提出了变分模态分解(VMD)和麻雀搜索算法(SSA)与长短期记忆神经网络(LSTM)相耦合，建立了光伏预测模型(VMD-SSA-LSTM)。首先利用VMD对历史负荷数据进行分解，然后依据SSA对LSTM的参数进行寻优，并将分解出的负荷分量输入到LSTM神经网络，最后将每个分量的预测值相加，得到光伏负荷预测值，结果表明，与LSTM、VMD-LSTM模型相比，VMD-SSA-LSTM模型的预测精度更高

人工势场法作为一种常用的路径规划方法，具有计算简单、实时性好等优点，在移动机器人路径规划中得到了广泛的应用。- **混合策略**: 将人工势场法与其他路径规划算法（如A*算法、Dijkstra算法等）结合，增强解决局部极小值问题的能力。- **在线学习**: 通过机器学习的方法自适应调整势场参数，提高在复杂环境中的适应能力。1. **计算效率高**: 由于只需要计算力的大小和方向，算法简单快速，适

Seq2seq模型原理：序列到序列的模型，由编码器和解码器组成，能够处理输入和输出序列长度不一致的问题。应用：适用于多步负荷预测，能够捕捉负荷数据的时序依赖性和非线性特征。RNN模型原理：循环神经网络，通过循环连接捕捉序列中的时间依赖性。应用：常用于短期负荷预测，能够较好地处理时间序列数据。Wavenet模型原理：基于因果卷积的神经网络，能够生成高质量的音频波形，也适用于时间序列预测。应用：在电力

参考文献：GWO-BP-AdaBoost预测研究是指将灰狼优化（Grey Wolf Optimizer, GWO）、人工神经网络（Back Propagation Neural Network, BPNN）与AdaBoost集成学习算法结合起来的一种预测模型应用研究。这种综合方法利用了各算法的优点，旨在提高预测精度和泛化能力。

本文研究了一般线性多智能体网络的分布式事件触发共识问题，考虑了无领导者和有领导者两种共识问题。基于局部采样状态或局部输出信息，设计了分布式自适应事件触发协议，能够确保智能体达成共识，并通过证明任意两个触发事件之间的间隔被一个严格正值下界所限制，从而排除了Zeno行为。与以往相关工作相比，本文的主要贡献在于提出的自适应事件驱动协议是完全分布式的且可扩展的，不依赖于网络图的任何全局信息，并且与网络规模

汽车操纵稳定性是评价车辆行驶安全与动态性能的核心指标，线性动力学模型是开展车辆操稳特性分析、控制器设计与整车性能仿真的基础工具。本文以经典线性车辆动力学理论为依托，分别搭建车辆二自由度、三自由度与四自由度操纵稳定性模型，完成多模型体系下的仿真试验。通过对比不同自由度模型的动态响应结果，分析各模型的适用场景、计算偏差与稳定特性，同时梳理多自由度线性车辆模型的完整建模思路。研究结果表明，在常规行驶工况

汽车悬架系统是隔离路面振动、保障行驶平顺性与操纵稳定性的核心部件，半主动悬架凭借能耗低、结构简单、减振性能优异的优势，成为当前汽车悬架领域的研究热点。本文以二自由度1/4汽车半主动悬架为研究对象，基于线性系统特性完成悬架物理模型构建，通过力学原理完成系统阻尼振动微分方程的理论推导，依托Simulink平台搭建对应的仿真模型。在此基础上，分别从悬架刚度、悬架阻尼、轮胎刚度三个核心结构参数维度，探究各

本文采用SFE模型对产消者竞价行为建模,确立了含多产消者的新型城镇配电系统日前现货市场交易机制,建立了含竞价博弈和优化调度的双层模型。上层模型追求产消者利润最大化,可确定多个产消者在配电网内的最优报价策略,下层模型考虑运行安全约束以及用户参与DR对系统进行最优经济调度﹐确定市场出清价格。最后﹐采用改进粒子群优化算法与(CPLEX求解器相结合的方法对该多主从博弈模型进行求解。

随着新型电力系统建设持续推进，新能源并网渗透率不断提升，传统跟网型逆变器并网模式在电网弱阻尼、频率扰动场景下存在稳定性不足、无主动调频能力等问题。构网型逆变器可模拟同步发电机组运行特性，具备自主建压、虚拟惯量支撑能力，能够有效弥补传统并网设备的运行短板。本文以1MW级、50Hz、690V升压220kV的构网型（GFM-VSG）与跟网型（GFL-PQ）逆变器混合并联并网系统为研究对象，搭建完整的混合

基于超局部扩展状态观测器的永磁同步电机无模型预测电流控制研究。