.png){kind=icon}
返回
Smart Energy Management Based Task Allocation With Security Analysis Using Machine Learning Algorithms
.png){kind=icon}
PRE
AI
DOI：10.1002/cpe.70283.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
智能城市的一个新兴组成部分是车辆到电网（V2G）技术，它为调度和能量存储提供了一种新颖的方法。当前的安全威胁阻碍了V2G的正常运行。V2G安全面临两个挑战。现有的V2G安全方案仅考虑静态安全方法，这不足以处理V2G中的高级持续性攻击和高动态性问题。然而，当前V2G缺乏统一的信息建模技术，导致安全和通信方面出现问题。研究目的是提出一种基于智能能量管理的任务分配和安全分析新方法，在V2G架构中使用机器学习模型。在此，智能能量管理和任务分配采用混合燃料电池模型与深度向量Q-梯度模型进行。随后，V2G网络的安全分析采用多层区块链智能合约基础的联邦LSTM模型进行。实验分析从服务质量（QoS）、能源效率、网络效率、数据完整性和训练准确率等方面展开。仿真结果用于证明所提方法的有效性。
Keyword:
machine learning model
security analysis
smart energy management
task allocation
V2G
期刊
C
IF:
1.5
论文数:
473
被引数:
0
机构
引用论文
A review of machine learning approaches for electric vehicle energy consumption modelling in urban transportation城市交通电动汽车能耗建模的机器学习方法综述.png)
RENEWABLE ENERGY
RENEWABLE ENERGYIF9.1
PREAI
分享收藏Electric vehicle based smart cloud model cyber security analysis using fuzzy machine learning with blockchain technique基于模糊机器学习和区块链技术的电动汽车智能云模型网络安全分析
PREAI
分享收藏Cyberspace enhancement of electric vehicle charging stations in smart grids based on detection and resilience measures against hybrid cyberattacks: A multi-agent deep reinforcement learning approach基于对混合网络攻击的检测和韧性措施的智能电网中电动汽车充电站网络空间增强：一种多智能体深度强化学习方法ENERGY
ENERGYIF9.4
PREAI
分享收藏A multi-agent deep reinforcement learning paradigm to improve the robustness and resilience of grid connected electric vehicle charging stations against the destructive effects of cyber-attacks一种多智能体深度强化学习范式，用于提高并网电动汽车充电站对网络攻击破坏性影响的鲁棒性和弹性ENERGY
ENERGYIF9.4
PREAI
分享收藏A comprehensive data analysis for aggregate capacity forecasting in Vehicle-to-Grid applications车辆到电网应用中聚合容量预测的全面数据分析
PREAI
分享收藏Smart vehicle-to-grid integration strategy for enhancing distribution system performance and electric vehicle profitabilityENERGY
ENERGYIF9.4
PREAI
分享收藏Vehicle-to-Grid: quantification of its contribution to security of supply through the F-Factor methodology车网互联：通过F-Factor方法论对其保障供电安全贡献的量化评估
OAAI
OAAI分享收藏
查看更多内容