Neues Hypergraph-Framework HyperCast verbessert EV-Ladevorhersagen drastisch

Ein brandneues Modell namens HyperCast verspricht, die Vorhersage von Ladebedarf für Elektrofahrzeuge (EV) deutlich zu verbessern. Durch den Einsatz von Hypergraphen, die komplexe, gruppenbasierte Beziehungen zwischen Ladestationen abbilden, kann das System über die üblichen paarweisen Verbindungen hinausgehen und die dynamischen Ladegewohnheiten in Städten genauer erfassen.

HyperCast kombiniert mehrere Ansichten von Ladestationen: eine statische, geografische Nähe und eine dynamische, auf Nachfrage basierende Ähnlichkeit. Zusätzlich werden Daten auf unterschiedlichen Zeitskalen verarbeitet, um sowohl kurzfristige Trends als auch wöchentliche Muster zu berücksichtigen. Spezielle Hyper-Spatiotemporal-Blöcke und maßgeschneiderte Cross-Attention-Mechanismen fügen diese Informationen effektiv zusammen.

In umfangreichen Tests auf vier öffentlichen Datensätzen hat HyperCast die Leistung bestehender Methoden deutlich übertroffen. Die Ergebnisse zeigen, dass die explizite Modellierung kollektiver Ladeverhalten zu präziseren Prognosen führt – ein entscheidender Fortschritt für die stabile Netzsteuerung und die aktive Teilnahme von EVs am Strommarkt.