高效实施基于集群化电压控制的重要前提就是合理的分布式能源集群划分，现有的分布式能源集群常常根据地域界限、网络拓扑等形成，不同的集群内电压调节常常对其他集群的节点电压影响较大，或是集群内部电压调节效率较低，大大减小了电压调节的效率。因此，合理的分布式能源集群划分，使集群内部耦合紧密，集群间耦合较松，实现集群间近似解耦，具有较大的实际意义。集群划分的最初目的是基于某一特征，将相似的个体划分至同一集群，

伴随智能电网的建设和清洁能源的开发利用,配电网中的负荷类型呈现多元化发展,分布式电源、可控负荷、储能等资源的增加让单向潮流的传统配电网逐渐向双向潮流的主动配电网结构转变。在能源结构转变的同时,清洁能源自身的随机性和波动性给配电网带来了更大的调峰压力,电力系统的安全稳定运行面临巨大的挑战。综合利用配电网内部的主动负荷资源参与优化调度,对提高电力系统供电可靠性和推进清洁能源发展有重要意义。

资源受限多智能体系统的分布式控制的预测触发研究引言多智能体系统（Multi-Agent Systems, MAS）是一类由多个具有独立功能的智能体组成的系统，这些智能体通过协作共同完成特定的任务。在资源受限的环境中，智能体通常面临感知范围、计算能力和通信带宽等方面的限制。因此，如何在资源受限的环境下有效地协调多个智能体，以实现全局目标，是多智能体系统研究中的一个关键问题。分布式控制策略。

微电网（Microgrid）微电网是由分布式电源（如光伏、风电）、储能装置、负荷及控制系统构成的自治系统，具备并网和离网运行能力，强调地理集中性和本地能源自给自足。其核心功能包括能源就地消纳、供电可靠性提升及可再生能源整合。例如，微网可通过储能系统平抑风光出力波动，并在电网故障时独立运行。虚拟电厂（Virtual Power Plant, VPP）虚拟电厂通过信息通信技术聚合分布式能源（DER）、

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。

算法创新：开发高效求解器（如混合整数线性规划加速算法）。跨学科融合：结合机器学习与统计学习，构建自适应模糊集。实际系统验证：在复杂工业场景（如高海拔铁路供电系统）中验证模型鲁棒性。基于Wasserstein距离的两阶段分布鲁棒优化模型是一种有效的处理不确定性和复杂性的优化方法。通过对偶转化和线性决策方法的应用，我们可以将复杂的原始问题转化为更易求解的形式，提高决策的鲁棒性和适应性。未来的研究可以进

针对传统多变量回归预测方法存在点预测精度不足、无法有效量化预测不确定性、核密度估计带宽固定导致概率预测效果差等问题，提出一种结合长短期记忆神经网络（LSTM）、自适应提升算法（Adaboost）与自适应带宽核密度估计（ABKDE）的集成学习多变量回归区间预测模型（LSTM-Adaboost-ABKDE）。

为实现微电网运行的综合效益最优，解决日前经济调度中的多设备协同优化问题，本文提出一种基于粒子群优化（PSO）与多元宇宙优化（MVO）算法的微电网日前经济调度优化方法。以微电网 24 小时运行成本、环保成本、需求响应补偿成本及负荷波动惩罚成本之和最小为优化目标，构建包含储能、微型燃气轮机、柴油发电机、可转移负荷的微电网日前经济调度模型，同时考虑设备功率上下限、储能荷电状态、可转移负荷总量守恒等硬约束