用于电动汽车充电站占用率预测的深度信息融合方法
机器学习
2021-08-31 v1
摘要
随着电动汽车数量的增加，准确预测充电站占用情况对于实现可靠车辆充电至关重要。本文提出一种新颖的动态与静态信息深度融合模型（DFDS），以有效预测充电站占用情况。我们利用静态信息（如关于一天中时间的均值占用）来学习特定充电站的模式。我们用反映先前充电站占用情况的动态信息以及诸如白天和工作日的时间信息补充此类静态数据。我们的模型高效融合动态与静态信息以促进准确预测。我们在一个包含德国 593 个充电站、覆盖 2020 年 8 月至 2020 年 12 月的真实数据集上评估所提模型。我们的实验表明，DFDS 在 F1-score 上平均比基线高出 3.45 个百分点。
引用
@article{arxiv.2108.12352,
title = {Deep Information Fusion for Electric Vehicle Charging Station Occupancy Forecasting},
author = {Ashutosh Sao and Nicolas Tempelmeier and Elena Demidova},
journal= {arXiv preprint arXiv:2108.12352},
year = {2021}
}