摘要
本发明公开一种多因素融合的电动汽车充电站可调容量预测方法,该预测方法首先通过对充电站区域的环境因素进行特征处理,增加了特征的维度,使预测模型的输入数据所包含的因素维度更加丰富,解决了现有的充电站负荷预测对环境因素考虑不足导致预测效果不理想的问题。其次,构建了包含了双输入融合网络的预测模型,通过两个并行分支分别处理历史特征和未来特征,最终融合特征并输出预测结果;该预测模型能够捕获全局依赖的能力,解决了相似日匹配的局限性使现有预测模型精度下降的问题。再次,利用改进的麻雀搜索算法对预测模型的超参数进行寻优,使所得的最优模型不仅具有最佳可训练参数,同时具有最佳的超参数,保证了预测数据的稳定性与准确性。
技术关键词
天气情况数据
可调容量
历史负荷数据
负荷特征
矩阵
序列
搜索算法
特征提取模块
注意力机制
分辨率
索引
周期性编码方法
元素
分支
超参数
充电站负荷预测
位置更新
系统为您推荐了相关专利信息
轨迹预测模型
多尺度特征提取
识别方法
视频帧
矩阵
神经网络模型
序列遥感影像
对象
实体
注意力机制
轴承故障诊断方法
客户端
蒸馏
动态
浅层特征提取
无人驾驶车辆
非线性方程组
横摆角速度
雅克比矩阵
车辆质心侧偏角