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

电-热综合能源系统（EH-IES）是集电能与热能生产、传输、转换、存储和利用于一体的多能耦合系统。电力网络：含常规火电机组、风/光/水电机组、储能设备及输电线路；热力网络：由热源（如热电联产机组CHP）、供热管道（一次管网和二次管网）、水泵及储热罐构成；耦合设备：CHP机组、电锅炉、热泵等实现电能与热能的转换。该系统具有非线性、非凸、高维度的数学模型特性，且热力网络因传输延迟和热惯性具备显著的储能

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。

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

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。