买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网获悉中国科学技术大学申请的专利一种电动汽车充电需求预测方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN120450169B 。

龙图腾网通过国家知识产权局官网在2025-09-30发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202510953857.3，技术领域涉及：G06Q10/04；该发明授权一种电动汽车充电需求预测方法是由秦家虎;郭丰硕;付维明;李思睿;韩睿天设计研发完成，并于2025-07-11向国家知识产权局提交的专利申请。

本一种电动汽车充电需求预测方法在说明书摘要公布了：本发明涉及充电站充电需求预测技术领域，公开了一种电动汽车充电需求预测方法，包括：构建包含道路结构耦合矩阵、交通流量演化矩阵和充电需求可达修正矩阵的异构动态邻接矩阵；将交通流数据与异构动态邻接矩阵输入多阶门控图网络，得到图特征；将所述图特征与大语言模型的词嵌入输入双向跨模态门控协同网络，对齐图特征与词嵌入；将双向跨模态门控协同网络的输出输入大语言模型，经全连接层输出充电需求预测结果；通过训练集优化模型参数，并基于测试集生成各充电站未来时段的充电需求预测结果。本发明解决了传统方法对交通系统动态演化适应性不足、多源信息融合割裂的痛点，为充电需求预测及充电站资源优化提供了可靠的技术支撑。

本发明授权一种电动汽车充电需求预测方法在权利要求书中公布了：1.一种电动汽车充电需求预测方法，其特征在于，包括： 采集目标区域内n个道路的历史交通流数据以及各充电站的历史订单数据；将采集的数据划分为训练集和测试集； 构建包含道路结构耦合矩阵、交通流量演化矩阵和充电需求可达修正矩阵的异构动态邻接矩阵；所述异构动态邻接矩阵为： ；其中，代表道路结构耦合矩阵，为交通流量演化矩阵，为充电需求可达修正矩阵，、、分别为道路结构耦合矩阵、交通流量演化矩阵和充电需求可达修正矩阵的权重项；道路结构耦合矩阵的权重项计算方式为：，其中、为可学习权重参数，为全局流量变化率，为局部流量差异；所述全局流量变化率的计算方式为：，为当前时刻全路网总流量，为过去一周同一时刻流量均值，为过去一周同一时刻流量标准差；所述局部流量差异计算方式为：，其中为相邻节点的平均流量；所述交通流量演化矩阵的权重的计算方式为：； 将交通流数据与异构动态邻接矩阵输入多阶门控图网络，依次进行一阶传播捕获直接关联、二阶传播捕获间接关联及稀疏邻接层次化聚合保留关键路径，并融合得到图特征，具体包括：所述交通流数据为，为t时刻交通流特征矩阵，为初始充电站特征矩阵；所述异构动态邻接矩阵在输入到多阶门控图网络前先经过对数缩放与稀疏掩码处理，生成邻接张量；所述多阶门控图网络包括一阶传播、二阶传播与稀疏邻接的层次化聚合；所述一阶传播的结果；为可学权重矩阵，为激活函数，通过一阶传播捕获直接关联；所述二阶传播的结果，为sigmoid函数，为可学习权重矩阵，为Hadamard 逐元素乘，通过二阶门控捕获间接关联；所述的稀疏邻接的层次化聚合的结果，其中，所述交通流数据为图数据，图数据中的每个节点代表一条道路，表示为每个节点保留权重最大的k条边，其余边置零，为可学习权重矩阵；表示平均池化操作；将一阶传播、二阶传播与稀疏邻接的层次化聚合的结果融合，得到所述图特征，表示层归一化操作； 将所述图特征与大语言模型的词嵌入输入双向跨模态门控协同网络，通过词嵌入降维、图特征主导的词嵌入调制、词嵌入反馈的图特征优化及异构特征张量交互，对齐图特征与词嵌入； 将双向跨模态门控协同网络的输出输入大语言模型，经全连接层输出充电需求预测结果； 通过训练集优化由多阶门控图网络和双向跨模态门控协同网络构成的预测模型的参数，并基于测试集生成各充电站未来时段的充电需求预测结果。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中国科学技术大学，其通讯地址为：230026 安徽省合肥市包河区金寨路96号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。