电力负荷预测是电力系统中不可缺少的重要环节,对于电力系统的稳定运行、经济节能有着巨大作用。新形势下,随着风电并网容量的逐年上升,风力发电的波动性和间歇性对电力系统的电压和频率造成了很大的干扰。同时,风电功率波动与电力负荷波动的不同步性,使得含风电场区域的负荷预测与系统调度面临更多的挑战。因此,通过引入含风电场区域等效负荷的概念,对计及风电并网的等效负荷预测对于电网的稳定经济运行有重要作用。在此背景下,本文提出了基于改进回声状态网络的电力负荷预测模型,以及基于三维卷积-门控循环单元网络的风电功率预测模型,进而搭建了含风电场区域等效负荷预测模型。针对电力负荷预测任务,提出了强健回声状态网络模型。回声状态网络兼具较好的预测能力和算力成本较低的优点,但同时存在训练不稳定、初始化困难和存在过拟合问题的缺点。通过研究分析,使用相空间重构理论优化了网络的初始化和训练过程,同时提出了三种回声状态网络正则化算法改善模型训练速度及过拟合问题。最后,为了满足更鲁棒的电力负荷预测要求,将回声状态网络与分位数回归结合,推导得到了回声状态分位数回归网络以实现电力负荷概率预测。针对风电功率预测任务,提出了基于变分模态分解的三维卷积-门控循环单元网络作为风电功率短期预测模型。该模型首先使用变分模态分解将风电功率和风速时间序列分解为多个各模态分量,接着将模态分量重构为三维特征图序列后使用精细设计的三维卷积-门控循环单元网络完成预测。最后,基于所提出的电力负荷预测模型和风电功率预测模型搭建了等效负荷预测模型,通过算例仿真与多种模型对比验证了所提出模型的有效性。