群发资讯网

229电价感知模型预测深圳充电设施需求压力 📄论文题目:From price-

229电价感知模型预测深圳充电设施需求压力
📄论文题目:From price-active demand prediction to infrastructure pressure: A price-aware spatio-temporal graph learning framework for urban EV charging networks(从价格敏感需求预测到设施压力:城市电动车充电网络的时空图学习框架)

📚文献期刊:Sustainable Cities and Society

🏆期刊分区:2025中科院工程技术1区;JCR Q1

📅发布年份:2026

👤发布第一作者及机构:Jingkai Huang|北京理工大学电动车辆国家工程研究中心

🔑关键词:充电需求;分时电价;时空图学习;深圳;设施容量

⚠️现有研究不足:现有需求预测常只利用历史充电量,弱化周边价格差与站点占用的短期影响,也未把预测转化为容量缺口诊断。若模型不显式纳入价格,低价站点需求转移会被错误归因于邻近站历史流量。

🎯研究目标(解决的问题):提高不同预测时距的站点需求准确度,并识别价格波动下哪些区域会出现充电供需错配。把预测误差转成设施压力与扩容决策指标,明确模型对调价情景的适用边界。

🔍研究内容:深圳公共充电数据表明,价格感知模型在四种预测间隔总体表现最佳,预测期拉长仍较稳健;分时电价、高空间价差及高需求情景中优势更明显。基于预测的容量情景指出压力高度局地集中,但模型对价格的响应是预测性估计,不等于调价的实测因果效应。站点压力集中意味着平均扩容效率低;价格干预、容量升级和跨站引导应根据局部供需状态组合。

🧪研究方法:以PatchTST编码时序、GraphSAGE聚合邻近站点,加入价格残差分支和占用约束,再评估容量扩建情景。以时间切片捕获周期模式,图结构编码站点联系,价格残差分支单独学习价格相关变化,并设置占用约束。

🚀未来创新点(可借用):结合真实调价实验与车辆路线选择,验证价格弹性;纳入排队、配网约束和公平性后优化扩容。可借用‘需求预测—瓶颈定位—约束情景’链条,但调价建议须先用自然实验估计真实弹性。地理学 科研学习 学术论文 能源 SCI论文 城乡规划sci 遥感
气候变化