تُعتبر المركبات الكهربائية (EV) أحد أهم الابتكارات التكنولوجية في عصرنا، ولكن مع ازدياد استخدامها، تبرز تحديات جديدة في مجال التنبؤ بتحميلات الشحن. إذ يتميز هذا التحميل بتنوع سلوكي وتغيرات زمنية تُصعّب على الأنظمة التقليدية إجراء توقعات دقيقة. لذلك، تمثل الدراسة الحديثة المقدمة إطارًا جديدًا لتوقع التحميلات يستند إلى سلوك المستخدمين.

في هذا الإطار، تم تحديد أنماط شحن معينة تتسم بالاستمرارية، إذ تختلف هذه الأنماط من محطة إلى أخرى. علاوة على ذلك، فإن التغيرات السلوكية التي تحدث في الآونة الأخيرة يمكن أن تُعدل توزيع التحميلات بشكل مستمر. لذا، يقوم البحث بإدخال تمثيل مزدوج للزمن يميز بين الخصائص الشحن طويلة الأمد والحالات السلوكية الحديثة، مما يساعد في قياس الانحرافات.

كما يعتمد النظام على ترميز هذه التغيرات السلوكية بشكل سمتي لضمان القدرة على التكيف مع التغيرات الطفيفة في النماذج، بينما يضمن آلية التغذية الراجعة المؤجلة تحديثات زمنية متسقة عبر آفاق توقع مختلفة.

أثبتت التجارب التي أُجريت على عشرة محطات شحن متنوعة أن الطريقة المقترحة تتفوق باستمرار على النماذج التقليدية للForecasting ودعم التغيرات السلوكية بشكل واضح، حيث زادت الدقة بشكل ملحوظ، متفوقةً على الأساليب التقليدية بمعدل انخفاض بنسبة 15.3% في متوسط خطأ الجذر التربيعي و17.8% في خسارة Pinball للتنبؤ لمدة ساعة واحدة، وبنسبة 16.8% و22.6% لتنبؤات تمتد لأربع ساعات، مما يبرهن على كفاءة هذه الطريقة الجديدة.