​智能电网是一种典型的信息物理融合系统,也是关系国民经济发展和国家安全的重大关键基础设施,其安全稳定运行至关重要。近年来,国内外智能电网由于外部攻击而导致的重大安全事件时有发生,智能电网面临的信息物理安全威胁日益严峻。假数据注入攻击作为一种新型恶意网络攻击,能够篡改智能电表中的“互动”用电信息并对智能电网的安全运行产生严重影响。[1]杨新宇, 智能电网中针对“互动”用电信息的假数据注入攻击危害分析

分布式电源接入配电网，实现就地消纳，可以提高新能源的利用率、提高电能质量和降低系统网损。然而接入点位置和电源的容量的差异对配电网的影响不同，如果位置和容量不合适，可能会导致系统中某处的电压越限、总系统的网损增加。因此在电源规划阶段分析分布式电源接入点的位置和容量十分有必要。分布式电源接入点和接入容量的选择问题是一个非线性、多变量、多约束的问题。目前国内外关于这方面的研究主要集中在两个方面，一是数学

参考文献：随着化石能源危机与环境污染问题日益严重，建设清洁低碳、安全高效的能源体系已是未来发展的必然趋势，太阳能资源作为一种清洁可再生能源目前已广泛应用于分布式光伏发电系统［1］。光伏发电的随机性和间歇性导致输出功率波动较大，为电网的安全稳定运行带来严重挑战。同时随着需求侧负荷峰谷差增加，负荷尖峰时刻供电问题更加凸显，单纯的增加发电机备用容量不仅投资费用昂贵而且设备资源利用率低。储能具有功率快速控

提出了一种电力市场环境下供电公司日前优化调度的2阶段模型:第1阶段为DG优化调度阶段,根据市场电价、DG运行成本、签订可中断负荷(interruptable load,IL)合同的价格来确定DG的机组组合、从大电网的购电量及IL削减量;文献[10]在分布式电源高渗透率的情况下提出了配电网的短期调度和控制模型，文献[11-12]研究了为了降低用电成本，在需求响应机制下制定日前用电计划的优化方法，文献

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。

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。

摘要本文提出了一种基于神经网络的（NN-based）数据驱动迭代学习控制（ILC）算法，用于具有未知模型和重复任务的非线性单输入单输出（SISO）离散时间系统的跟踪问题。控制目标是使系统的输出在每次迭代过程中跟踪参考轨迹。因此，在每次迭代过程的每个相对时间点上，使用广义回归神经网络（GRNN）作为估计器来解决系统的关键参数，并使用径向基函数神经网络（RBFNN）作为控制器来解决控制输入。