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

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

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

光伏电池阵列的输出特性曲线呈现非线性变化。在光伏电池被遮挡时，产生的功率会不断波动，导致光伏电池阵列的输出功率也在不断变化，呈现出多峰值的特征。多峰值最大功率点跟踪（MPPT）技术的出现是由光伏发电系统失配问题引起的。当光伏发电系统失配时，其功率-电压输出特性曲线会呈现多个峰值，传统的单峰值MPPT控制算法可能只能追踪到局部最大功率点，而非全局最大功率点，导致算法失效，从而降低光伏发电系统的输出功

双有源全桥（Dual Active Bridge, DAB）变换器作为DC/DC变换领域的核心拓扑之一，凭借能量双向流动、输入输出电气隔离、高功率密度及软开关特性，广泛应用于电动汽车、直流配电网、分布式能源等领域。单移相（Single Phase Shift, SPS）调制因控制简单、易于实现，是DAB变换器最常用的调制方式，但传统电压闭环PI控制在动态响应速度、抗干扰能力等方面存在不足，难以满足

为对比不同控制算法在车辆横向轨迹跟踪中的性能表现，本文搭建了 Carsim 2019 与 Matlab/Simulink R2022b 联合仿真平台，基于车辆二自由度动力学模型，分别实现模型预测控制（MPC）、PID 控制、预瞄控制（PP）和 Stanley 控制四种算法的横向轨迹跟踪仿真。以同一参考轨迹为基准，从横向误差、航向误差两个核心指标及仿真动画可视化角度，对比分析各算法的跟踪精度与稳定性

深度学习技术在分类预测任务中展现出卓越的性能，但其“黑箱”特性导致模型决策过程难以解释，限制了其在高风险领域的应用。针对这一问题，本文提出一种基于梦境优化算法（DOA）优化卷积神经网络-门控循环单元（CNN-GRU）的分类预测模型，并结合SHAP（SHapley Additive exPlanations）可解释性方法与特征依赖图，构建一套完整的深度学习可解释性分析框架。首先，利用DOA算法自动寻

时序预测是数据挖掘领域的核心任务之一，旨在通过分析历史时序数据的规律，实现对未来数据趋势的精准推断，广泛应用于气象预报、电力负荷预测、金融走势分析、环境监测等多个领域。随着深度学习技术的快速发展，基于神经网络的时序预测模型不断迭代，其中卷积神经网络（CNN）、双向长短期记忆网络（BiLSTM）、Transformer及其混合模型（CNN-BiLSTM、Transformer-BiLSTM）凭借各自

💥💥💞💞❤️❤️💥💥博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。⛳️行百里者，半于九十。📋📋📋🎁🎁🎁。

本文复现了IEEE顶刊中关于水下机器人（AUV）路径规划与模型预测控制（MPC）路径跟踪控制的研究成果。通过构建包含路径规划与MPC跟踪控制两个核心模块的优化框架，结合AUV水动力学模型，在2D空间内实现了高精度路径跟踪。研究验证了该框架在复杂海洋环境下的鲁棒性与适应性，为AUV自主导航与任务执行提供了理论支撑。