论文部分内容阅读
负荷预测对于电力部门有计划地制定电网规划至关重要,历史的电力负荷值受温度、季节等诸多因素的影响,可看作为具有强非线性和非平稳特性的复杂非线性时间序列。目前,神经网络、支持向量机等单一的计算智能方法是主要的电力负荷预测工具。回声状态网络(echo state networks,ESN)作为一种新的动态递归神经网络,已引起研究者的广泛关注,并且已经应用于电力负荷预测中。与常规的递归神经网络相比,它在网络学习训练时只需计算网络输出权值,具有很强的动态逼近能力。因此,其具有计算简单有效、收敛速度快的优点。经