基于量子粒子群优化LSTM的电网负荷短时预测算法研究  

作　　者：胡军星 李赟 王晓东 陈思宇 

机构地区：[1]河南九域腾龙信息工程有限公司

出　　处：《电气技术与经济》2025年第2期48-54,共7页Electrical Equipment and Economy

摘　　要：电网负荷短时预测算法是电力系统运行中非常重要的一环。它通过对历史数据和实时数据进行分析和处理,能够预测未来一段时间内的负荷需求情况,为电力系统的稳定运行提供了关键信息。长短期记忆(LSTM)递归神经网络是一种特殊的神经网络结构,它可以有效地处理时序数据,在电网负荷短时预测算法中的应用已经被广泛研究,但是其性能仍然受到一些限制,如过拟合、收敛速度慢等问题。利用量子粒子群算法对长短期记忆递归神经网络进行优化为这一问题提供了解决方法。本文对量子粒子群优化LSTM的电网负荷短时预测算法进行了研究,并基于工程数据进行了试验。结果表明,相对于LSTM和粒子群优化LSTM的电网负荷短时预测算法,本文提出的算法具有更高的精度。

关 键 词：电网负荷 短时预测 量子粒子群优化 长短期记忆递归神经网络 

分 类 号：O15[理学—数学]