-
题名基于时空图卷积网络的电动汽车充电需求预测
- 1
-
-
作者
耿鹏
杨豪杰
师宗夏
柳艳
-
机构
南京工程学院通信与人工智能学院、集成电路学院
南京工程学院电力工程学院
南京工程学院数理学院
-
出处
《交通工程》
2024年第11期37-45,共9页
-
基金
江苏科技智库计划(青年)项目(No.JSKX24085)
国家自然科学基金面上项目(No.41972111)。
-
文摘
为提高电动汽车充电需求预测的准确性,减少热点区域交通压力,提出一种融合图卷积网络(GCN)与长短期记忆网络(LSTM)的时空图卷积网络模型(GCN+LSTM)。该模型将充电站作为图的节点,并通过地理位置的接近程度定义节点间的连接。通过GCN迭代聚合相邻节点信息,模型能捕捉充电站之间的空间关联。同时,LSTM对充电需求的时间序列特征进行分析,利用历史数据预测未来的充电趋势。通过构建充电站间的栅格地图,模型实现了高效的数据处理和特征提取。实验结果表明,与其他传统网络模型相比,GCN+LSTM模型在7 d、30 d预测任务中,整体上均展现出更低的平均绝对误差(MAE)、均方根误差(RMSE)以及平均绝对百分比误差(MAPE),显示出更优的预测性能。
-
关键词
电动汽车
充电需求
图卷积网络
长短期记忆网络
时空预测
-
Keywords
electric vehicle
charging demand
graph convolutional network
long short-term memory network
spatiotemporal forecasting
-
分类号
U491
[交通运输工程—交通运输规划与管理]
-
