本發(fā)明公開(kāi)了用于電動(dòng)汽車(chē)充電站的負(fù)荷預(yù)測(cè)模型的訓(xùn)練方法及訓(xùn)練裝置、存儲(chǔ)介質(zhì)、設(shè)備。訓(xùn)練方法包括：獲取充電站若干時(shí)刻的歷史負(fù)荷狀態(tài)數(shù)據(jù)，每一時(shí)刻的歷史負(fù)荷狀態(tài)數(shù)據(jù)包括多類(lèi)歷史變量數(shù)據(jù)以及相應(yīng)的真實(shí)負(fù)荷數(shù)據(jù)；利用預(yù)設(shè)模型依次對(duì)每一時(shí)刻的每一類(lèi)歷史變量數(shù)據(jù)進(jìn)行單獨(dú)預(yù)測(cè)，以生成多組預(yù)測(cè)負(fù)荷數(shù)據(jù)；根據(jù)強(qiáng)化學(xué)習(xí)方法，并利用多組預(yù)測(cè)負(fù)荷數(shù)據(jù)和真實(shí)負(fù)荷數(shù)據(jù)對(duì)待訓(xùn)練的負(fù)荷預(yù)測(cè)模型的權(quán)重?cái)?shù)據(jù)組進(jìn)行訓(xùn)練。通過(guò)使用多種歷史變量數(shù)據(jù)，提升了預(yù)測(cè)精度。同時(shí)使用相空間重構(gòu)技術(shù)，從輸入數(shù)據(jù)中提取更多有用的信息，提高了模型的計(jì)算性能。使用GRU神經(jīng)網(wǎng)絡(luò)對(duì)輸入數(shù)據(jù)進(jìn)行預(yù)測(cè)，加快了計(jì)算速度，并結(jié)合Q學(xué)習(xí)算法，提升了模型的預(yù)測(cè)精度。