基于量子脊波Elman神经网络的县域电网净负荷预测方法

本发明公开了一种基于量子脊波Elman神经网络的县域电网净负荷预测方法，包括如下步骤：获取历史净负荷功率数据以及气象影响因素数据，并进行数据预处理，将预处理后的数据分成训练集和预测集；利用训练集中的数据对基于量子脊波Elman神经网络的县域电网净负荷预测模型进行训练，训练过程中采用算术优化算法对模型的参数进行学习优化，保存学习优化后的模型；将预测集中的数据输入到训练后的模型中，输出待预测时刻的净负荷功率预测值。本发明所公开的方法能有效提高预测精度，采用算术优化算法对模型的参数进行学习优化，提高了参数寻优能力和效率。