量子机器学习用于副频控制
量子物理
2025-12-03 v1 机器学习
摘要
电力系统的频率控制对于维持稳定性和防止停电至关重要。传统方法如元启发式算法和机器学习在实时应用和可扩展性方面存在局限。本文引入了一种新方法，利用纯变分量子电路（VQC）进行柴油发电机的实时副频控制。不同于混合经典-量子模型，提出的 VQC 在执行期间独立运行，消除经典-量子数据交换带来的延迟。该 VQC 通过监督学习训练，映射历史频率偏差到最优比例-积分（PI）控制器参数，使用预计算的查找表。仿真结果表明，VQC 在充足的量子测量样本数下实现超过 90% 的高预测准确率，并在各种测试事件中表现出良好的泛化能力。量子优化的 PI 参数显著改进了瞬态响应，降低了频率波动和稳定时间。
引用
@article{arxiv.2512.02065,
title = {Quantum Machine Learning for Secondary Frequency Control},
author = {Younes Ghazagh Jahed and Alireza Khatiri},
journal= {arXiv preprint arXiv:2512.02065},
year = {2025}
}
备注
8 pages, 6 figures