负荷预测是电力系统运行和管理中的关键环节，准确的负荷预测可以有效提高电力系统的可靠性、经济性和安全性。近年来，随着人工智能技术的快速发展，基于机器学习的负荷预测方法得到了广泛应用，其中时间卷积网络 (TCN) 因其在时间序列数据处理方面的优势，逐渐成为负荷预测领域的研究热点。本文将探讨一种基于双向时间卷积网络 (BiTCN) 的负荷多变量时间序列预测方法，旨在利用历史负荷数据和影响负荷变化的多个因

本代码实现了基于交替方向乘子法（ADMM）的微电网分布式低碳优化运行策略。以由两个光伏富集电网和一个风电富集电网组成的 3 微网为研究对象，考虑微网间以及和外网的交互，通过 ADMM 方法实现微网群的分布式优化调度，同时考虑碳排放强度。

在工业过程控制中，单回路 PID 控制是最基本且应用广泛的控制策略。许多工业生产过程，如温度、压力、流量等参数的控制，都需要维持被控变量稳定在设定值附近。单回路 PID 控制结构简单、易于实现，对于一些动态特性相对简单的系统，能取得良好的控制效果，因此在工业自动化领域长期占据重要地位。

在全球能源转型的浪潮中，微电网正崭露头角，成为能源领域的焦点。它作为一种小型、模块化的电力系统，集成了分布式电源、储能系统、电力电子装置以及负荷，宛如一个微型的能源生态系统，具备 “并网” 和 “离网” 两种运行模式，可根据实际需求灵活切换 ，实现自我控制与能源自治。微电网在能源体系中的重要地位愈发凸显。一方面，它是促进可再生能源消纳的关键一环。太阳能、风能等可再生能源虽清洁环保，但其间歇性和不稳

农产品冷链物流是保障生鲜农产品品质、减少流通损耗、拓宽销售半径的关键环节，其核心价值在于通过全程温控实现农产品从产地到消费端的新鲜度保持。随着居民消费升级与乡村振兴战略推进，我国生鲜农产品产量与消费量持续增长，2024年生鲜农产品市场规模已突破6万亿元，与之配套的冷链物流需求也呈现爆发式增长。精准的冷链物流需求预测能为物流企业的运力调配、仓储规划、路线优化提供科学依据，降低运营成本；同时可为政府部

全球导航卫星系统（GNSS）凭借其全天候、全覆盖、高精度的定位优势，已成为自动驾驶、无人机导航、智能交通、地质灾害监测等领域的核心支撑技术。GNSS定位解算的核心目标是通过接收卫星发射的伪距、伪距率等观测数据，解算出载体的关键运动信息，包括纬度、经度、高度（三维位置）以及速度、航向（运动状态），为载体的自主决策与控制提供精准的位置与姿态依据。例如，在自动驾驶场景中，GNSS定位解算的精度直接决定了

捷联惯导系统（SINS）作为一种自主式导航技术，通过将惯性测量单元（IMU）直接固连在载体上，无需复杂的机械框架，就能实时输出载体的姿态、位置和速度信息，广泛应用于无人机、自动驾驶汽车、航天器等领域。但捷联惯导系统存在一个致命短板：IMU的陀螺仪和加速度计会不可避免地产生漂移误差，这些误差会随着时间不断累积，导致导航精度持续下降，就像一辆没有校准的指南针汽车，行驶时间越长，偏离正确路线越远。而滤波

四杆连杆机构作为机械系统中最经典的传动与运动转换机构之一，广泛应用于汽车、机床、机器人、工程机械等领域。其核心由机架、输入杆（原动件）、输出杆（从动件）和连杆四个刚性构件通过转动副连接组成，通过输入杆的定轴转动或往复摆动，带动连杆与输出杆运动，实现特定的轨迹生成、运动传递或力放大功能。例如，汽车发动机中的曲柄连杆机构（四杆机构变体）将活塞的往复直线运动转化为曲轴的旋转运动；机械手上的四杆机构则可实

在单变量时序预测领域，如何提升模型对单一变量复杂时序特征的捕捉能力与预测精度是关键。本文提出双优化机制的 NRBO-VMD-NRBO-Transformer 模型，通过两次北方苍鹰优化算法（NRBO）分别优化变分模态分解（VMD）参数与 Transformer 超参数，并选取 VMD-Transformer、NRBO-Transformer、VMD-NRBO-Transformer 三个模型作为对

风电场风速预测是风电出力预测的核心前提 —— 风速预测误差每降低 1m/s，可使短期风电出力预测误差减少 15%~20%，直接影响电网对风电的消纳能力与调度安全性。然而，风电场风速受大气环流、地形地貌、季节交替等多重因素影响，呈现 “线性趋势（如昼夜周期性）+ 非线性波动（如突发阵风）” 的复合特征，单一预测模型难以同时精准捕捉两类特征：ARIMA 模型（自回归积分移动平均模型）擅长拟合线性时序规