[发明专利]一种电动汽车充电需求预测方法及装置

权利要求书

1.一种电动汽车充电需求预测方法，应用于电动汽车充电需求预测服务器，其特征在于，所述方法包括：

构建测试数据集；

通过所述测试数据集对负荷预测模型进行训练；

将所述测试数据集输入训练后的负荷预测模型，获得预测结果。

2.根据权利要求1所述的电动汽车充电需求预测方法，其特征在于：所述测试数据集中的数据按照所期望的预测时间周期切分，包括以下维度：历史车流量数据、历史充电需求数据、地区分时电价数据、是否节假日数据、温度数据、储能运行状态数据、充电站点所处经纬度、季节、天气、是否存在运营补贴。

3.根据权利要求1所述的电动汽车充电需求预测方法，其特征在于：所述负荷预测模型包括嵌入层、编码层和解码层；其中，

所述嵌入层包括卷积模块、位置编码器和时间编码器，用于对输入的测试数据集进行线性变换和时序信息拼接，生成时序位置编码数据；

所述编码层包括两条支路，其中，第一支路包括第一概率稀疏自注意力网络模块，用于长周期的注意力构建和分配；第二支路包括门控线性激活单元、卷积模块和全连接模块，用于输入数据指定时间周期内局部关联信息的提取；所述编码层用于对嵌入层输出的数据进行并行处理，获得Query、Key、Value查询序列矩阵以及自注意力输出Z1”、Z2”；并将所述处理结果拼接后送入全连接层并输出；

所述解码层包括mask稀疏自注意力网络模块和第二自注意力网络模块，用于根据所述嵌入层和编码层输出获得联合注意力序列，并根据所述联合注意力序列获得预测结果；其中，所述第二自注意力网络模块和所述编码层的第一自注意力网络模块的结构相同。

4.根据权利要求3所述的电动汽车充电需求预测方法，其特征在于：所述嵌入层还用于：

对所述线性变换和时序信息拼接后生成的数据，进行数据增强；

将所述线性变换和时序信息拼接后生成的数据和进行数据增强后生成的数据，作为所述嵌入层输出的数据，送入所述编码层；

其中，所述数据增强采用如下方法之一：

方法一：

在一个时间周期内，按照维度对数据进行拆分；

针对拆分后的一个或多个维度数据，将其部分或全部内容替换为其数值限定范围内的随机数值；

将替换后的维度数据组合为原始数据格式；

方法二：

在一个时间周期内，在数据中确定一个或多个切片；

随机截取其他时间周期内相同长度的一个或多个切片；

将所述其他时间周期内相同长度的一个或多个切片覆盖所述本数据中确定的一个或多个切片。

5.根据权利要求4所述的电动汽车充电需求预测方法，其特征在于：所述通过所述测试数据集对负荷预测模型进行训练，包括：

通过Adam优化器，对所述嵌入层和编码层的输出进行自监督对比学习训练；

通过Adam优化器，对所述负荷预测模型的输出进行训练。

6.根据权利要求5所述的电动汽车充电需求预测方法，其特征在于：所述通过Adam优化器，对所述嵌入层和编码层的输出进行自监督对比学习训练，包括：

计算总损失L_total，

将所述总损失L_total发送至所述嵌入层的卷积模块，更新所述卷积模块的参数；

其中，所述总损失L_total通过以下公式获得：

L_total＝L₁+L₂，

其中，Z₁、Z₂分别为所述嵌入层输出的所述线性变换和时序信息拼接后生成的数据和进行数据增强后生成的数据，所述P₁、P₂为所述编码层处理过程中所述第一支路和第二支路输出且尚未进入所述全链接模块的数据，所述‖…‖₂表示二范数。