定义分布式电源（Distributed Generation, DG）是指靠近用户侧或负荷中心的小型发电系统，容量通常为几十千瓦至几兆瓦，具有分散布局、灵活接入的特点。其核心特征包括地理分散性、低传输损耗、多能源类型兼容性。主要类型可再生能源类：如太阳能光伏、风力发电、生物质能发电，依赖自然资源但清洁环保。化石能源类：如微型燃气轮机、柴油发电机，具备快速启动和稳定性，但碳排放较高。储能类：如电池储

针对配电网运行中负荷峰谷差过大、分布式能源消纳能力不足的问题，开展基于智能优化算法的需求侧响应峰谷分时电价优化研究。研究以平抑电网负荷曲线、提升分布式能源消纳水平为核心目标，结合 KMeans 聚类的负荷时段划分方法与价格弹性系数的电价 - 负荷响应模型，构建兼顾电网运行效率与用户用电体验的电价优化体系。分别采用粒子群优化（PSO）、改进麻雀优化（ISSA）、多元宇宙优化（MVO）三种智能算法求解

电-热综合能源系统（EH-IES）是集电能与热能生产、传输、转换、存储和利用于一体的多能耦合系统。电力网络：含常规火电机组、风/光/水电机组、储能设备及输电线路；热力网络：由热源（如热电联产机组CHP）、供热管道（一次管网和二次管网）、水泵及储热罐构成；耦合设备：CHP机组、电锅炉、热泵等实现电能与热能的转换。该系统具有非线性、非凸、高维度的数学模型特性，且热力网络因传输延迟和热惯性具备显著的储能

自动驾驶汽车运行于持续变化的环境中，面临诸多不确定性与干扰因素，致使传统控制器在车辆横向控制方面易失效。本文聚焦路径跟踪任务，设计了一种自适应模型预测控制（MPC）控制器，借助神经网络与自适应神经模糊推理系统（ANFIS）达成在线参数自适应。在三车道变换场景与通用轨迹测试里，该控制器相较于标准MPC，展现出卓越的控制效果与自适应能力，为自动驾驶车辆路径跟踪提供了更可靠、精准的解决方案。

算法创新：开发高效求解器（如混合整数线性规划加速算法）。跨学科融合：结合机器学习与统计学习，构建自适应模糊集。实际系统验证：在复杂工业场景（如高海拔铁路供电系统）中验证模型鲁棒性。基于Wasserstein距离的两阶段分布鲁棒优化模型是一种有效的处理不确定性和复杂性的优化方法。通过对偶转化和线性决策方法的应用，我们可以将复杂的原始问题转化为更易求解的形式，提高决策的鲁棒性和适应性。未来的研究可以进

针对传统多变量回归预测方法存在点预测精度不足、无法有效量化预测不确定性、核密度估计带宽固定导致概率预测效果差等问题，提出一种结合长短期记忆神经网络（LSTM）、自适应提升算法（Adaboost）与自适应带宽核密度估计（ABKDE）的集成学习多变量回归区间预测模型（LSTM-Adaboost-ABKDE）。

为实现微电网运行的综合效益最优，解决日前经济调度中的多设备协同优化问题，本文提出一种基于粒子群优化（PSO）与多元宇宙优化（MVO）算法的微电网日前经济调度优化方法。以微电网 24 小时运行成本、环保成本、需求响应补偿成本及负荷波动惩罚成本之和最小为优化目标，构建包含储能、微型燃气轮机、柴油发电机、可转移负荷的微电网日前经济调度模型，同时考虑设备功率上下限、储能荷电状态、可转移负荷总量守恒等硬约束

锂离子电池荷电状态（SOC）的精确估计是电池管理系统（BMS）的核心功能，直接影响电动汽车续航预测、能量管理效率及电池寿命。本文针对传统安时积分法累积误差大、EKF线性化误差显著的问题，提出基于无迹扩展卡尔曼滤波（UEKF）的改进算法。通过二阶Thevenin等效电路模型构建状态空间方程，结合混合动力脉冲特性（HPPC）实验数据完成参数辨识，并在NEDC和UDDS工况下对比安时积分法、EKF与UE

分布式电源(DG)的大规模接入加剧了主动配电网(ADN)的电压波动与无功功率失衡问题。柔性开断点(Soft Open Point, SOP)作为一种新型电力电子装置，凭借其快速、精确的功率控制能力，成为解决上述问题的关键技术。本文提出一种基于SOP的电压与无功功率协调控制方法，通过构建多时段优化模型，结合储能系统(ESS)的充放电特性，实现配电网电压偏差最小化与无功功率优化配置。以IEEE 33节

针对光伏发电功率受气象、辐射等多因素影响呈现出的强非线性、时序依赖性特征，以及单一预测模型难以兼顾线性趋势捕捉与非线性波动拟合的问题，提出一种基于非线性二次分解的组合预测模型（Ridge-RF-LSBoost）。该模型将光伏功率预测任务拆解为线性趋势、一阶非线性残差、二阶非线性残差三个层次，依次采用岭回归（Ridge）、随机森林（RF）、最小二乘提升（LSBoost）进行分层次建模，通过 “线性拟