The additive model with separation of a basic regular component and an random component for short-term forecasting of loading an power plant is offered
1. Бэнн Д.В., Фармер Е.Д. Сравнительные модели прогнозирования электрической нагрузки: Пер. с англ. – М. Энергоатомиздат, 1987. -200 с.:ил. 2. Титов Н.Н. Оперативный прогноз графика энергетической нагрузки с учетом метеофакторов // Электрические сети и системы. – 2004. - №5-6. – С.16-18. 3. Макоклюев Б.И., Еч В.Ф. Учет влияния метеорологических факторовпри прогнозировании электропотребления энергообъединений // Энергетик. – 2004. - №8. – С.15-17. Краткосрочное прогнозирование потребления 4. ШумиловаГ.П., Готман Н.Э., Старцева Т.Б. Прогнозирование нагрузки узлов электроэнергетической системы с использованием инверсии искуственной нейронной сети // Электричество. – 2007. - №6. – С.7-13. 5. Бодянский Е.В., Попов С.В., Рыбальченко Т.В., Титов Н.Н. Краткрсрочное прогнозирование потребления электроэнергии на основе многослойной нейро-фази сети // Енергоменджмент та енергоспоживання. – 2008. - №9. – С.37-43. 6. Hippert H.S., Pedreira C.E., Souza R.C. Neural networks for short-term load forecasting: a rewiew and evaluation // IEEE Trans. PÀS. 2001. V. 16. № 1. 7. Papalexopoulos A.D., Hesterberg T.C. A regression-based approach to short-term system load forecasting // IEEE Trans. PAS. 1990. V. 5. № 4. 8. Park J.H., Park Y.M., Lee K.Y. Composite modeling for adaptive short-term load forecasting // IEEE Trans. PAS. 1991. V. 6. № 2. 9. Олефир Д.А. Внедрение автоматизированных систем диспетчерского управления в ОЭС Украины // Электрические сети и системы. – 2004. - №1-2. – С.6-11.