在当今复杂多变的世界中，时间序列预测在金融、气象、能源、交通等诸多领域扮演着举足轻重的角色。准确的时间序列预测不仅能为决策提供有力支持，更能有效规避风险，优化资源配置。然而，传统预测方法在面对非线性、非平稳、高噪声的时间序列数据时，往往表现出预测精度不足、泛化能力差等局限性。为了克服这些挑战，研究者们不断探索新的理论和技术，以期构建更加鲁棒、高效的预测模型。

在复杂系统建模和预测领域，时间序列分析扮演着至关重要的角色。尤其是在非线性、非平稳数据日益增多的背景下，如何有效地提取数据特征并进行精准预测，成为了学术界和工业界共同关注的焦点。传统的预测方法往往难以捕捉复杂时间序列中的多尺度特征和非线性动态。为了应对这一挑战，本文提出并详细阐述了一种融合完备集合经验模态分解（CEEMDAN）、变分模态分解（VMD）与门控循环单元（GRU）神经网络的预测模型（CE

在当今数据驱动的时代，时间序列预测在各个领域都扮演着至关重要的角色，从金融市场的股票价格预测到气象学中的天气预报，再到工业生产中的需求预测，准确的时间序列预测能够为决策者提供有价值的参考。然而，时间序列数据往往具有非线性、非平稳、多噪声等复杂特性，传统的时间序列模型，如自回归移动平均（ARIMA）模型，在处理这些复杂性时往往力不从心。为了克服这些限制，研究者们不断探索新的方法，将不同模型的优势结合

针对传统电力系统优化调度中碳排放成本内化不足、大规模系统集中式求解复杂度高、隐私保护能力弱等问题，本文提出一种融合分布式交替方向乘子法（ADMM）与碳排放交易机制的电力系统优化调度方案。以电力系统总运行成本（发电成本+碳排放交易成本）最小化为核心目标，兼顾系统功率平衡、机组运行约束、碳排放配额约束及网络安全约束，构建考虑碳排放交易的分布式优化调度模型。采用ADMM算法将全局优化问题分解为多个子区域

随着可再生能源的快速发展和电力系统对可靠性、效率和可持续性要求的提高，微电网作为一种集成分布式能源的有效解决方案受到广泛关注。特别是ACDC混合微电网，由于其兼顾交流和直流系统的优势，为各种类型分布式电源和负荷的接入提供了更大的灵活性。本文深入探讨了ACDC微电网的能源管理策略，该微电网仿真模型包含光伏发电机（PV）、燃料电池系统（FC）、超级电容器（SC）和直流侧电池储能系统（BES），并通过电

针对机械臂轨迹规划中运行时间过长、传统优化算法收敛速度慢、易陷入局部最优及轨迹平滑性不足等问题，提出一种融合3-5-3多项式插值、混沌映射改进麻雀算法（ISSA）与粒子群优化（PSO）的机械臂轨迹运行时间优化方法。首先，在关节空间采用3-5-3多项式插值构建轨迹模型，将轨迹划分为起始加速段、中间匀速段与末端减速段，通过时间分配参数控制各段时长，结合运动学边界条件确保轨迹连续光滑；

磁场的计算是电磁学的核心内容之一，有限长度直导线作为最基础的载流导体模型，其磁场分布规律是理解复杂载流体系磁场的基础。毕奥-萨法尔定律是计算任意载流导体产生磁场的根本依据，它通过微元分析法，将载流导体分割为无数电流元，再通过积分叠加得到整个导体的磁场分布。本文将详细阐述如何应用毕奥-萨法尔定律，完成有限长度直导线在三维空间中任意点的磁场计算，明确推导过程、计算步骤及注意事项，为相关电磁学问题的分析

在动态系统状态估计领域，卡尔曼滤波凭借其递归最优性和实时性，成为解决含噪观测下状态估计问题的核心方法，其本质是基于最小均方误差（MMSE）准则实现系统状态的最优估计，而卡尔曼最优增益则是平衡预测模型与观测数据权重、实现MMSE最优性的关键参数。本文围绕系统状态估计中的卡尔曼最优增益计算与MMSE估计展开深入研究，首先阐述卡尔曼滤波与MMSE估计的理论关联，推导卡尔曼最优增益的数学表达式及MMSE估

独立光伏系统无需依赖外部电网，通过本地硬件与软件整合实现自主运行，在偏远地区供电、工业控制等场景中具有不可替代的优势，其核心性能依赖于光伏MPPT（最大功率点跟踪）铅酸电池充电控制器的高效运行。本文针对独立系统的自主性、高可靠性需求，开展光伏MPPT铅酸电池充电控制器建模研究，整合光伏阵列特性、MPPT控制算法、铅酸电池充电特性及DC-DC转换拓扑，构建兼顾跟踪精度、充电效率与电池寿命的完整建模体

微电网作为一种分布式发电与负荷的集成系统，在提高能源利用效率、降低环境污染以及增强电网可靠性方面发挥着日益重要的作用。有效的微电网调度策略是确保其经济、稳定运行的关键。本文重点研究基于遗传算法（Genetic Algorithm, GA）的微电网优化调度问题，综合考虑风力发电、光伏发电、蓄电池储能系统和微型燃气轮机（Micro-Gas Turbine, MGT）等多种分布式电源，旨在实现微电网运行