一种基于深度学习的交通流量和充电站负荷预测方法

本发明提供了一种基于深度学习的交通流量和充电站负荷预测方法，旨在提高交通流量预测的精度并准确预测电动汽车充电站的负荷情况。该方法包括以下步骤：首先，采用基于注意力机制的空间时间图卷积网络模型预测未来交通流量和交通速度。其次，基于车辆日行距离的概率分布，使用混合模型与期望最大化算法计算电动汽车的充电需求，并通过多项式回归模型预测电动汽车的能耗。最后，基于电动汽车的行驶行为，构建电动车排队模型，该模型综合考虑充电站容量限制、等候时间过长和不耐烦离开等行为，通过随机马尔可夫链分析方法计算充电站的负荷预测。该方法能够有效捕捉交通流量和电动车充电需求的时空特性，并提高充电站负荷预测的准确性。