本发明专利技术公开了一种光伏出力功率预测方法、装置、存储介质及电子装置，应用于量子计算领域，方法包括：提取待预测时间节点前多个时间节点的光伏数据的隐藏特征，并对隐藏特征进行位置编码，得到编码矩阵；利用第一量子卷积模型对编码矩阵进行卷积处理，得到查询矩阵；利用第二量子卷积模型对编码矩阵进行卷积处理，得到键矩阵；通过量子注意力模型，获得查询矩阵中的每一特征向量和键矩阵中的每一特征向量之间的相似度，并基于相似度构建注意力矩阵；基于隐藏特征和注意力矩阵，确定待预测时间节点的光伏出力功率预测结果。实现了基于量子计算的光伏出力功率预测，提高了光伏出力功率预测的效率和预测准确度。
【技术实现步骤摘要】
本专利技术属于量子计算，特别是一种光伏出力功率预测方法、装置、存储介质及电子装置。
技术介绍
1、光伏出力功率表示光伏板在单位时间内产生的电能量，它是衡量光伏发电系统输出电能的重要指标，出力功率的大小直接影响着光伏板的实际发电能力和经济效益。光伏电站的光伏出力功率受到气象波动因素影响，天气不稳定会导致出力功率的剧烈波动，当光伏电站接入电网时，出力功率不稳定不利于电网电力的调度管理。
2、因此，光伏出力功率的准确预测对于电力的调度管理至关重要，当前对于光伏出力功率的预测主要是建立经典神经网络模型，利用历史光伏数据对未来一段时间内的出力功率进行预测。
3、为了更好地进行预测，需要比较多的历史光伏数据，使得历史光伏数据具有高维度和高复杂度的特征，对经典计算机进行预测带来了极大挑战。而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。量子计算机具有相对经典计算机更高效的处理数学问题的能力，因此如何实现基于量子计算的光伏出力功率预测是一个亟需解决的技术问题。
技术实现思路
1、本专利技术的目的是提供一种光伏出力功率预测方法、装置、存储介质及电子装置，旨在实现基于量子计算的光伏出力功率预测，提高光伏出力功率预测的效率和预测能力。
2、本专利技术的一个实施例提供了一种光伏出力功率预测方法，所述方法包括：
3、提取待预测时间节点前多个时间节点的光伏数据的隐藏特征，并对所述隐藏特征进行位置编码，得到编码矩阵；
4、利用第一量子卷积模型对所述编码矩阵进行卷积处理，得到查询矩阵；利用第二量子卷积模型对所述编码矩阵进行卷积处理，得到键矩阵；
5、通过量子注意力模型，获得所述查询矩阵中的每一特征向量和所述键矩阵中的每一特征向量之间的相似度，并基于所述相似度构建注意力矩阵；
6、基于所述隐藏特征和所述注意力矩阵，确定所述待预测时间节点的光伏出力功率预测结果。
7、可选的，所述编码矩阵的每一列向量对应一个时间节点的光伏数据的隐藏特征，所述第一量子卷积模型与所述第二量子卷积模型均包括多个量子卷积核线路，每一量子卷积核线路均包括一维序列编码层、含参变分层和测量层，且所述第一量子卷积模型与所述第二量子卷积模型至少存在一个不同的含参变分层的参数，其中：
8、所述一维序列编码层用于利用所述编码矩阵的列向量，获得每一时间节点对应的一维序列，并将所述一维序列编码到量子比特上；其中，所述一维序列包括的列向量均为预设数量个；
9、所述含参变分层用于对编码后的量子比特进行量子态演化；
10、所述测量层用于对演化后的量子比特进行量子态测量，并计算期望值，作为量子卷积结果；其中，所述量子卷积结果为所述查询矩阵或所述键矩阵中的一个元素。
11、可选的，所述利用所述编码矩阵的列向量，获得每一时间节点对应的一维序列，包括：
12、对于多个时间节点中时间最早的时间节点，将预设数量个该时间节点对应的列向量拼接为一维序列；
13、对于除所述最早的时间节点外的其他时间节点，根据该时间节点前的时间节点的数量和预设数量的大小关系，确定该时间节点对应的列向量的出现次数，并基于该出现次数，将该时间节点前的多个时间节点对应的列向量和该时间节点对应的列向量拼接为一维序列。
14、可选的，所述量子注意力模型包括：
15、用于编码所述查询矩阵中的任一时间节点对应的特征向量的第一组量子比特；
16、用于编码所述键矩阵中的任一时间节点对应的特征向量的第二组量子比特；
17、用于计算编码后的第一组量子比特上的量子态<φ(qi)|与编码后的第二组量子比特上的量子态|φ(kj)>的相似度的交换测试量子线路；
18、所述基于所述相似度构建注意力矩阵，包括：
19、利用softmax激活函数，计算由多个所述相似度构成的相似度矩阵中的元素的概率分布，得到所述注意力矩阵。
20、可选的，所述提取待预测时间节点前多个时间节点的光伏数据的隐藏特征，包括：
21、通过第一全连接层提取所述多个时间节点的光伏数据的隐藏特征，并对所述隐藏特征进行降维处理，得到隐藏特征矩阵；
22、所述基于所述隐藏特征和所述注意力矩阵确定所述待预测时间节点的光伏出力功率预测结果，包括：
23、计算所述注意力矩阵与所述隐藏特征矩阵的乘积，并通过第二全连接层将所述乘积中的隐藏特征转化为所述待预测时间节点的光伏出力功率预测结果。
24、可选的，在所述提取待预测时间节点前多个时间节点的光伏数据的隐藏特征之前，所述方法还包括：
25、获取所述待预测时间节点前多个时间节点的气象特征数据和光伏出力功率数据；
26、通过所选择的小波函数的低通滤波器和高通滤波器，处理每一所述光伏出力功率数据，获得每一光伏出力功率数据对应的目标近似分量和目标细节分量；
27、对所述多个时间节点的所述气象特征数据、所述光伏出力功率数据、获得的目标近似分量和获得的目标细节分量分别进行归一化处理，得到所述多个时间节点的光伏数据。
28、可选的，所述通过所选择的小波函数的低通滤波器和高通滤波器，处理每一所述光伏出力功率数据，获得每一光伏出力功率数据对应的目标近似分量和目标细节分量，包括：
29、针对每一光伏出力功率数据，通过所选择的小波函数的低通滤波器和高通滤波器分别提取该光伏出力功率数据中的近似分量和细节分量；
30、通过所述低通滤波器和所述高通滤波器对上一级提取得到的近似分量进行重复提取，直至提取得到预设级数的细节分量；
31、将第一级提取的近似分量作为该光伏出力功率数据对应的目标近似分量，将提取得到的各级细节分量作为该光伏出力功率数据对应的目标细节分量。
32、本专利技术的又一实施例提供了一种光伏出力功率预测装置，所述装置包括：
33、编码模块，用于提取待预测时间节点前多个时间节点的光伏数据的隐藏特征，并对所述隐藏特征进行位置编码，得到编码矩阵；
34、卷积模块，用于利用第一量子卷积模型对所述编码矩阵进行卷积处理，得到查询矩阵；利用第二量子卷积模型对所述编码矩阵进行卷积处理，得到键矩阵；
35、注意力模块，用于通过量子注意力模型，获得所述查询矩阵中的每一特征向量和所述键矩阵中的每一特征向量之间的相似度，并基于所述相似度构建注意力矩阵；
36、预测模块，用于基于所述隐藏特征和所述注意力矩阵，确定所述待预测时间节点的光伏出力功率预测结果。
37、本专利技术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。
38、本专利技术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本文档来自技高网
...
【技术保护点】
1.一种光伏出力功率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述编码矩阵的每一列向量对应一个时间节点的光伏数据的隐藏特征，所述第一量子卷积模型与所述第二量子卷积模型均包括多个量子卷积核线路，每一量子卷积核线路均包括一维序列编码层、含参变分层和测量层，且所述第一量子卷积模型与所述第二量子卷积模型至少存在一个不同的含参变分层的参数，其中：
3.如权利要求2所述的方法，其特征在于，所述利用所述编码矩阵的列向量，获得每一时间节点对应的一维序列，包括：
4.如权利要求3所述的方法，其特征在于，所述量子注意力模型包括：
5.如权利要求1所述的方法，其特征在于，所述提取待预测时间节点前多个时间节点的光伏数据的隐藏特征，包括：
6.如权利要求1所述的方法，其特征在于，在所述提取待预测时间节点前多个时间节点的光伏数据的隐藏特征之前，所述方法还包括：
7.如权利要求6所述的方法，其特征在于，所述通过所选择的小波函数的低通滤波器和高通滤波器，处理每一所述光伏出力功率数据，获得每一光伏出力功率数据对应的目标近似分量和目标细节分量，包括：
8.一种光伏出力功率预测装置，其特征在于，所述装置包括：
9.一种存储介质，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7任一项中所述的方法。
10.一种电子装置，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7任一项中所述的方法。
...
【技术特征摘要】
1.一种光伏出力功率预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述编码矩阵的每一列向量对应一个时间节点的光伏数据的隐藏特征，所述第一量子卷积模型与所述第二量子卷积模型均包括多个量子卷积核线路，每一量子卷积核线路均包括一维序列编码层、含参变分层和测量层，且所述第一量子卷积模型与所述第二量子卷积模型至少存在一个不同的含参变分层的参数，其中：
3.如权利要求2所述的方法，其特征在于，所述利用所述编码矩阵的列向量，获得每一时间节点对应的一维序列，包括：
4.如权利要求3所述的方法，其特征在于，所述量子注意力模型包括：
5.如权利要求1所述的方法，其特征在于，所述提取待预测时间节点前多个时间节点的光伏数据的隐藏特征，包括：
【专利技术属性】
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，
申请(专利权)人：本源量子计算科技合肥股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。