现有电动汽车充电负荷预测研究，多对单一预测对象开展研究。同时，对充电场景下多公共充电站的充电负荷时-空预测研究较少。公共充电站的充电负荷波动剧烈，较私人充电设施的充电负荷难以预测。为此，提出一个基于自适应时-空图卷积神经网络的多公共充电站充电负荷时-空短期预测方法。首先，通过快速最大信息系数构建含有日期、气象以及历史负荷特征的多节点特征集。并通过数据自适应图生成，构建动态相似权时-空图，实现多公共充电站空间连接关系重构。然后，构建图卷积层，差异化生成各节点的空间聚合特征，实现全域充电节点差异化特征增强。同时，通过节点自适应参数学习方法学习不同充电节点的充电模式。最后，通过门控循环单元层挖掘空间聚合特征的时域特征。所提出的公共充电站充电负荷时-空预测方法相应的对称平均绝对百分比误差(symmetric mean absolute percentage error

SMAPE)和平均绝对误差(mean absolute error

MAE)分别为12.95%和31.72 kW。