一种基于量子计算的电磁暂态仿真方程组求解方法和装置与流程

本发明涉及量子计算，尤其涉及一种基于量子计算的电磁暂态仿真方程组求解方法和装置。

背景技术：

1、电磁暂态仿真是指利用数学模型和计算机程序来模拟电磁学中的瞬态现象，这些瞬态现象可能包括电磁场的传播、电磁辐射和电磁干扰等。线性方程组求解是指解决一组线性方程组的过程，通常是用来描述物理系统的状态和变化，因此尝尝被用来模拟物理系统。电磁暂态仿真通常需要解决一组电磁学方程组，而这些方程组又可以转化为线性方程组，因此线性方程组求解算法可以用来解决电磁暂态仿真中的问题。

2、电磁暂态仿真计算，特别是实时电磁暂态仿真计算，需要大量的算力。对于越来越大规模的电力系统，传统的电磁暂态仿真方程组的求解耗时长，难以满足效率需求。因此，提高电磁暂态仿真方程组的求解效率，是本领域技术人员亟待解决的技术问题。

技术实现思路

1、本发明提供了一种基于量子计算的电磁暂态仿真方程组求解方法和装置，用于解决传统的电磁暂态仿真方程组的求解耗时长，难以满足效率需求的技术问题。

2、有鉴于此，本发明第一方面提供了一种基于量子计算的电磁暂态仿真方程组求解方法，包括：

3、通过机电暂态程序计算电力系统仿真模型的初始状态；

4、将电力系统仿真模型分解成多个子系统，分别建立子系统对应的动态模型，并使得各子系统处于初始状态；

5、根据各子系统的初始状态，将待求解的问题转化为对应的量子态，通过量子神经网络将待求解的问题编码到系列带参数的物理操作中，对量子神经网络进行训练；

6、根据量子神经网络的输出结果计算损失函数的损失值，对量子神经网络的参数进行调整，使得损失函数取得最小值；

7、将损失函数取得最小值时对应的量子神经网络的参数输出给电磁暂态程序，得到电力系统仿真模型的下一状态。

8、可选地，将待求解的问题转化为对应的量子态，包括：

9、采用哈达玛门电路或ry量子门电路将待求解的问题转化为对应的量子态。

10、可选地，通过量子神经网络将待求解的问题编码到系列带参数的物理操作中，对量子神经网络进行训练，包括：

11、通过量子神经网络将待求解的问题编码到系列带参数的物理操作中，基于变分量子算法对量子神经网络进行训练。

12、可选地，根据量子神经网络的输出结果计算损失函数的损失值，对量子神经网络的参数进行调整，使得损失函数取得最小值，包括：

13、根据量子神经网络的输出结果计算损失函数的损失值，基于量子梯度下降算法，对量子神经网络的参数进行调整，使得损失函数取得最小值。

14、本发明第二方面提供了一种基于量子计算的电磁暂态仿真方程组求解装置，包括：

15、初态计算模块，用于通过机电暂态程序计算电力系统仿真模型的初始状态；

16、初态制备模块，用于将电力系统仿真模型分解成多个子系统，分别建立子系统对应的动态模型，并使得各子系统处于初始状态；

17、问题编码模块，用于根据各子系统的初始状态，将待求解的问题转化为对应的量子态，通过量子神经网络将待求解的问题编码到系列带参数的物理操作中，对量子神经网络进行训练；

18、损失值计算模块，用于根据量子神经网络的输出结果计算损失函数的损失值，对量子神经网络的参数进行调整，使得损失函数取得最小值；

19、输出模块，用于将损失函数取得最小值时对应的量子神经网络的参数输出给电磁暂态程序，得到电力系统仿真模型的下一状态。

20、可选地，问题编码模块具体用于：

21、根据各子系统的初始状态，采用哈达玛门电路或ry量子门电路将待求解的问题转化为对应的量子态，通过量子神经网络将待求解的问题编码到系列带参数的物理操作中，对量子神经网络进行训练。

22、可选地，问题编码模块具体用于：

23、根据各子系统的初始状态，将待求解的问题转化为对应的量子态，通过量子神经网络将待求解的问题编码到系列带参数的物理操作中，基于变分量子算法对量子神经网络进行训练。

24、可选地，损失值计算模块具体用于：

25、根据量子神经网络的输出结果计算损失函数的损失值，基于量子梯度下降算法，对量子神经网络的参数进行调整，使得损失函数取得最小值。

26、从以上技术方案可以看出，本发明提供的基于量子计算的电磁暂态仿真方程组求解方法和装置具有以下优点：

27、本发明提供的基于量子计算的电磁暂态仿真方程组求解方法，先通过机电暂态程序计算电力系统仿真模型的初始状态，利用量子多态技术将电力系统仿真模型分解成多个子系统，分别建立子系统对应的动态模型，并使得各子系统处于初始状态，然后将待求解的问题转化为对应的量子态，使用量子神经网络来代替传统的物理操作，将待求解问题编码到系列带参数的物理操作中，对量子神经网络进行训练调参，以损失函数最小化的方式得到最优解，将损失函数取得最小值时对应的量子神经网络的参数输出给电磁暂态程序，得到电力系统仿真模型的下一状态，极大地提高了电磁暂态仿真方程组的求解效率，解决了传统的电磁暂态仿真方程组的求解耗时长，难以满足效率需求的技术问题。

28、本发明提供的基于量子计算的电磁暂态仿真方程组求解装置，用于执行本发明提供的基于量子计算的电磁暂态仿真方程组求解方法，其原理和所取得的技术效果与本发明提供的基于量子计算的电磁暂态仿真方程组求解方法相同，在此不再赘述。

技术特征：

1.一种基于量子计算的电磁暂态仿真方程组求解方法，其特征在于，包括：

2.根据权利要求1所述的基于量子计算的电磁暂态仿真方程组求解方法，其特征在于，将待求解的问题转化为对应的量子态，包括：

3.根据权利要求1所述的基于量子计算的电磁暂态仿真方程组求解方法，其特征在于，通过量子神经网络将待求解的问题编码到系列带参数的物理操作中，对量子神经网络进行训练，包括：

4.根据权利要求1所述的基于量子计算的电磁暂态仿真方程组求解方法，其特征在于，根据量子神经网络的输出结果计算损失函数的损失值，对量子神经网络的参数进行调整，使得损失函数取得最小值，包括：

5.一种基于量子计算的电磁暂态仿真方程组求解装置，其特征在于，包括：

6.根据权利要求5所述的基于量子计算的电磁暂态仿真方程组求解装置，其特征在于，问题编码模块具体用于：

7.根据权利要求5所述的基于量子计算的电磁暂态仿真方程组求解装置，其特征在于，问题编码模块具体用于：

8.根据权利要求5所述的基于量子计算的电磁暂态仿真方程组求解装置，其特征在于，损失值计算模块具体用于：

技术总结
本发明公开了一种基于量子计算的电磁暂态仿真方程组求解方法和装置，先通过机电暂态程序计算电力系统仿真模型的初始状态，利用量子多态技术将电力系统仿真模型分解成多个子系统，分别建立子系统对应的动态模型，并使得各子系统处于初始状态，然后将待求解的问题转化为对应的量子态，使用量子神经网络来代替传统的物理操作，将待求解问题编码到系列带参数的物理操作中，对量子神经网络进行训练调参，以损失函数最小化的方式得到最优解，将损失函数取得最小值时对应的量子神经网络的参数输出给电磁暂态程序，得到电力系统仿真模型的下一状态。解决了传统的电磁暂态仿真方程组的求解耗时长，难以满足效率需求的技术问题。

技术研发人员：郭海平,卢远宏,郭天宇,张杰,黄立滨,李书勇,胡云,刘宇嫣,郭琦
受保护的技术使用者：南方电网科学研究院有限责任公司
技术研发日：
技术公布日：2024/1/14