一种联邦学习架构下基于图卷积的智能充电桩需求预测方法

本发明涉及一种联邦学习架构下基于图卷积的智能充电桩需求预测方法，属于电动汽车充电技术领域。该方法旨在解决传统预测方案中的模型误解释风险、时空依赖复杂性建模不足以及数据隐私保护问题。技术方案包括：中心服务器执行经济规律约束的多模态元学习预训练生成全局基础模型；智能充电桩通过时间价值融合模块本地处理充电占用率与价格数据，生成加密特征并上传至边缘服务器；边缘服务器构建多尺度邻接图进行图卷积空间特征提取，结合时间模式注意力机制建模长短期时序依赖；通过自适应权重的联邦学习策略实现云边端协同模型聚合。技术效果包括根本性消除价格需求误判、实现多维度时空特征协同建模、保障数据隐私安全与系统鲁棒性。