✅作者简介热爱科研的Matlab仿真开发者擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。 往期回顾关注个人主页Matlab科研工作室个人信条格物致知,完整Matlab代码及仿真咨询内容私信。内容介绍一、系统概述单机光伏电池-超级电容混合储能系统以下简称“混合储能系统”是针对光伏出力间歇性、波动性问题设计的小型独立储能解决方案核心是通过电池与超级电容器的互补协同实现光伏能量的高效存储、合理分配与稳定输出。能量管理系统EMS作为该混合储能系统的“大脑”承担着实时监测、动态决策、精准控制的核心功能其性能直接决定了混合储能系统的能量利用效率、设备使用寿命与运行稳定性。光伏电池的出力受光照强度、环境温度等自然因素影响存在明显的随机性和波动性单一储能器件难以同时满足“长期能量存储”与“瞬时功率响应”的双重需求。电池如锂离子电池具备高能量密度200-300 Wh/kg适合存储大量电能并提供持续稳定的基础供电但功率密度低、充放电响应速度慢频繁承受突发大电流会显著缩短其循环寿命超级电容器则具备高功率密度5-10 kW/kg、快速充放电能力响应时间1秒和超长循环寿命50万次可快速吸收或释放瞬时功率平抑光伏出力与负载需求的突变但能量密度低、无法实现长期能量存储。能量管理系统的核心目标的是充分发挥两者的互补优势通过科学的控制策略与能量分配逻辑实现“电池负责长期能量存储与稳态供电超级电容负责瞬时功率调节与波动平抑”同时保障系统各组件安全、高效运行最大化光伏能量利用率降低系统运行成本与维护成本。二、混合储能系统核心架构与EMS定位2.1 系统整体架构单机光伏电池-超级电容混合储能系统主要由四大模块组成光伏发电模块、混合储能模块电池超级电容、功率转换模块DC/DC变换器、逆变器以及能量管理系统EMS。各模块协同工作构成完整的能量产生、存储、转换与控制闭环具体架构逻辑如下光伏发电模块由单台光伏组件组成将太阳能转化为直流电能是系统的能量来源其出力受环境因素动态变化混合储能模块核心执行单元电池组负责长期能量存储应对低辐照度或夜间的负载需求超级电容负责平抑瞬时功率波动应对光照突变、负载突增等场景功率转换模块包括光伏侧Boost DC/DC变换器实现最大功率点跟踪MPPT、储能侧双向DC/DC变换器实现电池与超级电容的充放电控制以及逆变器将直流电能转换为交流电能满足交流负载需求是能量传输与转换的核心载体其效率直接影响系统综合性能能量管理系统EMS核心控制单元通过采集各模块的运行参数制定能量分配策略输出控制指令协调各模块协同工作确保系统稳定、高效运行。根据功率耦合方式的不同系统拓扑可分为直流耦合、交流耦合与混合耦合三类直流耦合模式下光伏阵列与混合储能系统通过DC/DC变换器连接至直流母线共用单一逆变器效率高95%适用于高功率单机场景交流耦合模式下光伏与混合储能分别通过独立逆变器接入交流母线灵活性高但转换损耗略高5-8%混合耦合模式结合两者优势支持多模式切换可根据负载需求灵活选择供电路径。单机场景中直流耦合拓扑因效率优势应用最为广泛。2.2 EMS的核心定位EMS在混合储能系统中处于核心主导地位本质是“感知-决策-控制”的闭环系统其核心定位体现在三个方面状态监测中枢实时采集光伏出力、电池状态SOC、SOH、电压、电流、温度、超级电容状态电压、电流、SOC、负载需求、功率转换模块运行参数等实现全系统运行状态的精准感知与实时反馈能量决策中枢基于实时监测数据与预设控制目标动态制定能量分配策略、充放电控制策略解决“光伏出力波动如何分配”“储能器件如何充放电”“负载需求如何满足”等核心问题控制执行中枢将决策指令转化为具体的控制信号驱动功率转换模块、储能模块执行相应操作同时实现过充、过放、过温、过流等安全保护确保系统可靠运行。三、EMS的核心功能单机光伏电池-超级电容混合储能系统的EMS需兼顾能量利用效率、设备安全与运行稳定性核心功能涵盖状态监测、能量分配、充放电控制、安全保护、故障诊断与优化调度六大模块各功能协同作用确保系统高效运行。3.1 全参数实时监测功能监测功能是EMS运行的基础需实现全系统参数的高精度、实时采集为决策与控制提供数据支撑核心监测参数包括光伏模块参数光伏组件输出电压、电流、功率以及光照强度、环境温度用于预判光伏出力变化趋势储能模块参数电池组的SOCState of Charge剩余电量、SOHState of Health健康状态、单体电压、总电压、充放电电流、表面温度超级电容的端电压、充放电电流、SOC通过电压间接计算、温度功率转换模块参数DC/DC变换器、逆变器的输入/输出电压、电流、功率、转换效率以及开关器件温度负载参数负载的实时功率、电压、电流以及负载类型阻性、感性、容性用于动态匹配能量供应。监测数据需经过滤波、校准处理确保数据准确性采样频率根据场景需求设定通常为10-100Hz同时支持数据存储与历史查询为系统优化与故障追溯提供依据。3.2 动态能量分配功能能量分配是EMS的核心功能核心逻辑是根据光伏出力、负载需求、储能器件状态动态分配能量流向实现“光伏优先、储能互补、负载匹配”具体分配策略分为三种典型场景光伏出力充足光伏功率负载功率优先利用光伏电能直接供给负载剩余电能按“超级电容优先充电、电池补充充电”的原则分配——超级电容快速吸收瞬时多余功率避免电池承受高频充电冲击当超级电容充满SOC≥90%后剩余电能用于电池充电直至电池SOC达到80%兼顾寿命与存储容量若仍有剩余可通过卸荷装置合理处置避免能量浪费光伏出力不足光伏功率负载功率启动混合储能放电补充按“超级电容优先响应、电池持续供给”的原则分配——超级电容快速释放能量平抑负载突增或光伏突降带来的功率缺口电池则提供稳定的基础功率确保负载电压、频率稳定当超级电容SOC≤20%时由电池主导供电避免超级电容深度放电损坏无光伏出力夜间、阴天完全由混合储能系统供电电池提供持续稳定的能量超级电容辅助平抑负载瞬时波动确保供电连续性同时监测电池SOC当SOC≤20%时发出低电量预警提醒及时补充能量或切断非关键负载。能量分配策略需具备动态适应性可根据光伏出力波动、负载变化、储能器件状态实时调整避免单一器件过度工作兼顾能量利用效率与设备寿命。常用的分配方法包括一阶低通滤波法将总功率分解为低频分量由电池承担、高频分量由超级电容承担、模糊逻辑控制、模型预测控制等。3.3 充放电精准控制功能充放电控制是实现能量分配策略的关键EMS通过控制功率转换模块的开关状态实现电池与超级电容的精准充放电核心控制逻辑分为两部分电池充放电控制采用“恒流-恒压CC-CV”充电模式避免过充放电时采用恒流控制限制放电电流防止过放同时根据电池SOC、温度动态调整充放电电流——高温时降低充放电电流低温时禁止充电避免锂析出SOC接近上限/下限时逐步减小充放电电流延长电池寿命。电池SOC需严格控制在20%-80%的合理范围可延长其寿命30-50%超级电容充放电控制采用恒流充放电模式利用其快速充放电特性快速响应瞬时功率需求充放电电流根据负载波动与光伏出力变化实时调整避免超级电容过充电压不超过额定电压的1.1倍、过放电压不低于额定电压的0.5倍同时引入SOC自平衡机制通过虚拟电阻反馈或PI偏置补偿将超级电容SOC维持在50%左右确保其随时具备响应能力。此外充放电控制需与MPPT控制协同确保光伏组件始终工作在最大功率点最大化光伏能量捕获效率同时避免光伏出力波动对储能器件造成冲击。3.4 全系统安全保护功能安全保护是EMS的必备功能核心是预防储能器件、功率转换模块因过充、过放、过温、过流等异常情况损坏同时保障系统运行安全核心保护机制包括储能器件保护电池过充保护SOC≥85%时切断充电回路、过放保护SOC≤15%时切断放电回路、过温保护温度55℃或-10℃时停止充放电、过流保护充放电电流超过额定值1.2倍时切断回路超级电容过压保护电压超过额定值1.1倍时切断充电、欠压保护电压低于额定值0.5倍时切断放电、过流保护功率转换模块保护DC/DC变换器、逆变器的过流保护、过压保护、过温保护以及开关器件故障保护避免转换模块损坏系统整体保护负载短路保护检测到短路电流时快速切断供电回路、漏电保护避免人员触电、光伏反接保护防止光伏组件反接损坏设备预警功能当系统出现异常如电池SOC过低、超级电容过压、设备过温时发出声光预警同时记录异常数据便于后期排查。3.5 故障诊断与容错功能单机系统运行环境可能较为复杂EMS需具备故障诊断与容错能力确保系统在局部故障时仍能正常运行或安全停机故障诊断通过实时监测参数的异常变化诊断故障类型包括光伏组件故障出力骤降、电池故障单体电压异常、SOC突变、超级电容故障电压无法充放电、功率转换模块故障转换效率骤降、过温、负载故障短路、过载容错控制针对不同故障类型制定相应的容错策略——如光伏组件故障时停止光伏供电完全由混合储能供电超级电容故障时暂时关闭超级电容回路由电池单独承担供电任务需降低负载功率避免电池承受过大瞬时电流电池故障时停止电池充放电由超级电容临时供电仅适用于短时间、小功率负载同时发出故障预警提醒维修。3.6 优化调度与参数自适应功能为提升系统长期运行的经济性与稳定性EMS需具备优化调度与参数自适应功能优化调度基于历史运行数据光伏出力规律、负载需求规律预判光伏出力与负载变化提前制定充放电计划如预判次日光照充足时提前将电池充至合理SOC避免次日光伏出力过剩浪费预判负载高峰时提前确保超级电容处于高SOC状态提升瞬时响应能力参数自适应根据储能器件老化程度如电池SOH下降、环境温度变化、负载类型变化动态调整充放电电流、能量分配比例等参数确保系统始终处于最优运行状态例如电池老化后适当降低充放电电流调整SOC合理范围延长其剩余使用寿命。四、EMS的核心控制策略控制策略是EMS的核心灵魂决定了能量分配的合理性、系统运行的稳定性与效率。结合单机光伏混合储能系统的特点容量小、负载波动大、运行场景灵活目前主流的控制策略可分为四大类可根据实际场景单独或组合使用4.1 基于经验的控制策略逻辑门限控制基于预设的SOC阈值、功率阈值制定固定的控制规则如“当超级电容SOC≥90%时停止充电并切换至电池充电当超级电容SOC≤20%时停止放电并切换至电池放电”。该策略结构简单、计算量小、易于实现适合小型单机系统但适应性差无法应对复杂的光伏波动与负载变化鲁棒性较弱模糊逻辑控制基于专家经验将光伏出力、负载功率、电池SOC、超级电容SOC等模糊变量转化为控制指令无需建立精确的数学模型鲁棒性强能较好应对光伏与负载的不确定性波动。例如通过模糊规则判断“光伏出力充足程度”“负载需求紧急程度”动态调整能量分配比例但该策略依赖人工经验调参精度有限。4.2 基于优化的控制策略模型预测控制MPC通过建立系统数学模型预测未来短时间内如1-5分钟的光伏出力、负载需求以“最小化电池损耗、最大化能量利用率”为目标求解最优能量分配方案实时更新控制指令。该策略控制精度高、适应性强能有效应对复杂工况但计算量较大对EMS的硬件性能有一定要求适合对控制精度要求较高的单机场景遗传算法GA作为全局优化算法可针对多目标优化问题如最小化运行成本、最大化设备寿命、最大化能量利用率求解最优控制参数如充放电电流、能量分配比例适用于多变量复杂的单机系统可实现长期运行的经济性优化但实时性较差通常用于离线优化或参数整定。4.3 基于工况模式识别的控制策略通过分析历史运行数据将系统运行工况分为晴天、阴天、多云、夜间、负载高峰、负载低谷等典型模式针对不同工况预设最优控制策略EMS实时识别当前工况匹配对应的控制方案。例如晴天工况下强化超级电容的瞬时波动平抑功能阴天工况下优化电池充放电控制确保能量供应稳定。该策略需建立高精度工况模式库适应性较强能兼顾控制精度与实时性适合运行场景相对固定的单机系统。4.4 基于机器学习的控制策略强化学习RL通过智能体与系统环境的持续交互不断优化控制策略无需预设模型与经验参数能自适应光伏出力与负载的随机波动适合工况复杂、不确定性强的单机系统。例如通过强化学习训练智能体使其自主学习不同场景下的最优能量分配方式提升系统的自适应能力与运行效率神经网络ANN利用神经网络的预测能力精准预测光伏出力、负载需求与储能器件状态如电池SOC、超级电容电压为能量分配与充放电控制提供精准依据同时可实现控制参数的自适应调整进一步提升控制精度与系统稳定性。五、EMS的硬件与软件构成EMS的正常运行依赖硬件与软件的协同配合硬件负责参数采集与指令执行软件负责数据处理、决策制定与控制逻辑实现两者相互支撑确保系统高效、稳定运行。5.1 硬件构成单机光伏混合储能系统的EMS硬件以“小型化、低成本、高可靠性”为原则主要由以下几部分组成主控单元MCU/PLC核心硬件负责数据处理、逻辑运算、决策制定与指令输出常用的MCU有STM32系列、PIC系列PLC适合对控制精度与稳定性要求较高的场景。主控单元需具备较强的运算能力与接口扩展能力支持多通道数据采集与多设备控制数据采集单元由各类传感器、采集模块组成包括电压传感器、电流传感器、温度传感器、光照传感器等负责采集系统各模块的运行参数将模拟信号转换为数字信号传输至主控单元采集模块需具备高精度、高抗干扰能力适应户外复杂运行环境执行单元由继电器、接触器、驱动模块组成负责接收主控单元的控制指令控制功率转换模块的开关状态、储能器件的充放电回路通断实现能量分配与充放电控制执行单元需具备快速响应能力与高可靠性确保控制指令的准确执行通信单元负责主控单元与各模块、上位机如监控终端的通信传输监测数据、控制指令与故障信息常用的通信方式有RS485、CAN总线、WiFi适合远程监控确保数据传输的实时性与可靠性电源单元为EMS各硬件模块提供稳定的工作电源通常采用直流电源如12V、24V可由光伏系统或储能系统供电确保EMS在光伏出力不足或无光伏出力时仍能正常运行显示与预警单元包括显示屏、声光报警器显示屏实时显示系统运行参数光伏出力、储能状态、负载功率等声光报警器在系统出现异常时发出预警便于操作人员及时发现与处理问题。5.2 软件构成EMS软件采用模块化设计分为底层驱动软件、核心控制软件、人机交互软件三大模块各模块独立运行、协同配合具体功能如下底层驱动软件负责驱动传感器、执行单元、通信单元等硬件设备实现数据采集、指令执行与通信功能是软件与硬件的接口需具备良好的兼容性与稳定性确保硬件设备正常工作核心控制软件EMS的核心包含数据处理模块、能量分配模块、充放电控制模块、安全保护模块、故障诊断模块、优化调度模块实现数据滤波、逻辑决策、精准控制等功能控制策略如模糊控制、MPC均在该模块中实现人机交互软件负责与操作人员交互包括参数设置如SOC阈值、充放电电流限制、数据显示、故障查询、历史数据统计等功能可通过本地显示屏或远程上位机操作界面简洁、操作便捷便于操作人员实时监控与管理系统。此外软件还需具备数据存储功能存储历史运行数据与故障信息为系统优化、故障追溯提供依据同时具备自诊断功能及时发现软件运行异常确保系统稳定运行。对于需要仿真验证的场景可基于Matlab/Simulink搭建仿真模型对控制策略与系统性能进行验证与优化。六、EMS的性能评价指标评价EMS的性能需结合系统运行效率、设备寿命、运行稳定性等核心需求设定科学的评价指标主要包括以下几类能量利用效率核心指标指系统实际利用的光伏能量与光伏总出力的比值反映EMS的能量分配合理性理想情况下应≥85%可通过优化能量分配策略、提升功率转换效率实现功率分配效率指通过EMS控制实现的电池与超级电容功率分配的合理性目标效率需90%可通过动态调整DC/DC变换器占空比、优化控制策略提升动态响应速度指EMS对光伏出力波动、负载变化的响应速度超级电容需在毫秒级响应功率需求电池响应时间控制在秒级确保系统功率平滑过渡避免电压、频率波动储能器件寿命保障通过EMS的充放电控制与保护功能延长电池与超级电容的使用寿命混合系统相比单一电池系统可延长电池寿命30-50%超级电容寿命需≥10年运行稳定性指系统在不同工况下光伏波动、负载变化、环境变化的稳定运行能力要求无频繁停机、无设备故障电压、频率波动控制在允许范围内如电压波动≤±5%故障诊断准确率指EMS对系统故障的识别准确率理想情况下应≥95%确保故障及时发现与处理避免故障扩大经济性指EMS的运行成本与维护成本以及通过优化调度降低的系统整体运行成本要求EMS硬件成本低、维护便捷能有效降低储能器件更换成本与能量浪费。七、现存挑战与未来发展方向7.1 现存挑战目前单机光伏电池-超级电容混合储能系统的EMS仍面临一些技术挑战制约其性能提升与规模化应用光伏与负载预测精度不足光伏出力受自然因素影响负载需求存在随机性现有预测方法如神经网络、历史数据拟合的预测精度仍有待提升导致能量分配策略不够精准影响系统效率多时间尺度协同难度大超级电容的秒级响应与电池的小时级响应难以实现无缝衔接如何协调不同时间尺度的功率分配平衡瞬时波动平抑与长期能量存储仍是需要解决的关键问题硬件成本与可靠性平衡单机系统对成本敏感高精度的传感器、主控单元会增加硬件成本而低成本硬件的可靠性与抗干扰能力较差难以适应户外复杂环境控制策略的适应性有限现有控制策略多针对特定工况设计当工况发生剧烈变化如突发暴雨、负载骤增时控制策略的适应性不足可能导致系统运行不稳定标准化程度低目前混合储能系统的EMS缺乏统一的设计标准与测试标准如IEC 62933不同厂家的产品兼容性差不利于技术推广与维护。7.2 未来发展方向结合可再生能源技术的发展趋势单机光伏电池-超级电容混合储能系统的EMS将向“智能化、高效化、低成本、标准化”方向发展核心发展方向包括智能化升级融合人工智能、大数据技术提升光伏出力与负载需求的预测精度采用强化学习、深度神经网络等先进控制策略实现控制策略的自学习、自适应提升系统应对复杂工况的能力高效化优化优化能量分配策略与充放电控制逻辑提升系统能量利用效率研发高效的功率转换模块降低转换损耗推动系统综合效率提升至90%以上低成本化发展研发低成本、高可靠性的硬件模块如集成化传感器、经济型主控单元降低EMS的硬件成本简化控制策略降低软件开发与维护成本推动单机混合储能系统的规模化应用标准化建设建立统一的EMS设计标准、测试标准与通信协议提升不同厂家产品的兼容性便于系统集成、维护与升级多技术融合结合数字孪生技术构建系统虚拟仿真模型实时模拟系统运行状态优化控制参数减少物理实验成本融合固态电池与超级电容集成技术利用固态电池高安全性与超级电容高功率密度的优势构建下一代混合储能系统进一步提升系统性能轻量化与集成化将EMS与功率转换模块、储能模块集成一体实现系统小型化、轻量化适应便携式、移动性单机场景如户外监测设备、小型移动电源。八、结论能量管理系统EMS是单机光伏电池-超级电容混合储能系统的核心控制单元其通过实时监测、动态能量分配、精准充放电控制、安全保护等功能充分发挥电池与超级电容的互补优势解决了光伏出力间歇性、波动性的问题提升了系统的能量利用效率、运行稳定性与设备使用寿命。目前EMS已形成较为完善的功能体系与控制策略在小型独立光伏系统如户外监测、农村家用、小型通信基站中得到广泛应用但仍面临预测精度不足、多时间尺度协同难度大、成本较高等挑战。未来随着人工智能、大数据、功率电子等技术的发展EMS将向智能化、高效化、低成本、标准化方向升级进一步优化控制策略、提升硬件性能、降低成本推动单机光伏混合储能系统的规模化应用为可再生能源的高效利用提供重要支撑。⛳️ 运行结果 参考文献[1] 孙玉伟,赵晓兴,尹翔,等.太阳能空气动力艇混合储能装置中能量管理系统的设计与仿真研究[J].中国造船, 2018, 59(4):12.DOI:10.3969/j.issn.1000-4882.2018.04.021.[2] 赵超培.KLQ6856车型锂电池/超级电容复合储能系统过充放优化与自适应控制策略[J].科学技术创新, 2023(21):197-200.DOI:10.3969/j.issn.1673-1328.2023.21.049. 部分代码 部分理论引用网络文献若有侵权联系博主删除 关注我领取海量matlab电子书和数学建模资料团队擅长辅导定制多种科研领域MATLAB仿真助力科研梦 各类智能优化算法改进及应用生产调度、经济调度、装配线调度、充电优化、车间调度、发车优化、水库调度、三维装箱、物流选址、货位优化、公交排班优化、充电桩布局优化、车间布局优化、集装箱船配载优化、水泵组合优化、解医疗资源分配优化、设施布局优化、可视域基站和无人机选址优化、背包问题、 风电场布局、时隙分配优化、 最佳分布式发电单元分配、多阶段管道维修、 工厂-中心-需求点三级选址问题、 应急生活物质配送中心选址、 基站选址、 道路灯柱布置、 枢纽节点部署、 输电线路台风监测装置、 集装箱调度、 机组优化、 投资优化组合、云服务器组合优化、 天线线性阵列分布优化、CVRP问题、VRPPD问题、多中心VRP问题、多层网络的VRP问题、多中心多车型的VRP问题、 动态VRP问题、双层车辆路径规划2E-VRP、充电车辆路径规划EVRP、油电混合车辆路径规划、混合流水车间问题、 订单拆分调度问题、 公交车的调度排班优化问题、航班摆渡车辆调度问题、选址路径规划问题、港口调度、港口岸桥调度、停机位分配、机场航班调度、泄漏源定位 机器学习和深度学习时序、回归、分类、聚类和降维2.1 bp时序、回归预测和分类2.2 ENS声神经网络时序、回归预测和分类2.3 SVM/CNN-SVM/LSSVM/RVM支持向量机系列时序、回归预测和分类2.4 CNN|TCN|GCN卷积神经网络系列时序、回归预测和分类2.5 ELM/KELM/RELM/DELM极限学习机系列时序、回归预测和分类2.6 GRU/Bi-GRU/CNN-GRU/CNN-BiGRU门控神经网络时序、回归预测和分类2.7 ELMAN递归神经网络时序、回归\预测和分类2.8 LSTM/BiLSTM/CNN-LSTM/CNN-BiLSTM/长短记忆神经网络系列时序、回归预测和分类2.9 RBF径向基神经网络时序、回归预测和分类2.10 DBN深度置信网络时序、回归预测和分类2.11 FNN模糊神经网络时序、回归预测2.12 RF随机森林时序、回归预测和分类2.13 BLS宽度学习时序、回归预测和分类2.14 PNN脉冲神经网络分类2.15 模糊小波神经网络预测和分类2.16 时序、回归预测和分类2.17 时序、回归预测预测和分类2.18 XGBOOST集成学习时序、回归预测预测和分类2.19 Transform各类组合时序、回归预测预测和分类方向涵盖风电预测、光伏预测、电池寿命预测、辐射源识别、交通流预测、负荷预测、股价预测、PM2.5浓度预测、电池健康状态预测、用电量预测、水体光学参数反演、NLOS信号识别、地铁停车精准预测、变压器故障诊断图像处理方面图像识别、图像分割、图像检测、图像隐藏、图像配准、图像拼接、图像融合、图像增强、图像压缩感知 路径规划方面旅行商问题TSP、车辆路径问题VRP、MVRP、CVRP、VRPTW等、无人机三维路径规划、无人机协同、无人机编队、机器人路径规划、栅格地图路径规划、多式联运运输问题、 充电车辆路径规划EVRP、 双层车辆路径规划2E-VRP、 油电混合车辆路径规划、 船舶航迹规划、 全路径规划规划、 仓储巡逻 无人机应用方面无人机路径规划、无人机控制、无人机编队、无人机协同、无人机任务分配、无人机安全通信轨迹在线优化、车辆协同无人机路径规划 通信方面传感器部署优化、通信协议优化、路由优化、目标定位优化、Dv-Hop定位优化、Leach协议优化、WSN覆盖优化、组播优化、RSSI定位优化、水声通信、通信上传下载分配 信号处理方面信号识别、信号加密、信号去噪、信号增强、雷达信号处理、信号水印嵌入提取、肌电信号、脑电信号、信号配时优化、心电信号、DOA估计、编码译码、变分模态分解、管道泄漏、滤波器、数字信号处理传输分析去噪、数字信号调制、误码率、信号估计、DTMF、信号检测电力系统方面微电网优化、无功优化、配电网重构、储能配置、有序充电、MPPT优化、家庭用电 元胞自动机方面交通流 人群疏散 病毒扩散 晶体生长 金属腐蚀 雷达方面卡尔曼滤波跟踪、航迹关联、航迹融合、SOC估计、阵列优化、NLOS识别 车间调度零等待流水车间调度问题NWFSP、置换流水车间调度问题PFSP、混合流水车间调度问题HFSP、零空闲流水车间调度问题NIFSP、分布式置换流水车间调度问题 DPFSP、阻塞流水车间调度问题BFSP