一种基于QPSO-LSTM网络的岸电系统负荷预测方法与系统

本发明公开了一种基于QPSO‑LSTM网络的岸电系统负荷预测方法，具体来说，是基于量子粒子群算法(Quantum‑behaved Particle Swarm Optimization，QPSO)和长短期记忆网络(Long Short‑Term Memory，LSTM)的岸电系统负荷预测方法，本发明利用QPSO算法优化LSTM网络的隐含层节点数、训练次数和学习率，解决了因传统LSTM网络结构及参数的不确定性产生的精度问题，从而构建了基于QPSO‑LSTM网络的岸电系统负荷预测模型。并做案例分析，将该模型与基于传统神经网络的岸电系统负荷预测模型进行了对比。结果表明本发明所提出的方法具有更高的预测性能，从而能够为电网公司未来进行港口岸电系统负荷预测提供一个较好的预测方法。本发明还提供了一种基于QPSO‑LSTM网络的岸电系统负荷预测系统，包括预处理部、训练部、预测部以及评估部。