【摘要】针对受风速随机性、波动性等特点的影响而导致风电功率难以预测的问题，本文提出了一种基于 ＱＰＳＯ⁃ＬＳＴＭ 的超短期风电功率预测模型。 利用量子粒子群算法对长短期记忆网络的超参数进行寻优，构建 ＱＰＳＯ⁃ＬＳＴＭ 预测模型；将辽宁某地区风电场的历史数据作为数据集，对模型进行训练，训练好的模型进行预测，采用均方根误差（ ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ ｅｒｒｏｒ，ＲＭＳＥ）、平均绝对误差（ｍｅａｎ ａｂｓｏｌｕｔｅ ｅｒｒｏｒ，ＭＡＥ）、平均相对百分误差（ｍｅａｎ ａｂｓｏｌｕｔｅ ｐｅｒｃｅｎｔａｇｅ ｅｒｒｏｒ， ＭＡＰＥ）、决定系数（ Ｒ２）作为评价模型性能的指标；通过消融实验和对比实验，分析结果表明本文所提出的基于 ＱＰＳＯ⁃ＬＳＴＭ 的超短期风电功率预测模型的性能最好，精确度最高，适用性最佳。