河马优化算法是一种基于河马群居行为的群智能优化算法。该算法通过观察河马在河流或池塘中的位置更新、对捕食者的防御策略以及逃避捕食者的方法，设计出一种自适应地调整搜索空间的分辨率和搜索速度的优化算法。HO算法具有收敛速度快、求解精度高等特点，适用于解决复杂的优化问题。

💥💥💥💞💞💞❤️❤️❤️💥💥💥博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者📝🌟🌟🌟电力系统相关知识，期刊论文，算法，机器学习和人工智能学习。这就是给予我最大的支持！📋📋📋⛳️⛳️⛳️微电网作为智能电网的一部分，是分布式电源接入电网的一种有效手段，是其中一个重要研究方面。考察微电网经济性，通常是从最小运行成本和最小环境污染物排放成本两方面入手

模糊控制是根据经验建立模糊规则，再把传感器接收的实时信息加以模糊化，进而将模糊化后的信息加以模糊推理，将模糊推理后的信息清晰化后加到执行器上，此过程就完成了模糊控制的流程。由于模糊系统的设计存在主观性，模糊控制的设计都是基于对专业人员实际经验的认识基础上的，所以把神经网络的能力融入到模糊系统中，使用分布式计算的神经网络表达，达到了模糊控制系统的自组织、自学习的效果。在模糊 RBF 神经网络中，神经

文献来源： 经济调度是电力系统运行中的一个基本问题，它是指发电机和柔性负荷在满足一系列运行约束的条件下，使整个电力系统运行的社会福利最大化的优化问题。 传统上采用集中优化技术来解决经济调度问题，其中包括经典优化方法［1］ 和现代人工智能方法［2-4］ 。然而，当采用集中优化方法时，系统需要调度中心发布指令调度整个系统中所有的发电机和柔性负荷，调度中心需要与每一个调度对象进行信息交互［5］ 。并 且

基于LSTM（长短期记忆网络）的轴承故障诊断研究，结合西储大学的数据，是一个融合了深度学习技术的故障诊断方法。

基于CNN-GRU(convolutional neural networks-gate recurrent unit)神经网络的电力系统短期负荷预测方法。首先使用卷积神经网络(CNN)对负荷及气象数据进行卷积处理,以更好地提取数据新特征,增强输入数据与输出数据间的相关性。然后使用门控循环单元(GRU)实现短期负荷预测。使用某地区的负荷数据结合当地的气象数据,对CNN-GRU-Attention方

【多变量输入单步预测】基于粒子群算法(PSO)优化CNN-BiLSTM-Attention的风电功率预测研究是一个结合了深度学习、时间序列分析和优化算法的综合性研究课题。

双扩展卡尔曼滤波（Dual Extended Kalman Filter, DEKF）是一种通过两个并行运行的扩展卡尔曼滤波器（EKF）实现状态与参数联合估计的算法。其核心在于分离状态与参数的时间尺度差异微观时间尺度：用于快速变化的系统状态（如电池SOC、车辆动态参数）；宏观时间尺度：用于缓慢变化的模型参数（如电池内阻、AR模型权重）。算法流程DEKF通过双滤波器架构与多尺度处理，在复杂非线性系统

本研究聚焦于遭受拒绝服务（DoS）攻击的网络物理多智能体系统（CPS）的弹性模型预测控制问题。随着多智能体系统在众多领域的广泛应用，其面临的网络安全威胁，尤其是DoS攻击，对系统的正常运行和稳定性构成了严重挑战。本文旨在构建有效的弹性模型预测控制策略，以提高系统在DoS攻击下的性能和恢复能力，确保系统能持续稳定地运行。

优势总结增强型MODLEACH通过动态能量阈值、多跳通信和移动性适应机制，显著提升了能量均衡性和网络寿命。其Matlab仿真代码已开源，便于后续研究复现。现存问题能量补充机制效率：节点间无线能量传输存在损耗，实际部署需结合能量收集技术。复杂环境适应性：高密度或动态拓扑场景下的性能需进一步验证。未来方向跨层优化：结合MAC层协议（如TDMA调度）减少冲突和空闲监听能耗。人工智能辅助：使用强化学习动态