登录社区云，与社区用户共同成长
邀请您加入社区
文献来源：根据微电网或微能源网是否与主电网相连接，可将其分为并网型和独立型 2 种。本文以并网型微 能源网为研究对象，研究其并网运行的能量管理与优化问题。目前，针对微能源网的能量管理，从算法上来讲，多结合最优化算法或者启发式算法进行。文献[3]建立了微网混合整数非线性模型，通过将其分解为组合问题和最优潮流问题，避免直接求解混合整数非线性问题，加快了寻优速度。文献[4]通过概率约束对旋转备用储能的不
在空地一体化移动边缘计算场景中，无人机凭借机动灵活、部署便捷、覆盖范围广的优势，可作为移动边缘服务节点，搭载算力设备对地面分布式终端用户的计算任务进行实时卸载与就近处理，有效解决传统地面固定边缘基站覆盖盲区大、部署成本高、应急响应能力弱的问题。然而在复杂野外、陌生城市、动态干扰环境下，多无人机协同作业面临飞行障碍物规避、动态环境自适应、终端服务优先级差异化、多机无冲突协同等多重约束。
参考文献： 随着清洁能源的发展，世界各国都在利用清洁能源改善能源结构，提高能源利用率，追求节能减排的效果。区别于传统能源系统，综合能源系统充分结合可再生能源，优化调度内部多能源的使用，为能源需求增加，能源成本上升，环境污染加重等相关问题提供了有效的解决方案。其中，CCHP系统是同时具备发电、供热和制冷能力的系统，因为其具有能源利用率高的特性，受到了广泛关注。文献[29]建立了一种混合整数非线性规划
海洋观测、水下巡检、管线探测等水下作业任务对自主水下机器人（AUV）的轨迹跟踪精度、动态稳定性与环境适应性提出了严苛要求。针对 AUV 水平面直线、圆形、八字形三类典型作业轨迹的高精度跟踪需求，本文以 Infante 提出的耦合非线性水动力模型为载体动力学基础，采用四阶龙格 - 库塔数值迭代方法实现水下非线性系统高精度状态更新；构建分层双闭环增量式 PID 控制架构，分别完成前向推进速度闭环与艏向
针对实时控制、SCADA、工业边缘计算等场景对数据交互确定性、低时延与可运维性的核心需求，提出一种以共享内存为载体、静态建模为契约的零拷贝实时数据总线 ZRTDB（Zero-copy Real-Time Data Bus）。该总线将结构复杂度前移至建模与实例化阶段，运行期仅通过固定偏移直接读写共享内存，规避了动态分配与序列化 / 反序列化开销，保障了可预测的时延特性。同时，配套构建了完整的工具链与
随着工业设备复杂度提升，传统故障诊断方法在应对多模态、非平稳信号时面临准确性与实时性瓶颈。本文提出一种基于短时傅里叶变换（STFT）、卷积神经网络（CNN）与长短期记忆网络（LSTM）的混合故障诊断模型（STFT-CNN-LSTM），通过时频分析、空间特征提取与时间序列建模的协同作用，实现旋转机械、电力系统等场景下的高精度故障分类。实验以凯斯西储大学轴承数据集为验证对象，结果表明该模型在噪声环境下
全球能源枯竭和环境污染的日益加重，如何提高能源利用率和减少污染排放一直是关键问题，为解决当前的微电网问题提供了新思路。微电网是一种新型的分布式能源组织结构，被视为整合可再生能 源的有效平台，使可再生能源系统接入配电网更加便捷，提高能源利用率，减少污染物排放，实现分布式 发电供负荷一体化运行。目前国内外学者对微电网进行了大量的研究，也取得了较大的突破。季颖等［３］提出采用一种深度学习的方法对微电网进
本文用MATLAB建立一个短期电力负荷（或价格）预测系统。两个非线性回归模型（神经网络和袋式回归树）被校准，以预测给定温度预测、假日信息和历史负荷的每小时前日负荷。这些模型在数据上进行训练，并在2008年的样本外数据上进行测试。这些模型被证明能够产生高度准确的日前预测，平均误差在1-2%左右。能够通过MATLAB部署的DLL调用训练好的负荷预测模型。准确的负荷预测对于公用事业的短期运营和长期规划至
大规模光伏并网带来的出力随机波动、日内剧烈起伏问题，严重制约电网调频、机组调度与消纳规划工作。单变量、单步预测模型仅能输出下一时刻功率数值，难以支撑中长期电力资源配置；传统时序模型对辐照度、环境温度、湿度、风速等多源耦合变量间局部关联挖掘不足，多步预测过程中误差累积现象突出，极端天气场景预测稳定性较差。针对上述痛点，本文构建面向多变量输入、支持超前多步输出的 CNN-BiLSTM 混合深度学习预测
支持向量机
——支持向量机
联系我们（工作时间：8:30-22:00）
400-660-0108 kefu@csdn.net
脑启社区
