在集群电压控制方面，文献[14]采用粒子群优化算法进行集群内部优化控制，优化目标为群内光伏的无功补偿量或有功缩减量最小，各集群优化自治顺序按电压偏移严重程度排列，但这种群间协调方式会降低电压控制速度且易使资源利用不充分。本文以全局电压的低成本快速控制为目标，提出基于电气距离和区域电压调节能力的集群综合性能指标和网络划分方法，并在集群划分基础上，提出结合集群自治优化控制与群间分布式协调控制的双层电压

国家学生体质健康标准》的颁布，有效地促进了大中小学生关注自身体质健康的发展，激励学生积极进行身体锻炼。通过在体育场地周边安装摄像头，可以对学生的体育动作进行实时捕捉，以便对学生的运动姿态进行分析。例如，在立定跳远教学中，通过记录并分析学生起跳瞬间的腿部发力动作、手臂摆动轨迹、身体腾空姿态以及落地姿势等一系列身体变化的细节数据，可以帮助教师全面了解每个学生动作的优点和不足，从而给出针对性的改进方案。

随着电动汽车（EV）市场的快速增长，充电站选址优化成为提升充电设施利用率、降低建设成本的关键问题。本文提出一种基于改进粒子群算法（PSO）的选址优化方法，结合多目标优化模型，综合考虑用户需求、电力供应、土地成本等因素，通过仿真实验验证算法在全局搜索能力和收敛速度上的优势。研究结果表明，改进PSO算法相比传统方法可降低选址成本约15%-20%，提升充电覆盖率约10%-15%，为实际工程提供理论支持。

两阶段鲁棒优化（Two-Stage Robust Optimization, TSRO）是处理决策过程中存在不确定性的重要范式，广泛应用于网络/运输、投资组合优化及电力系统调度等领域。然而，其固有的max-min结构导致模型求解具有挑战性。列与约束生成（Column-and-Constraint Generation, C&CG）算法通过分解主问题与子问题、动态生成约束与变量，显著提升了求解效率。

两阶段鲁棒优化（Two-Stage Robust Optimization, TSRO）是处理决策过程中存在不确定性的重要范式，广泛应用于网络/运输、投资组合优化及电力系统调度等领域。然而，其固有的max-min结构导致模型求解具有挑战性。列与约束生成（Column-and-Constraint Generation, C&CG）算法通过分解主问题与子问题、动态生成约束与变量，显著提升了求解效率。

在DQN + 人工势场的避障控制中，首先根据环境信息构建人工势场，将障碍物视为斥力源，目标点视为引力源。然后，将势场信息作为DQN的输入状态之一，与原始的环境状态（如位置、速度等）一起输入到DQN网络中。DQN网络根据输入状态输出每个动作的价值，智能体根据这些价值选择最优动作进行执行。

在DQN + 人工势场的避障控制中，首先根据环境信息构建人工势场，将障碍物视为斥力源，目标点视为引力源。然后，将势场信息作为DQN的输入状态之一，与原始的环境状态（如位置、速度等）一起输入到DQN网络中。DQN网络根据输入状态输出每个动作的价值，智能体根据这些价值选择最优动作进行执行。

弱电网因其高阻抗和低短路比特性，常导致系统不稳定，限制了功率传输。本研究通过仿真，建立了弱电网条件下跟网型逆变器的小信号扰动模型，包括状态空间模型和阻抗模型。我们提出了一种计算稳态工作点的新方法，并利用状态空间矩阵特征值分析，对系统稳定性进行了深入评估，确定了稳定性界限。为直观比较不同控制策略的效果，我们利用Simulink构建了仿真模型，包括传统控制策略模型和采用双锁相环阻抗重塑的优化控制策略模

本研 究 利 用 麻 雀搜索算法 ( SSA) 以 提 高LSTM 模型准确度为优化目标，以 LSTM 模型中超参数为优化对象，对 LSTM 进行优化，搭建 SSA-LSTM 神经网络模型;将 SSA-LSTM 模型参数的预测。

双侧电源系统指由两个不同上级变电站供电的电网结构，常见于辐射形或环形电网，可显著提升供电可靠性（如A+、A、B类供电区域）。双方向电源供电：线路两侧均配置断路器和保护装置，故障时可快速切除故障段，避免非故障设备受影响。故障处理高效性：两侧保护装置需协同动作，确保故障点去游离时间充足，并解决重合闸的同期问题。系统复杂性：双向电流流动特性增加了保护配置难度，需考虑过渡电阻、系统振荡等特殊场景。