1. 毕业设计（论文）主要内容：

在电力系统运行过程中，电力负荷预测问题对许多电力部门都起着重要作用，它涉及到电力系统规划和设计、电力系统经济安全运行以及电力市场交易等多个方面。随着电力工业不断发展逐渐进入市场化，负荷预测在电力行业中扮演着越来越重要的角色，并已经成为市场营销和交易部门的核心业务，这也对负荷预测的精确度和稳定性提出了更高的要求。

深度学习已经在许多领域得到应用，并在大规模数据处理上取得了突破性的成功。虽然深度结构网络非常强大，但大多数网络都被极度耗时的训练过程所困扰。近年来，一系列以提高训练速度为目的的深度网络以及相应的结合方法逐渐引起人们关注。其中，宽度学习系统提供了一种深度学习网络的替代方法，同时，如果网络需要扩展，模型可以通过增量学习高效重建。

为了满足短期电力负荷预测的实时性，同时利用深度学习强大的非线性学习能力，本课题拟构建新型的快速学习系统-宽度学习，作为深度学习替换方案，应用于短期电力负荷预测。

2. 毕业设计（论文）主要任务及要求

1. 通过本课题的训练，培养学生动手能力、分析问题及解决问题的能力；

2. 翻译与本课题相关的英文资料（不少于3000中文字符）；

3. 毕业设计（论文）完成任务的计划与安排

1-2周，完成开题报告和文献翻译，完成开题答辩；

3-4周，学习短期电力负荷预测的基本时间序列预测方法；

5-7周，学习随机向量函数链接网络的相关知识；

4. 主要参考文献

（1）zhi-huazhou, jianxin wu, wei tang, ensembling neural networks: many could be betterthan all，artificial intelligence, 2002, vol.137, no.1-2, pp.239-263.

（2）zhi-huazhou, ensemble methods, foundations and algorithms, 2012.

（3）zainalahmada, jiezhang, selective combination of multiple neura lnetworks forimproving model prediction in nonlinear systems modelling through forwardselection and back ward elimination. neurocomputing vol. 72, pp. 1198–1204,2009