关键词：电动汽车;能耗预测;Transformer模型;深度学习;自注意力机制
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，本文提出了一种基于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。为了验证所提模型的有效性，本文将其预测性能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。
内 容：原文可通过湖北省科技资源共享服务平台(https://www.hbsts.org.cn/)获取