时间序列预测在20世纪70年代的时候被提出,它是一种基于历史数据的基础上对未来问题进行预测的技术。时间序列预测技术现今发展相当迅速,在很多领域都有运用,如工程、经济、军事等,是一个非常有实际价值的研究领域。本文主要研究了泄露积分型回声状态网(Leaky-ESN)模型的优化及其在时间序列预测中的应用。Leaky-ESN优化指的是在标准Leaky-ESN的基础上,对其储备池状态空间或者储备池参数进行优化,从而提高对时间序列的预测精度。于是提出了变泄露积分型回声状态网(VLeaky-ESN)模型。这个模型的每一个泄漏率是不同的,因此,在储备池状态方程中就对应了不同的状态元素,提高了参数选择的灵活性和对多输入的自适应性,为了进一步提高VLeaky-ESN模型的预测能力,利用扩展卡尔曼滤波算法(EKF)对其参数进行优化。其次,利用EKF状态更新的优点来弥补储备池状态方程中对于纯输入应用忽略输出反馈的不足,利用EKF状态更新方程直接代替储备池的状态更新方程,提高Leaky-ESN模型预测精度和加快其收敛速度。为了解决随机梯度下降法在参数优化过程中回声状态特性(关键参数泄漏率和谱半径必须满足不等式约束条件)对参数训练影响的问题,利用罚函数内点法将有约束条件的最优化问题转化为求无约束条件的最优化问题,寻找泄漏率和谱半径的最优值,提高Leaky-ESN模型对时间序列的预测精度。最后,用优化好的Leaky-ESN模型对光伏发电系统输出功率进行预测,并取得了很好的预测效果。