一种量子-经典机器学习混合的风电功率预测方法

本发明公开一种量子－经典机器学习混合的风电功率预测方法，包括步骤：采集历史风电功率、风机传感器及气象数据，设风电功率为学习目标。对格式化时间特征分解，经正弦‑余弦函数映射生成6维周期编码时间特征，与气象特征拼接后按重要性评分选前n个特征向量，编码为量子态，用参数化旋转门编码映射角度。构建参数化量子电路捕捉高维非线性特征，经末端测量得输出期望值，算均方误差作损失函数，调整参数最小化损失函数，用训练好的量子神经网络预测风电功率。本发明解决现有模型参数量大、超参空间复杂、训练收敛慢、模型黑盒性强等技术问题。