弱电网因其高阻抗和低短路比特性，常导致系统不稳定，限制了功率传输。本研究通过仿真，建立了弱电网条件下跟网型逆变器的小信号扰动模型，包括状态空间模型和阻抗模型。我们提出了一种计算稳态工作点的新方法，并利用状态空间矩阵特征值分析，对系统稳定性进行了深入评估，确定了稳定性界限。为直观比较不同控制策略的效果，我们利用Simulink构建了仿真模型，包括传统控制策略模型和采用双锁相环阻抗重塑的优化控制策略模

状态空间（State）信道状态：用户与无人机的信道增益矩阵、多径衰落参数。干扰指标：各用户接收端的信干噪比（SINR）、相邻无人机干扰功率。网络负载：活跃用户数、待传数据队列长度。动作空间（Action）功率分配：为每个用户分配发射功率比例，需满足总功率约束。用户分组：动态调整NOMA用户配对，优化SIC解码顺序。无人机轨迹：调整飞行高度与位置以优化信道条件。

两阶段鲁棒优化（Two-Stage Robust Optimization, TSRO）是处理决策过程中存在不确定性的重要范式，广泛应用于网络/运输、投资组合优化及电力系统调度等领域。然而，其固有的max-min结构导致模型求解具有挑战性。列与约束生成（Column-and-Constraint Generation, C&CG）算法通过分解主问题与子问题、动态生成约束与变量，显著提升了求解效率。

两阶段鲁棒优化（Two-Stage Robust Optimization, TSRO）是处理决策过程中存在不确定性的重要范式，广泛应用于网络/运输、投资组合优化及电力系统调度等领域。然而，其固有的max-min结构导致模型求解具有挑战性。列与约束生成（Column-and-Constraint Generation, C&CG）算法通过分解主问题与子问题、动态生成约束与变量，显著提升了求解效率。

在DQN + 人工势场的避障控制中，首先根据环境信息构建人工势场，将障碍物视为斥力源，目标点视为引力源。然后，将势场信息作为DQN的输入状态之一，与原始的环境状态（如位置、速度等）一起输入到DQN网络中。DQN网络根据输入状态输出每个动作的价值，智能体根据这些价值选择最优动作进行执行。

DDSRF-PLL通过双坐标系解耦技术，显著提升了电网不平衡条件下的相位检测精度，广泛应用于故障保护、新能源并网等领域。高次谐波适应性：结合自适应滤波算法或深度学习优化参数。多目标协同控制：在解耦网络中集成频率自适应机制，应对电网频率波动。📚2 运行结果。

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

风电功率预测对电网稳定性至关重要。传统预测模型易受风速突变、气象多变性等影响，而。

提出了迭代加权的ELM，然而，由于缺乏正则化项，性能并不理想，并且计算量大大增加，因为每次迭代涉及的时间与原始ELM所花费的时间一样多。然而，有人指出，在2-范数容易受到异常值的严重影响，因为 l2-范数放大了与大偏差相关的异常值的影响。一样，ELM不仅具有近似嵌入大量训练数据中的未知函数的能力，而且还具有并行结构，以便在训练期间以及测试过程中执行快速高效的并行计算。因此，构建异常值鲁棒模型的要求

根据[1]的数据，到2050年，全球70%的人口将居住在城市地区，约占全球63亿人口。在他们对EVs及其对气候影响的回顾中，参考文献[10]发现，使用来自全球变暖潜势（GWP）较低的电力的车辆比ICEVs更好。虽然重点集中在电动车上，为了展示该模型的有效性，我们演示了ICEV车辆如何通过将能源转换为汽油（升/公里）来纳入模型，从而直接比较使用两种车辆的个体级行为/模式对成本和效率的相对影响。本文的