微电网（Microgrid）微电网是由分布式电源（如光伏、风电）、储能装置、负荷及控制系统构成的自治系统，具备并网和离网运行能力，强调地理集中性和本地能源自给自足。其核心功能包括能源就地消纳、供电可靠性提升及可再生能源整合。例如，微网可通过储能系统平抑风光出力波动，并在电网故障时独立运行。虚拟电厂（Virtual Power Plant, VPP）虚拟电厂通过信息通信技术聚合分布式能源（DER）、

自治性：每个智能体独立控制自身行为和状态。容错性：部分智能体故障时，系统仍能通过自适应性维持运行。分布式架构：智能体间通过通信协议协作，无全局控制中心。可扩展性：系统支持动态增减智能体，适应任务需求变化。涌现性：个体简单行为通过交互产生全局复杂智能。典型应用场景包括无人机蜂群协作、智能电网优化、自动驾驶交通控制等。存在性条件策略空间有限且满足凸性假设时，至少存在一个混合策略均衡。纯策略均衡的存在性

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

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。

1. 冲突避免：多无人机同时作业时，极易出现飞行路径交叉、空域争抢等冲突，利用 ABC 算法规划时，需额外增加约束机制，如基于时间窗或空间分离的策略，确保无人机之间保持安全距离，避免碰撞。未来，随着硬件算力提升、算法改进融合，基于 ABC 算法的无人机路径规划有望实现更精准、高效的多场景应用，推动无人机产业迈向新高度。然而，无人机要安全、高效地完成任务，精准且优化的路径规划至关重要，特别是在复杂的

视觉惯性数据融合在室内导航中的核心价值在于互补纠偏与环境适应性。通过紧耦合算法、多传感器冗余及深度学习优化，系统在复杂场景下的定位误差可控制在1%以内（如100米路径误差<1米）。随着MEMS传感器精度的提升（如下一代陀螺仪零偏不稳定性目标<5°/hr），以及边缘AI算力的发展，智能手机将成为室内外无缝导航的关键载体。📚2 运行结果部分代码：i=0;i=i+1;endfrq=30;🎉3参考文献

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

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

摘 要］为有效削减可再生能源发电出力的波动性，提升可再生能源的整体利用效能，本研究创新性地设计了一种集并网与离网功能于一体的风光互补制氢合成氨系统。该系统以实现年度收益最大化为核心目标，在构建过程中，充分考量了系统内的电平衡、氢平衡以及与电网的交互作用等关键运行约束条件，进而建立了容量配置与调度优化的综合模型。研究以内蒙古某地区实际的风光出力数据作为模型输入，通过深入分析风光容量的配比关系，系统探

摘要：本文开发了一种基于广义最大似然法（称为GM-IEKF）的鲁棒迭代扩展卡尔曼滤波（EKF），用于估计电力系统在受到干扰时的状态动态。所提出的GM-IEKF动态状态估计器能够比传统的EKF和无迹卡尔曼滤波器（UKF）更快、更可靠地跟踪系统瞬变，这要归功于其批处理模式回归形式以及对创新和观测异常值的鲁棒性，即使在杠杆位置也是如此。创新异常值可能是由动态状态模型中的脉冲噪声引起的，而观测异常值可能是