基于图卷积神经网络的充电量预测模型

针对现有的电动汽车充电量负荷预测模型准确性低、稳定性差等问题,提出了一种基于图卷积神经网络(GCN)和小生境免疫—狮子算法(NILA)改进的预测模型,实现电动汽车充电量的准确预测。同时,本研究还设计三相交流充电桩控制系统,其中包括了三相交流充电桩与控制状态检测的硬件电路。实验结果表明,本研究NILA-GCN模型在电动汽车充电量负荷预测中具有较好的准确性,预测误差范围控制在[0.23%,2.86%]。

基于WOA和LA的安全路由协议优化设计

综合考虑鲸鱼优化算法(WOA)在安全路由协议多维目标函数优化中的普适性和狮子算法(LA)收敛速度的高效性,建立一个优化的安全路由协议模型。不同角度分析影响路由协议安全性的信任度、能量、链路维持时间、时延、移动性等定量参数,建立相应的归一化多维目标优化函数;在该多维目标函数求解中,用WOA实现目标值的本地识别、包围与靠近,用LA算法实现区域搜索,提高算法的全局收敛速度和可靠性。通过对比仿真验证了所提算法的收敛速度和优化质量均高于其它算法。