一种基于Informer模型改进的智能汽车充电负荷概率预测方法

本发明提出了一种基于Informer模型改进的智能汽车充电负荷概率预测方法，包括：步骤1、收集并整理相关地区的充电数据；步骤2、改进原有模型，设计出时空多尺度注意力网络(SMAN)模块和双向交互注意力(DDI)模块；步骤3、通过训练得到准确的充电需求预测模型，计算预测误差，并与其他现有模型的预测效果进行对比；步骤4、进行消融实验，比较不同模块对模型性能的提升效果。步骤5、实现电动汽车充电负载的概率预测，提升预测精度，助力电网管理。本发明基于Informer模型创新地提出了SMAN和DDI模块，SMAN模块旨在解决充电负荷预测中的时空依赖性建模问题，显著提高了预测精度；DDI模块则更有效地捕捉时空依赖关系，进一步提升了动态充电需求预测的准确性。