ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
中国知网全文收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
万方数据库收录期刊
RCCSE中文学术期刊
维普资讯网/超星域出版 全文收录
中国核心期刊(遴选)数据库收录期刊
ISSN 1009-5624 CN 10-2021/TQ 主管:中国乐凯集团有限公司 主办:北京乐凯科技有限公司
【摘要】本文提出了一种基于ＱＰＳＯ⁃ＬＳＴＭ 模型的短期电力负荷预测方法。首先，本文采用量子粒子群优化算法（ｑｕａｎｔｕｍ ｐａｒｔｉｃｌｅ
ｓｗａｒｍ ｏｐｔｉｍｉｚａｔｉｏｎ， ＱＰＳＯ）对长短期记忆网络（ｌｏｎｇ ｓｈｏｒｔ⁃ｔｅｒｍ ｍｅｍｏｒｙ， ＬＳＴＭ）的参数进行优化。其次，通过引入ＱＰＳＯ 算法模型能够
在训练过程中自动调整ＬＳＴＭ 的参数，使其更好地适应电力负荷数据的特点。最后，实验结果表明，基于ＱＰＳＯ⁃ＬＳＴＭ 的预测模型具
有较高的预测准确性。因此，本文方法在实际应用中具有潜力，可以改善电力系统的负荷预测和调度能力。
