文献检索-宁波市创意产业特色资源库

限定检索结果

基于图卷积神经网络的充电量预测模型: 收藏
分享
引用; 《微型电脑应用》2023年第2期39卷 45-49页; 作者：张谢陈朔王尉陈小龙赵学会王双国网安徽省电力有限公司合肥供电公司安徽合肥230000 安徽明生恒卓科技有限公司安徽合肥230000; 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...; 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%]。; 来源：详细信息评论

限定检索结果