随着经济和社会的快速发展,国内汽车保有量不断增多,给生态环境保护带来了巨大挑战。出于对环境和能源安全的考虑,越来越多的城市开始构建电动汽车充电站网络。电动汽车依赖于公共充电站提供电量,因此能够准确地预测新城市中充电站的充电需求十分重要,有助于运营策略的制定和新站点的部署工作。由于预测新城市的充电站需求存在冷启动问题,本文使用迁移学习将充电需求知识从具有丰富充电数据的城市迁移到新城市。跨城市充电站需求预测存在两个核心问题:如何利用多源数据提取有效特征、如何应对跨城市多源数据存在的领域偏移。本文首先对多源数据和充电需求进行了特征关联性分析,设计了外部因素特征提取模块和充电站配置特征提取模块,来建模多源数据对充电需求的影响,并通过空间注意力机制提取特征图中关键的上下文信息。其次,跨城市多源数据之间存在的领域偏移问题是由于两个城市的特征数据分布不同导致的。因此,本文设计了一个领域区分模块来学习两个城市的充电需求模式中深层不变的特征。此外,本文设计了充电需求预测模块来对充电需求和充电需求热度排名进行预测。最后,本文实现了一个基于注意力机制的卷积领域适应性网络,并建立了三组跨城市的充电需求数据集,对提出算法和其他对比方法进行了充分的实验对比,验证了本文算法的有效性。