基于量子神经网络的短期负荷预测

短期负荷预测是电力系统一项非常重要的工作,如何提高负荷预测的精度是短期负荷预测研究的重点问题。本文将量子理论和神经计算等方法与电力系统负荷实际情况相结合,负荷特点,提出基于量子神经网络进行短期负荷预测的方法。主要的研究工作如下: 首先,本文对电力系统短期负荷预测方法进行总结;分析了短期负荷的内部特性和外部影响因素;建立负荷预测模型及其预测评价函数;对各种输入特征向量进行处理。 其次,本文建立起三层量子神经网络模型,此模型由量子比特神经元改进而来,应用量子门进行计算,采用复数表示形式,复数的虚部和实部同时工作体现了量子并行计算特性。输出层的权值和阈值,进行非线性变换,实现神经网络非线性映射功能,并利用遗传算法优化量子神经网络的初始参数,本文已用MATLAB软件进行仿真,并与传统的BP(Back-Propagation)网络进行比较,结果表明此算法在泛化能力和预测精度方面明显优于普通三层BP网络。 再次,把量子神经网络进行负荷预测的MATLAB仿真程序调入到负荷预测软件中,并进行评估,这也为电力系统负荷预测提供了一种可行性的方案。