一种融合交通仿真和图网络的电动汽车负荷时空预测方法

本发明适用于电动汽车负荷预测技术领域，提供了一种融合交通仿真和图网络的电动汽车负荷时空预测方法，其方法包括：通过构建可学习的神经网络模块替代固定参数的物理模型，从多源数据中学习并输出表征充电站间动态物理交互的第一动态邻接矩阵；同时通过另一神经网络模块从历史负荷数据中推断并输出表征潜在关联的第二动态邻接矩阵；构建双流时空预测网络，以两种动态邻接矩阵为图结构，并行提取物理空间特征和潜在空间特征，并通过融合生成统一的时空特征，最后进行时序预测。本发明有效提升了模型在真实场景下的适应性和预测精度，同时提升了电动汽车充电负荷时空预测的精度、鲁棒性以及泛化能力。