电动汽车的充电行为已成为牵动交通与电网的系统性挑战。一项新研究提出了一种图注意力代理模型，能快速且精准地学习充电价格对车流和电网负荷的时空影响，为实现智能化的动态调度提供了关键技术支撑，有效提升系统整体运行效率。
智能速览
电动汽车充电是交通与电网深度耦合的系统性难题。
研究提出图注意力模型，可快速学习充电价格的时空响应规律。
模型计算效率实现从分钟级到毫秒级的跨越，满足实时调度需求。
动态充电定价能有效疏导交通拥堵，并减轻配电网的运行压力。
采用动态定价策略后，系统总社会成本可降低约3.5%。
精华内容
这项研究的核心，是构建一个能理解时空复杂性的“快准稳”代理模型，让实时动态定价从理论走向可能。
融合时空的模型结构
该模型创新性地融合了图卷积网络（GCN）、双向交叉注意力与Transformer。其中，GCN负责捕捉道路网络的空间拓扑关系，精准刻画充电站对周边交通流的影响。双向交叉注意力机制则巧妙地融合了全局交通需求与局部路网结构，避免了信息拼接的浪费。Transformer则专注于学习充电行为在时间维度上的耦合与峰谷规律，实现对滞后效应的自动捕捉。
又快又准的性能验证
在仿真测试中，该模型的预测精度显著优于BP、GRU及单一Transformer等基准模型，其平均误差相较次优模型降低21.83%。更关键的是，在计算效率上，该模型将传统优化方法分钟级的求解时间缩短至毫秒级，实现了数量级的加速，这为在线应用提供了可能。
动态定价的实际效果
通过引入南京市5个公共快充站的实测数据验证，模型预测曲线与真实负荷高度吻合。对比实验显示，动态充电服务费能够引导车辆避开拥堵路段和高负荷充电站，使交通流和充电负荷在时空分布上更均衡，有效缓解了局部拥堵和电网过载风险。
可量化的经济效益
动态定价策略不仅提升了系统稳定性，还带来了显著的经济效益。量化分析表明，该策略可使系统总社会成本降低约3.5%。具体来看，配电网侧运行成本下降约4.1%，网损降低约4.7%，而交通网络侧用户的综合出行成本也降低了约3.3%，实现了交通与电力系统的整体经济优化。
该研究不仅成功构建了连接价格、交通与电网的智能模型，更通过“算得出”到“用得上”的跨越，为未来城市交通与能源系统的协同优化指明了方向，展示了巨大的应用潜力。
