一种电力负荷预测方法、装置、介质及电子装置与流程

本申请属于量子计算，特别是一种电力负荷预测方法、装置、介质及电子装置。

背景技术：

1、量子计算机是一类遵循量子力学规律进行高速数学和逻辑运算、存储及处理量子信息的物理装置。当某个装置处理和计算的是量子信息，运行的是量子算法时，它就是量子计算机。量子计算机因其具有相对普通计算机更高效的处理数学问题的能力，例如，能将破解rsa密钥的时间从数百年加速到数小时，故成为一种正在研究中的关键技术。

2、传统的电力负荷预测网络只能传递一个时间节点的隐藏状态，在每个时间节点，网络只能考虑当前的输入和上一个时间节点的隐藏状态，无法有效地捕捉到序列数据中更长时间间隔内的依赖关系，导致预测准确度较低。

3、申请内容

4、本申请的目的是提供一种电力负荷预测方法、装置、介质及电子装置，旨在提高电力负荷预测的准确度。

5、本申请的一个实施例提供了一种电力负荷预测方法，所述方法包括：

6、对预测时间前的用电时序数据进行特征编码，得到用电特征矩阵；所述用电时序数据包括时间节点及其对应的用电数据；

7、将所述用电特征矩阵输入至量子扩张长短时记忆qelstm网络并运行所述qelstm网络，得到预测时间的电力负荷数据，所述qelstm网络包括至少一个量子神经网络层，所述量子神经网络层包括的至少3个变分量子电路的参数分别基于所述用电特征矩阵中的任意一个矩阵元、至少两个所述时间节点的隐藏状态中的一个确定，至少两个所述时间节点均在任意一个矩阵元对应的所述时间节点之前。

8、可选的，所述用电特征矩阵包括n个矩阵元；所述将所述用电特征矩阵输入至qelstm网络并运行所述qelstm网络，得到预测时间的电力负荷数据，包括：

9、将所述用电特征矩阵的矩阵元及其对应的编码状态按照时间节点顺序逐个输入至qelstm网络并运行所述qelstm网络，得到所述用电特征矩阵的矩阵元对应的时间节点的后一时间节点的编码状态；

10、执行预设次数将前一解码状态及其对应的编码状态或解码状态输入至所述qelstm并运行，得到当前解码状态；

11、基于所述当前解码状态确定预测时间的电力负荷数据。

12、其中，所述编码状态包括第一隐藏状态。

13、可选的，第一个矩阵元对应的编码状态为预设值；除第一个矩阵元之外的矩阵元对应的编码状态为前d个时间节点的编码状态。

14、可选的，初始解码状态为所述用电特征矩阵的最后一个矩阵元对应的时间节点的后一时间节点的编码状态。

15、可选的，至少3个变分量子电路中的一个变分量子电路包括第一编码电路和第一变分电路；所述第一编码电路包括作用于每个量子比特上的第一单量子逻辑门，所述第一变分电路包括作用于每个量子比特上的第二单量子逻辑门和作用于多个量子比特上的第一多量子逻辑门。

16、可选的，所述第一编码电路用于将所述用电特征矩阵的矩阵元或所述第一隐藏状态加载至量子比特，所述第一变分电路用于对加载后的量子比特进行变分量子编码；所述第一单量子逻辑门的参数基于所述用电特征矩阵的矩阵元或所述第一隐藏状态确定，所述第二单量子逻辑门和第一多量子逻辑门的参数基于训练确定。

17、可选的，所述qelstm网络包括注意力计算门，所述用电特征矩阵的矩阵元和所述第一隐藏状态的乘积为注意力乘积，所述注意力计算门用于对所述注意力乘积进行注意力计算，得到注意力向量。

18、可选的，所述第一编码电路用于将所述注意力向量或所述第一隐藏状态加载至量子比特，所述第一变分电路用于对加载后的量子比特进行变分量子编码；所述第一单量子逻辑门的参数基于所述注意力向量或所述第一隐藏状态确定，所述第二单量子逻辑门和第一多量子逻辑门的参数基于训练确定。

19、可选的，所述注意力计算门包括第二编码电路、第二变分电路和第三变分电路；所述第二编码电路用于将所述注意力乘积中的矩阵元加载至量子比特，所述第二变分电路用于对所述注意力乘积中的矩阵元进行注意力计算，得到对应的注意力计算值；所述第三变分电路用于拼接所述注意力计算值，得到所述注意力向量。

20、可选的，所述第二编码电路包括作用于每个量子比特上的第三单量子逻辑门和作用于多个量子比特上的第二多量子逻辑门，所述第二变分电路包括作用于多个量子比特上的第三多量子逻辑门，所述第三变分电路包括作用于多个量子比特上的第四多量子逻辑门；所述第三单量子逻辑门、所述第二多量子逻辑门、所述第三多量子逻辑门和所述第四多量子逻辑门的参数基于训练确定。

21、可选的，所述编码状态还包括第一细胞状态，所述解码状态还包括第二细胞状态和第二隐藏状态。

22、可选的，所述qelstm网络包括的遗忘门、更新门、记忆门、输出门用于加权所述注意力向量或所述第一隐藏状态。

23、可选的，所述qelstm网络包括的sigmoid函数和tanh函数用于对所述遗忘门、更新门、记忆门、输出门的输出进行非线性变换。

24、本申请的又一实施例提供了一种电力负荷预测装置，所述装置包括：

25、特征编码模块，用于对预测时间前的用电时序数据进行特征编码，得到用电特征矩阵；所述用电时序数据包括时间节点及其对应的用电数据；

26、预测模块，用于将所述用电特征矩阵输入至量子扩张长短时记忆qelstm网络并运行所述qelstm网络，得到预测时间的电力负荷数据，所述qelstm网络包括至少一个量子神经网络层，所述量子神经网络层包括的至少3个变分量子电路的参数分别基于所述用电特征矩阵中的任意一个矩阵元、至少两个所述时间节点的隐藏状态中的一个确定，至少两个所述时间节点均在任意一个矩阵元对应的所述时间节点之前。

27、本申请的又一实施例提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项中所述的方法。

28、本申请的又一实施例提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项中所述的方法。

29、本申请使用量子扩张长短时记忆网络处理所述编码矩阵，在每个时间节点，量子扩张长短时记忆网络能够传递和更新多个时间节点的隐藏状态，使得模型能够更好地理解各个时间节点的数据之间的关联。同时，本申请基于变分量子算法构建电力负荷预测网络中的逻辑门，得益于量子态的量子叠加和量子纠缠特性，相比于传统计算方法，能够提供更强大的计算能力，并利用量子优化技术来优化预测网络的参数。与现有的电力负荷预测网络相比，本申请实施例提供的电力负荷预测方法极大地提高了电力负荷预测的准确度。

技术实现思路

技术特征：

1.一种电力负荷预测方法，其特征在于，所述方法包括：

2.如权利要求1所述的方法，其特征在于，所述用电特征矩阵包括n个矩阵元；所述将所述用电特征矩阵输入至qelstm网络并运行所述qelstm网络，得到预测时间的电力负荷数据，包括：

3.如权利要求2所述的方法，其特征在于，第一个矩阵元对应的编码状态为预设值；除第一个矩阵元之外的矩阵元对应的编码状态为前d个时间节点的编码状态。

4.如权利要求2所述的方法，其特征在于，初始解码状态为所述用电特征矩阵的最后一个矩阵元对应的时间节点的后一时间节点的编码状态。

5.如权利要求2－4任一项所述的方法，其特征在于，至少3个变分量子电路中的一个变分量子电路包括第一编码电路和第一变分电路；所述第一编码电路包括作用于每个量子比特上的第一单量子逻辑门，所述第一变分电路包括作用于每个量子比特上的第二单量子逻辑门和作用于多个量子比特上的第一多量子逻辑门。

6.如权利要求5所述的方法，其特征在于，所述第一编码电路用于将所述用电特征矩阵的矩阵元或所述第一隐藏状态加载至量子比特，所述第一变分电路用于对加载后的量子比特进行变分量子编码；所述第一单量子逻辑门的参数基于所述用电特征矩阵的矩阵元或所述第一隐藏状态确定，所述第二单量子逻辑门和第一多量子逻辑门的参数基于训练确定。

7.如权利要求5所述的方法，其特征在于，所述qelstm网络包括注意力计算门，所述用电特征矩阵的矩阵元和所述第一隐藏状态的乘积为注意力乘积，所述注意力计算门用于对所述注意力乘积进行注意力计算，得到注意力向量。

8.如权利要求7所述的方法，其特征在于，所述第一编码电路用于将所述注意力向量或所述第一隐藏状态加载至量子比特，所述第一变分电路用于对加载后的量子比特进行变分量子编码；所述第一单量子逻辑门的参数基于所述注意力向量或所述第一隐藏状态确定，所述第二单量子逻辑门和第一多量子逻辑门的参数基于训练确定。

9.如权利要求8所述的方法，其特征在于，所述注意力计算门包括第二编码电路、第二变分电路和第三变分电路；所述第二编码电路用于将所述注意力乘积中的矩阵元加载至量子比特，所述第二变分电路用于对所述注意力乘积中的矩阵元进行注意力计算，得到对应的注意力计算值；所述第三变分电路用于拼接所述注意力计算值，得到所述注意力向量。

10.如权利要求9所述的方法，其特征在于，所述第二编码电路包括作用于每个量子比特上的第三单量子逻辑门和作用于多个量子比特上的第二多量子逻辑门，所述第二变分电路包括作用于多个量子比特上的第三多量子逻辑门，所述第三变分电路包括作用于多个量子比特上的第四多量子逻辑门；所述第三单量子逻辑门、所述第二多量子逻辑门、所述第三多量子逻辑门和所述第四多量子逻辑门的参数基于训练确定。

11.如权利要求2所述的方法，其特征在于，所述编码状态还包括第一细胞状态，所述解码状态还包括第二细胞状态和第二隐藏状态。

12.如权利要求7所述的方法，其特征在于，所述qelstm网络包括的遗忘门、更新门、记忆门、输出门用于加权所述注意力向量或所述第一隐藏状态。

13.如权利要求12所述的方法，其特征在于，所述qelstm网络包括的sigmoid函数和tanh函数用于对所述遗忘门、更新门、记忆门、输出门的输出进行非线性变换。

14.一种电力负荷预测装置，其特征在于，所述装置包括：

15.一种存储介质，其特征在于，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至13任一项中所述的方法。

16.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至13任一项中所述的方法。

技术总结
本申请公开了一种电力负荷预测方法、装置、介质及电子装置，方法包括：对预测时间前的用电时序数据进行特征编码，得到用电特征矩阵；所述用电时序数据包括时间节点及其对应的用电数据；将所述用电特征矩阵输入至量子扩张长短时记忆QELSTM网络并运行所述QELSTM网络，得到预测时间的电力负荷数据，所述QELSTM网络包括至少一个量子神经网络层，所述量子神经网络层包括的至少3个变分量子电路的参数分别基于所述用电特征矩阵中的任意一个矩阵元、至少两个所述时间节点的隐藏状态中的一个确定，至少两个所述时间节点均在任意一个矩阵元对应的所述时间节点之前。可提高电力负荷预测的准确度。

技术研发人员：窦猛汉,请求不公布姓名,请求不公布姓名,请求不公布姓名
受保护的技术使用者：本源量子计算科技（合肥）股份有限公司
技术研发日：
技术公布日：2024/1/15