.png){kind=icon}
返回
Microgrid design and optimization
.png){kind=icon}
OA
AI
DOI：10.1038/s41598-026-75255-z.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
微电网正通过实现去中心化、弹性和可持续的能源解决方案，迅速改变现代电力系统。随着可再生能源渗透率的增加，与系统设计、优化、控制和保护相关的挑战变得更加复杂且相互关联。本“微电网设计与优化”特刊汇集了通过创新方法和实践应用解决这些挑战的最新进展。投稿内容涵盖混合系统设计、智能优化技术、保护策略以及实际部署场景。该特刊中的精选研究展示了在不确定条件下增强运行可靠性、经济可行性和系统弹性的创新方法。本社论概述了研究现状，阐述了关键投稿，并强调了新兴方向，包括人工智能驱动的控制、混合能源集成和可持续微电网架构。本特刊旨在为致力于下一代能源系统的研究人员提供有价值的参考。
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
3.9
论文数:
28.3W
被引数:
93.7W
机构
引用论文
Electric vehicle integrated tidal-solar-wind-hydro-thermal systems for strengthing the microgrid and environment sustainability电动汽车集成潮汐-太阳能-风能-水力-热力系统，用于加强微电网和环境可持续性.png)
SCIENTIFIC REPORTS
OAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Bio-inspired computational intelligence metaheuristic-based optimization and sensitivity analysis approach to determine techno-economic feasibility of hydrogen refueling stations for fuel cell vehicles生物启发的计算智能基于元启发式的优化和灵敏度分析方法，用于确定燃料电池汽车加氢站的技术经济可行性SCIENTIFIC REPORTSOAAI
SCIENTIFIC REPORTSIF3.9
OAAI分享收藏Wu, X.; Cao, Y.; Wu, H.; Qi, S.; Zhao, M.; Feng, Y.; Yu, Q. Hybrid learning-based fault prediction and cascading failure mitigation in multi-network energy systems. Sci. Rep. 2025, 15, 33938. [Google Scholar] [CrossRef] [PubMed]吴X.; 曹Y.; 吴H.; 祁S.; 赵M.; 冯Y.; 俞Q. 基于混合学习的故障预测和多网络能源系统中的级联故障缓解. Sci. Rep. 2025, 15, 33938. [Google Scholar] [CrossRef] [PubMed]
IF0
PREAI
分享收藏