加和代码

通过代码的计算来进行加和操作

pyomo能源枢纽优化建模

该存储库包含标准“能源枢纽”模型的简单实现，该模型用于单个分散式多能源系统（D-MES）的优化设计和操作，同时考虑建筑物改造选项；模型在Pyomo中构建。

stm32驱动ad9833

该系统分为上位机和下位机两大部分组成，其中下位机由stm32微处理器、DDS(ad9833)模块、LCD（5110）显示模块、矩阵键盘模块、电压偏置模块以及A/D模块组成，上位机为计算机中labview编写的人机界面。上位机/按键可以控制ad9833产生的不同波形（正弦波、方波、三角波）、频率、幅值、偏置。然后将产生的波形通过stm32的A/D采集发送到上位机，并且在上位机显示出波形。

7电平MMC仿真

7电平级联MMC仿真

IB Specification Vol 1-Release-1.5

IB Specification Vol 1-Release-1.5最新版本

转速外环，电流内环，双闭环直流电机模型，参数可设置。

转速外环，电流内环，双闭环直流电机模型，参数可设置。

三相短路计算

该算法能够完成电力网络结构变更时三相对称短路的短路电流、各节点电压及指定各支路电流的求解。

蚁群算法

用蚂蚁的行走路径表示待优化问题的可行解，整个蚂蚁群体的所有路径构成待优化问题的解空间。路径较短的蚂蚁释放的信息素量较多，随着时间的推进，较短的路径上累积的信息素浓度逐渐增高，选择该路径的蚂蚁个数也愈来愈多。最终，整个蚂蚁会在正反馈的作用下集中到最佳的路径上，此时对应的便是待优化问题的最优解。这种算法可以应用于电网规划最佳路径的选择上。

BP算法

BP算法的基本思想是，学习过程由信号的正向传播与误差的反向传播两个过程组成。正向传播时，输入样本从输入层传入，经各隐层逐层处理后，传向输出层。若输出层的实际输出与期望的输出不符，则转入误差的反向传播阶段。误差反传是将输出误差以某种形式通过隐层向输入层逐层反传，并将误差分摊给各层的所有单元，从而获得各层单元的误差信号，此误差信号即作为修正各单元权值的依据。

退火算法

如果移动使目标函数值减少，即△Z0,则采用下面的方法来判断是否接受该移动：首先计算Bltzmann因子，又称接受率，其中参数T是温度。然后选择一个[0，1]区间均匀分布的随机数r；若，则保留新解；否则放弃该解。

双极性SPWM单相逆变器

双极性SPWM单相逆变器，利用电压闭环PI控制，可以实现电压幅值的跟踪输出控制，所有PI控制的参数已经设定好，动态性能良好。

数字频率计

该系统包括控制电路、整形电路、计数电路、锁存电路、显示电路六个单元电路。被测信号经过74LS14整形作为计数器的时钟信号，控制模块经开关S1触发后一个稳定状态翻转到一个暂稳态。由于电路中RC延时环节的作用，该暂态维持一段时间又回到原来的稳态，暂稳态时间为1S，在Q端输出。Q端连接到计数器load端控制计数的开始和结束。

3机9节点潮流计算

美湖西部电力系统的潮流计算，用于仿真，可视化效果好，可以更改负荷，断开线路等重新计算潮流。

三机九节点模型

时间序列分割

获取原始零序电压波形数据，并计算滑动标准差值，得到滑动标准差序列。利用LSTM算法对滑动标准差序列进行计算，获取其中的短时期记忆指标。

PSO分类算法（Matlab代码）

PSO神经网络分类

PWM整流器仿真（SVPWM）

基于matlab/simulink仿真平台实现了SVPWM调制方式的PWM三相整流。

神经网络算法 (NNA)

受生物神经系统和人工神经网络 (ANN) 启发，提出了一种新的元启发式优化算法，用于解决复杂的优化问题。 所提出的方法，称为神经网络算法（NNA），是基于人工神经网络的独特结构开发的。 NNA 受益于人工神经网络及其运营商的复杂结构，以生成新的候选解决方案。

基于虚拟人工神经网络和遗传算法的非线性最小二乘最小化

用于解决非线性最小二乘（非线性数据拟合）问题的神经网络优化（NNO）算法。NNO算法使用与任意优化函数（例如遗传算法（GA））耦合的人工神经网络（ANN）

电动汽车的无线电力传输simulink

用于电动汽车应用的5kW无线电力传输simulink仿真 ，电动汽车无线感应充电：电磁建模和互操作性分析