多因素融合驱动的电动汽车充电负荷时空预测

王继波; 丁卉; 刘明鑫; 郭悠游

doi:10.13471/j.cnki.acta.snus.ZR20250184

中山大学学报（自然科学版中英文） ›› 2026, Vol. 65 ›› Issue (1) : 103 -110. DOI: 10.13471/j.cnki.acta.snus.ZR20250184

多因素融合驱动的电动汽车充电负荷时空预测

王继波, 丁卉, 刘明鑫, 郭悠游

作者信息 +

Author information +

文章历史 +

摘要

针对多因素影响下城市电动汽车充电负荷的预测问题，提出了时空图卷积与多通道注意力网络融合模型（STGC-SENet）。该模型构建了周期性时序片段提取模块以获取近期、日、周三尺度周期特征，通过时空图卷积实现时序依赖与空间拓扑关联的同步建模，引入SE通道注意力层对多因素特征通道进行重标定，动态强化关键特征。基于真实数据的实验表明：相比于长短时记忆网络（LSTM）、多视角时空图卷积网络（MSTGCN）、基于注意力的时空图卷积网络（ASTGCN）等基线模型，STGC-SENet的平均绝对误差分别下降3.36、0.56、1.10。在因素敏感性方面，相比于近期、周时序片段，日周期因子的加入对模型预测提升效果最为显著；在历史充电负荷输入下，充电桩占用数与实时电价融入能够获得最优的预测效果，整体平均绝对误差下降至5.08，而充电桩数目和气象因素的融入并未带来较好的预测效果提升。