Краткое содержание

arXiv:2510.26910v2 Тип объявления: замена Аннотация: Декарбонизация транспорта зависит от широкого распространения электромобилей (EV), что требует точного понимания поведения зарядки для обеспечения экономически эффективной и устойчивой к сетевым нагрузкам инфраструктуры. Существующие исследования ограничены небольшими наборами данных, простыми моделями временных зависимостей на основе близости и слабым обобщением на объекты с ограниченной эксплуатационной историей. Для преодоления этих ограничений в данной работе предлагается фреймворк, объединяющий кластеризацию с прогнозированием по методу "few-shot", позволяющий выявлять архетипы объектов с использованием нового крупного набора данных о спросе на зарядку. Результаты показывают, что экспертные модели, специфичные для каждого архетипа, превосходят глобальные базовые модели при прогнозировании спроса на объектах, ранее не наблюдавшихся. Установив качество прогнозирования как основу сегментации инфраструктуры, мы получаем практические рекомендации, позволяющие операторам снизить затраты, оптимизировать стратегии энергопотребления и ценообразования, а также поддерживать устойчивость сети.