基于GCN-Transformer模型的电动汽车电池更换站在不同耦合下的时空负荷预测方法

本发明公开了基于GCN‑Transformer模型的电动汽车电池更换站在不同耦合下的时空负荷预测方法，具体为：步骤1，获取n个换电站k小时内的电负荷数据，对换电负荷数据进行预处理，并将预处理后的数据分为训练集和验证集；步骤2，获取n个换电站之间的邻接矩阵A；步骤3，构建含有多头注意力机制与稀疏注意力机制的GCN‑Transformer模型；步骤4，采用训练集中的数据对步骤构建的模型进行训练；步骤5，使用训练好的模型进行电动汽车电池更换站在不同耦合下的时空负荷预测。本发明通过集成空间和时间特征，能够捕捉换电站之间复杂的时空依赖关系，增强了负荷预测的准确性。