矩形薄板作为起重机械等工程结构中的核心承载部件，其力学响应分析与参数识别（即力学正反问题）直接关系到结构设计的合理性与运行安全性。物理信息神经网络（PINN）凭借其融合物理先验知识与数据驱动的优势，为薄板力学问题求解提供了新路径，但存在求解精度有限、对训练数据依赖度高且易出现过拟合等缺陷。针对这一问题，本文采用梯度增强物理信息神经网络（gPINN）求解矩形薄板力学正反问题，通过在损失函数中嵌入偏微

极端天气下的配电网优化需深度融合脆弱性评估与分布式电源配置。动态多场景建模：整合气象预测与实时数据，构建自适应优化框架。多要素协同：量化电动汽车、虚拟电厂等新业态与灾害的交互机制。韧性-经济性平衡：开发兼顾长期投资效益与短期应急响应的混合优化模型。政策与标准：将极端气候信息纳入电力规划，提升设备抗灾标准（如提高设计风速阈值）。通过上述改进，配电网可在极端天气下实现从“被动防御”到“主动韧性”的转变

本文聚焦于基于双向DC-DC变换器的储能电池SOC充电与放电双模式展开研究。通过理论分析构建了充电与放电模式的控制策略，充电模式采用电池电流单闭环控制，放电模式运用输出电压外环、电池电流内环的双闭环控制。借助Simulink搭建仿真模型，验证了蓄电池在充电与放电两个模态下的性能。结果表明，充电模式下实际电流能有效跟踪给定值，放电模式下输出电压可按设定值稳定输出，为储能电池的高效管理提供了理论依据与

参考文献：在高风电渗透率条件下，电力系统对风电场的频率调节能力提出了严格的技术要求。为了满足这些要求，我们考虑了风机惯性控制和变桨距控制的频率响应能力，并提出了将储能技术与风电自身调频手段相结合，以参与系统频率调节的方案。为了验证这一方案的有效性，我们采用Simulink进行了仿真，并建立了风储联合调频下电力系统的频率特性模型。我们采用了四机两区系统，并利用频域模型法，附加了虚拟惯性控制和储能下垂

随着可再生能源发电渗透率的提升，弱电网特性日益显著，跟网型逆变器在弱电网下的稳定性问题成为制约新能源并网的关键因素。本文针对弱电网高阻抗、低短路比特性导致的跟网型逆变器小干扰稳定性问题，提出基于双锁相环的阻抗重塑控制策略。通过构建状态空间模型并计算特征值矩阵，分析系统稳定性边界；结合阻抗重塑技术调整逆变器输出阻抗特性，使系统在0.9 p.u.电压水平下仍能保持稳定。仿真对比表明，改进策略显著提升了

轴承作为旋转机械核心零部件，其运行状态直接决定设备可靠性与运行安全性，准确预测轴承剩余寿命（Remaining Useful Life, RUL）是实现设备预测性维护、降低停机损失的关键。

文献来源：摘要-我们考虑通过联合优化框架同时使用电池存储系统进行调峰和频率调节，该框架捕获电池退化、操作约束以及客户负载和调节信号的不确定性。在此框架下，我们使用真实数据显示，用户的电费可降低12%。此外，我们证明，当电池用于两个单独的应用程序时，联合优化的节省通常大于最优节省的总和。提出了一种简单的阈值实时算法，实现了这种超线性增益。与之前专注于将电池存储系统用于单一应用的工作相比，我们的结果表

针对存在模型不确定性、外部扰动与执行器输入饱和约束的机械臂轨迹跟踪控制问题，提出一种融合自适应强化学习与非奇异快速终端滑模的固定时间控制方法。该方法采用径向基函数神经网络构建行动者 - 批评者强化学习架构，实现不确定系统的自适应最优控制策略生成与性能评估；设计新型非奇异快速终端滑模面，保障跟踪误差在固定时间内全局收敛并给出收敛时间上界估计；针对执行器饱和效应，构建非线性反卷绕补偿器实时抑制饱和引发

针对高比例可再生能源接入微电网后面临的源荷功率波动显著、预测误差难以抑制、储能长期约束难以闭环等问题，本文提出一种融合自适应预测修正与模型预测控制（MPC）的微电网优化调度方法。该方法构建自适应预测修正环节，基于源荷实测与预测的误差反馈动态调整预测结果，降低不确定性对调度的影响；以滚动优化为核心，在有限时域内实现运行成本最优与多设备约束协同满足；增设全局储能荷电状态（SOC）校正环节，确保调度周期

针对高比例可再生能源接入微电网后面临的源荷功率波动显著、预测误差难以抑制、储能长期约束难以闭环等问题，本文提出一种融合自适应预测修正与模型预测控制（MPC）的微电网优化调度方法。该方法构建自适应预测修正环节，基于源荷实测与预测的误差反馈动态调整预测结果，降低不确定性对调度的影响；以滚动优化为核心，在有限时域内实现运行成本最优与多设备约束协同满足；增设全局储能荷电状态（SOC）校正环节，确保调度周期