基于Transformer的电动汽车充电站能耗预测研究

来源：计算机技术与发展杂志2025年第02期北京时间：

作者：袁溪;张邵欣*;张超;王宁宁;张萌萌5

单位：1. 西安文理学院 商学院,陕西 西安 710065;2. 绿盟科技,陕西 西安 710076;3. 西安索思信息技术有限公司,陕西 西安 710075;4. 平凉信息工程学校,甘肃 平凉 744000;5. 西安邮电大学 计算机学院,陕西 西安 710121

摘要：针对传统模型在处理高维非线性数据时预测精度不足的问题,该文提出了一种基于 Transformer 的电动汽车充电站能耗预测方法。 该方法通过引入自注意力机制,有效捕捉时间序列中的长短期依赖关系,显著提升了模型在复杂时序数据中的特征提取与预测能力。 为了验证该模型的有效性,将其与几种主流深度学习模型(包括 RNN、TCN、LSTM、GRU及其结合注意力机制的变体模型)进行了对比分析。 通过对宝鸡市某微电网电动汽车的真实能耗数据进行实验验证,结果表明,基于 Transformer 的模型在预测精度上显著优于其他模型,且在平均绝对误差(MAE)、均方根误差(RMSE)、以及判定系数(R2)等评价指标上表现出明显优势,证明了其在电动汽车能耗预测任务中的可靠性与先进性。 该方法为电动汽车能源管理、充电站规划和电网优化提供了有力支持,对推动电动汽车行业的可持续发展、优化充电设施布局以及提升电网运营效率具有重要的实际应用价值。

关键词：电动汽车;能耗预测;Transformer模型;深度学习;自注意力机制