在传统CTM中引入降雨强度R（mm/h）与能见度V（m）作为影响因素，对自由流速度v_f进行衰减修正，定义v_f(R,V)=v_f0·(1-α·R^0.6)·(V/V_ref)^0.5，其中α=0.012，V_ref=300m。以改进的雨天CTM为预测模型，建立模型预测控制框架，目标函数最小化总行程时间TTS与限速值变化惩罚项之和，控制变量为各路段可变限速值VSL_i(k)，约束包括限速值在40k

引入功率预测的目的是提前感知光照突变，避免步长误判。在MATLAB/Simulink搭建的4×3光伏阵列模型中进行了局部阴影和快速云层移动条件下的仿真，该MPPT方法在阴影导致的多峰特性下始终收敛到全局最大功率点，追踪效率达到99.2%，相比固定步长扰动观察法提升5.1%，且功率振荡幅度降低至1.2 W以内。在搭建的2.2 kW光伏系统实验平台上进行了为期72小时的连续运行测试，系统正确识别并处理

在测试集上，GAT-Channel对信道阻塞的预测召回率达到89.7%，对可用带宽的预测均方根误差为3.8 kbps，相比传统LSTM预测模型提升23%和降低45%误差。该套方案整体实现了新能源微网通信网络的高效、可靠和智能化运行。在仿真环境（基于OMNeT++和Python联合搭建）中训练了2000回合后，MO-RL-LB算法在50节点的微网场景下，相比最小化迁移成本算法，总吞吐量提升18.6%