1.一種基于量子蟻群優(yōu)化RBF網(wǎng)絡(luò)的特高壓輸電線損預(yù)測方法，其特征在于包括以下步驟：

本方法包括如下步驟：

①數(shù)據(jù)預(yù)處理(11)

首先獲取多類別數(shù)據(jù)供特征篩選，包括電線和變壓器的設(shè)備參數(shù)，收發(fā)端和變壓器的運行參數(shù)以及環(huán)境作用的非電氣參數(shù)；其次對數(shù)據(jù)進行0-1標(biāo)準(zhǔn)化處理使數(shù)據(jù)分布在集中的位置，提升后續(xù)模型的訓(xùn)練速度和精度；

②建立特征指標(biāo)體系(12)

從步驟①獲取的參數(shù)中篩選出和線損關(guān)聯(lián)度較高的若干電氣參數(shù)，將影響1000kV特高壓輸電線網(wǎng)絡(luò)的電氣數(shù)據(jù)作為比較序列，線損作為參考序列，采用關(guān)聯(lián)分析方法計算比較序列和參考序列的關(guān)聯(lián)系數(shù)，確定每一個電氣指標(biāo)與輸電線線損之間的關(guān)聯(lián)程度，來反映1000kV線路的網(wǎng)架結(jié)構(gòu)和運行狀態(tài)對線損的影響程度，再結(jié)合非電氣參數(shù)建立輸入的特征指標(biāo)；

③確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)(13)

在訓(xùn)練RBF神經(jīng)網(wǎng)絡(luò)前需要確定網(wǎng)絡(luò)結(jié)構(gòu)，輸入層為步驟②確定的特征指標(biāo)，輸出層為預(yù)測的線損值，隱藏層神經(jīng)元表示輸入樣本與樣本中心點之間的距離，通過改進的聚類方法計算出中心點的位置和個數(shù)來確定隱藏層結(jié)構(gòu)；

④量子蟻群算法優(yōu)化網(wǎng)絡(luò)輸出層的連接參數(shù)(14)

RBF神經(jīng)網(wǎng)絡(luò)的隱藏層和輸出層之間使用線性加權(quán)連接，經(jīng)過步驟③確定網(wǎng)絡(luò)結(jié)構(gòu)后得到連接參數(shù)的維度，采用量子蟻群算法優(yōu)化連接參數(shù)，對連接參數(shù)進行量子編碼初始化，其長度為n，設(shè)置蟻群的規(guī)模為M，以線損值與真實值的均方誤差為評價標(biāo)準(zhǔn)對每一只螞蟻都進行最優(yōu)路徑搜索，再利用所得的全局誤差最低解來計算更新蟻群的信息素濃度，從而控制蟻群的移動，即控制連接參數(shù)朝著最優(yōu)目標(biāo)函數(shù)的方向更新；

⑤使用交替優(yōu)化的方式來訓(xùn)練神經(jīng)網(wǎng)絡(luò)(15)

將步驟①預(yù)處理的數(shù)據(jù)按照8：2的比例分為訓(xùn)練集和測試集，訓(xùn)練集輸入步驟④得到的神經(jīng)網(wǎng)絡(luò)，計算線損預(yù)測值，當(dāng)預(yù)測值序列與真實值序列的均方誤差滿足規(guī)定的目標(biāo)誤差時，記錄優(yōu)化得到的連接參數(shù)并重新賦值給神經(jīng)網(wǎng)絡(luò)，使用神經(jīng)網(wǎng)絡(luò)的反向傳播算法進行優(yōu)化，直到損失函數(shù)最佳穩(wěn)定時，判斷輸出序列均方誤差是否滿足預(yù)測要求，若不滿足便再次進入量子蟻群優(yōu)化算法計算連接參數(shù)，再次訓(xùn)練；

⑥預(yù)測特高壓線損值，分析預(yù)測模型(16)

將歸一化的測試集數(shù)據(jù)輸入步驟⑤訓(xùn)練好的模型當(dāng)中，測試模型在測試集上的相對誤差，分析模型的準(zhǔn)確度和泛化能力；若不滿足相對誤差的大小要求，需要適當(dāng)調(diào)整網(wǎng)絡(luò)中和量子蟻群算法中的超參數(shù)來對網(wǎng)絡(luò)重新訓(xùn)練。