摘要
本发明公开了一种基于动态图卷积网络的电动汽车充电站负荷预测方法、装置、设备及介质,该方法包括:获取若干个充电站的实时负荷数据和路网距离数据;将所述实时负荷数据和路网距离数据输入到预设的动态图卷积神经网络模型中,以使所述动态图卷积神经网络模型提取所述初始数据中的时间序列特征和空间相关性特征,并根据所述时间序列特征和空间相关性特征,输出各个电动汽车充电站预设时间段内的负荷预测结果。本发明通过引入动态邻接矩阵和动态图卷积神经网络模型,增强电动汽车充电站负荷预测模型捕捉时空相关性的能力,从而提高电动汽车充电站负荷预测的准确性。
技术关键词
卷积神经网络模型
时间序列特征
动态邻接矩阵
历史负荷数据
充电站负荷预测
路网拓扑结构
数据获取模块
可读存储介质
通信接口
输出模块
时间段
计算机
插值方法
存储器
处理器
系统为您推荐了相关专利信息
时间序列特征
混合卷积神经网络
注意力机制
静息态功能磁共振成像
影像
终端设备
网络流量特征
动态
视频传输参数
流量预测模型
一维卷积神经网络
浓度预测方法
深度学习模型
静脉
滑动窗口
胚胎代谢产物
筛选系统
数据库管理系统
形态
曲线分析方法
警示灯
热成像
图像
训练卷积神经网络模型
特征提取单元