摘要
本发明属于深度学习与交通能源管理技术领域,公开了一种高速公路新能源汽车充电站充电需求预测方法,包括以下步骤:S1.采集高速公路新能源汽车充电站的历史充电记录数据,并对数据进行初步预处理;S2.特征归一化与时间嵌入,构建时间序列输入;S3.构建TLPAformer模型,TLPAformer模型包括时序建模模块、频域注意力模块、解码器和投影层;S4.将步骤S2构建的时间序列输入,导入TLPAformer模型,生成未来一定时间范围内的充电需求预测值。本发明方法能够精准预测高速公路新能源汽车充电站在节假日与非节假日的影响下的充电需求,具备预测精度高、泛化能力强、适应性好等优点,适用于高速公路场景下充电资源优化配置与调度。
技术关键词
新能源汽车充电站
需求预测方法
子模块
解码器
前馈神经网络
交叉注意力机制
时序特征
交通能源管理
依赖特征
编码器
高速公路场景
卷积特征提取
资源优化配置
长短期记忆网络
时间序列特征
系统为您推荐了相关专利信息
参数识别模型
随机森林模型
信号控制方法
信号控制单元
滤波补偿算法
低分辨率编码器
医学图像分割方法
注意力
编码器架构
磁共振成像数据
茶叶嫩芽检测方法
分支
多模态
特征金字塔
检测网络模型
多尺度特征融合
梯度下降算法
网络
特征提取单元
子模块
广角图像校正方法
薄板样条
控制点
运动估计
输入解码器