一种基于时空深度学习的电动汽车充电负荷预测方法

本发明公开了一种基于时空深度学习的电动汽车充电负荷预测方法，所述方法包括：通过改进的多尺度实例部分卷积模块，填补充电负荷数据缺失值；将TVF‑RVMD‑FE分解方法结合模糊熵FE分解所述充电负荷数据；通过改进的偏置图卷积模块IBiased GCN进行数据空间特征分析；通过改进的MSAMformer时间序列模型结合ABKDE概率密度估计，得到电动汽车充电负荷预测结果；将改进的高斯变异梦境优化算法优化参数；本发明可以解决电动汽车充电负荷预测中因多源数据异构性、样本异常缺失及复杂时空耦合特性导致的预测精度不足问题，从而支持极端场景下的电网调度决策，促进新能源消纳与充电设施科学规划，最终提升配电网运行经济性与可靠性。