摘要
本发明涉及充电站充电需求预测技术领域,公开了一种电动汽车充电需求预测方法,包括:构建包含道路结构耦合矩阵、交通流量演化矩阵和充电需求可达修正矩阵的异构动态邻接矩阵;将交通流数据与异构动态邻接矩阵输入多阶门控图网络,得到图特征;将所述图特征与大语言模型的词嵌入输入双向跨模态门控协同网络,对齐图特征与词嵌入;将双向跨模态门控协同网络的输出输入大语言模型,经全连接层输出充电需求预测结果;通过训练集优化模型参数,并基于测试集生成各充电站未来时段的充电需求预测结果。本发明解决了传统方法对交通系统动态演化适应性不足、多源信息融合割裂的痛点,为充电需求预测及充电站资源优化提供了可靠的技术支撑。
技术关键词
需求预测方法
动态邻接矩阵
充电站
大语言模型
道路结构
跨模态
训练集优化
异构特征
网络
需求预测技术
sigmoid函数
历史订单数据
交通流特征
多源信息融合
代表
短距离
系统为您推荐了相关专利信息
大语言模型
路径规划方法
分子
非暂态计算机可读存储介质
路径规划装置
自然语言
预测分类模型
关键词
翻译方法
神经网络模型