系统自动化，2012，36（20）：54-58.

ZONGL，LIY，WANGB B. Fine-mining of multi-dimension electrical characteristics considering demand response ［J］. Automation of Electric Power Systems，2012，36（20）：54-58.
[2] 钱程. 基于用户用电行为建模和参数辨识的需求响应应用研究 ［D］. 南京：东南大学，2016.

QIANC. Research on the application of demand response based on modeling of electrical behavior and parameter identification ［D］. Nanjing：Southeast University，2016.
[3] KWACJ，FLORAJ，RAJAGOPALR. Household energy consumption segmentation using hourly data ［J］. IEEE Transactions on Smart Grid，2014，5（1）：420-430.
[4] 周谢. 电力负荷特性指标及其内在关联性分析 ［D］. 长沙：长沙理工大学，2013.

ZHOUX. The analysis on power load characteristics index and its intrinsic correlation relationship ［D］. Changsha：Changsha University of Science&Technology，2013.
[5] 刘国辉，赵佳，孙毅. 基于模糊优化集对分析理论的需求响应潜力评估 ［J］. 电力需求侧管理，2018，20（6）：1-5.

LIUG H，ZHAOJ，SUNY. Potential evaluation of demand response based on fuzzy optimization of set pair analysis ［J］. power demand side management，2018，20（6）：1-5.
[6] 李亚平，王珂，郭晓蕊，等. 基于多场景评估的区域电网需求响应潜力 ［J］. 电网与清洁能源，2015，31（7）：1-7.

LIY P，WANGK，GUOX R，et al. Demand response potential based on multi-scenarios assessment in regional power system ［J］. power system and clean energy，2015，31（7）：1-7.
[7] 任炳俐，张振高，王学军，等. 基于用电采集数据的需求响应削峰潜力评估方法 ［J］. 电力建设，2016，37（11）：64-70.

RENB L，ZHANGZ G，WANGX J，et al. Assessment method of demand response peak shaving potential based on metered load data ［J］. Electric Power Construction，2016，37（11）：64-70.
[8] 孙彦萍，李虹，杨文海，等. 基于SOM需求响应潜力的居民用户优化聚合模型 ［J］. 电力建设，2017，38（7）：25-33.

SUNY P，LIH，YANGW H，et al. Optimized aggregation model for resident users based on SOM demand response potential ［J］. Electric Power Construction，2017，38（7）：25-33.
[9] 王蓓蓓，朱峰，嵇文路，等. 中央空调降负荷潜力建模及影响因素分析 ［J］. 电力系统自动化，2016，40（19）：44-52.

WANGB B，ZHUF，JIW L，et al. Load cutting potential modeling of central air-conditioning and analysis on influencing factors ［J］. Automation of Electric Power Systems，2016，40（19）：44-52.
[10] CHUANL，UKILA. Modeling and validation of electrical load profiling in residential buildings in Singapore ［J］. IEEE Transactions on Power Systems，2015，30（5）：2800-2809.
[11] ALSTONEP，POTTERJ，PIETTEM A，et al. California demand response potential study：charting California's demand response future ［R］. Sacramento： California Public Utilities Commission，2016.
[12] STARKEM，ALKADIN，MAO. Assessment of industrial load for demand response across US regions of the western interconnect ［R］. Oak Ridge，TN：Oak Ridge National Lab. 2013.
[13] ALSTONEP，POTTERJ，PIETTEM，et al. 2025 California demand response potential study final report on phase ［R］. Berkeley： Lawrence Berkeley National Laboratory，2017.
[14] Mac KayD J C. Information theory，inference and learning algorithms ［M］. Cambridge： Cambridge University Press，2003.
[15] CHICCOG.Overview and performance assessment of the clustering methods for electrical load pattern grouping ［J］. Energy，2012，42（1）：68-80.
[16] 国家市场监督管理总局. 国民经济行业分类：GB/T 4754—2017 ［S］.北京：国家统计局，2017.

State Administration of Market Supervision and Administration. National economy industry classification ：GB/T 4754—2017 ［S］. Beijing： National Bureau of Statistics，2017.
[17] U.S. EIA. Commercial buildings energy consumption survey：trends in lighting in commercial buildings ［EB/OL］. （2017-05-17） ［2020-06-30］. https：//www.eia.gov/consumption/commercial/reports/2012/lighting/.
[18] LODGINGS. Here's where hotels spend the most on energy ［EB/OL］. （2018-04-24） ［2020-06-30］. https：//lodgingmagazine.com/where-hotels-spend-most-energy.
[19] LEE M，ASLAMO，FOSTERB，et al. Assessment of demand response and advanced metering ［R］. Washington D.C.： Federal Energy Regulatory Commission，Tech. Rep.， 2018.
[20] 张琳，许可，黄耀，等. 基于模糊聚类的园区配网峰谷特性和潜力分析研究 ［J］. 南方能源建设，2020，7（1）：27-32.

ZHANGL，XUK，HUANGY，et al. Analysis of potential shifting and filling potential of campus distribution network based on fuzzy clustering ［J］. South Energy Construction，2020，7（1）：27-32.