交直流混合微电网通过互联变换器实现交流子网与直流子网的耦合，可高效整合可再生能源、储能系统及各类负荷，是未来分布式能源利用的核心架构之一。源荷扰动（可再生能源出力随机波动与负荷不确定性变化）易导致系统功率失衡，引发频率偏差，若偏差超出允许范围，将严重影响电能质量甚至导致系统失稳。传统负荷频率控制方法高度依赖精确的系统数学模型，难以适配交直流微电网多源异构、拓扑多变、参数时变的特性，且对随机性源荷扰

文献来源：光伏和风电等分布式电源 (distributed generation，DG)高渗透率接入，使传统的单向辐射状无源配电网逐步转变为含多能供电、必要时辅助以弱环状拓扑结构运行的有源配电网[1-3]。间歇性分布式电源注入功率呈现较强的不确定性，传统配电网网络重构技术面临很多新的挑战[4-5]。需要对多类型分布式电源注入功率的不确定性进行合理分析与建模，并在网络重构模型中予以考虑，以确保配电网

自主水下航行器（AUV）作为海洋资源勘探、环境监测、水下作业等领域的核心装备，其路径跟踪控制性能直接决定作业精度与任务可靠性。欠驱动AUV因推进器配置受限，存在非完整约束，导致其二维路径跟踪控制面临非线性、强耦合、模型不确定性等诸多挑战。为解决上述问题，本文提出一种融合视线（LOS）制导与反步控制的欠驱动AUV二维路径跟踪控制策略。首先构建AUV水平面运动误差模型，明确期望速度与实际运动状态的偏差

针对存在模型不确定性、外部扰动与执行器输入饱和约束的机械臂轨迹跟踪控制问题，提出一种融合自适应强化学习与非奇异快速终端滑模的固定时间控制方法。该方法采用径向基函数神经网络构建行动者 - 批评者强化学习架构，实现不确定系统的自适应最优控制策略生成与性能评估；设计新型非奇异快速终端滑模面，保障跟踪误差在固定时间内全局收敛并给出收敛时间上界估计；针对执行器饱和效应，构建非线性反卷绕补偿器实时抑制饱和引发

文献来源：摘要-我们考虑通过联合优化框架同时使用电池存储系统进行调峰和频率调节，该框架捕获电池退化、操作约束以及客户负载和调节信号的不确定性。在此框架下，我们使用真实数据显示，用户的电费可降低12%。此外，我们证明，当电池用于两个单独的应用程序时，联合优化的节省通常大于最优节省的总和。提出了一种简单的阈值实时算法，实现了这种超线性增益。与之前专注于将电池存储系统用于单一应用的工作相比，我们的结果表

针对存在模型不确定性、外部扰动与执行器输入饱和约束的机械臂轨迹跟踪控制问题，提出一种融合自适应强化学习与非奇异快速终端滑模的固定时间控制方法。该方法采用径向基函数神经网络构建行动者 - 批评者强化学习架构，实现不确定系统的自适应最优控制策略生成与性能评估；设计新型非奇异快速终端滑模面，保障跟踪误差在固定时间内全局收敛并给出收敛时间上界估计；针对执行器饱和效应，构建非线性反卷绕补偿器实时抑制饱和引发

针对高比例可再生能源接入微电网后面临的源荷功率波动显著、预测误差难以抑制、储能长期约束难以闭环等问题，本文提出一种融合自适应预测修正与模型预测控制（MPC）的微电网优化调度方法。该方法构建自适应预测修正环节，基于源荷实测与预测的误差反馈动态调整预测结果，降低不确定性对调度的影响；以滚动优化为核心，在有限时域内实现运行成本最优与多设备约束协同满足；增设全局储能荷电状态（SOC）校正环节，确保调度周期

针对高比例可再生能源接入微电网后面临的源荷功率波动显著、预测误差难以抑制、储能长期约束难以闭环等问题，本文提出一种融合自适应预测修正与模型预测控制（MPC）的微电网优化调度方法。该方法构建自适应预测修正环节，基于源荷实测与预测的误差反馈动态调整预测结果，降低不确定性对调度的影响；以滚动优化为核心，在有限时域内实现运行成本最优与多设备约束协同满足；增设全局储能荷电状态（SOC）校正环节，确保调度周期

锅炉主汽温作为火电厂生产运行中的核心参数，其控制精度直接决定机组运行的安全性、经济性和稳定性。主汽温系统具有典型的大迟延、非线性、时变特性，且易受蒸汽负荷、燃料特性等多种扰动影响，传统PID控制器依赖人工经验或工程整定确定固定参数，难以适应系统动态变化，控制效果不佳。为解决这一问题，本文提出将BP神经网络与PID控制相结合的在线自整定控制策略，利用BP神经网络的自学习、非线性映射和不依赖系统模型的

四轴飞行器作为典型的多输入多输出、欠驱动、强耦合非线性系统，其飞行稳定性、轨迹跟踪精度及抗干扰能力直接依赖于控制算法的设计与优化。