當(dāng)論文完成最后的結(jié)論部分之后，最后一個(gè)部分就是參考文獻(xiàn)，大多數(shù)論文的參考文獻(xiàn)都是從中國(guó)知網(wǎng)直接引用過(guò)來(lái)的，引用參考文獻(xiàn)的數(shù)量取決于文章篇幅的大小，一般字?jǐn)?shù)多的文章引用的參考文獻(xiàn)數(shù)量較多。例如本科論文通常會(huì)要求引用15到20個(gè)文獻(xiàn)，其中要包括中文和英文兩種類(lèi)型。而專(zhuān)科畢業(yè)論文通常會(huì)要求論文文獻(xiàn)12個(gè)左右，一般不要求引用英文文獻(xiàn)。撰寫(xiě)功率控制類(lèi)論文文獻(xiàn)有哪些?

　　基于自適應(yīng)虛擬阻抗的新能源微電網(wǎng)功率控制系統(tǒng)

　　摘要：傳統(tǒng)新能源微電網(wǎng)功率控制系統(tǒng)因忽略虛擬阻抗而不利于隨機(jī)位置分布式電源的結(jié)合，導(dǎo)致容易發(fā)生電網(wǎng)故障，致使微電網(wǎng)整體癱瘓。為了解決上述問(wèn)題，本文提出基于自適應(yīng)虛擬阻抗的新能源微電網(wǎng)功率控制系統(tǒng)的研究。引入虛擬阻抗，降低逆變器輸出功率的耦合程度。通過(guò)逆變器額定容量比值確定虛擬電阻取值范圍，計(jì)算微電網(wǎng)輸出電壓，保障微電網(wǎng)輸出電能質(zhì)量。在積分控制器下控制虛擬阻抗電阻數(shù)值，使逆變器輸出功率趨近于積分控制器計(jì)算得到的功率參考值，保障輸出功率的穩(wěn)定性，實(shí)現(xiàn)對(duì)新能源微電網(wǎng)的功率控制。設(shè)計(jì)仿真實(shí)驗(yàn)，結(jié)果顯示：本文方法控制的逆變器在同容量逆變器并聯(lián)條件下，輸出的有功功率最為穩(wěn)定，無(wú)功功率保持均分狀態(tài);不同容量逆變器并聯(lián)條件下，輸出的有功功率穩(wěn)定用時(shí)最短、無(wú)功功率基本與額定容量比匹配，充分說(shuō)明提出方法對(duì)新能源微電網(wǎng)的功率控制及運(yùn)行具備較好的控制效果。

　　能量收集中繼安全傳輸網(wǎng)絡(luò)的在線功率控制算法

　　摘要：針對(duì)源節(jié)點(diǎn)和中繼節(jié)點(diǎn)均采用收集能量供電的放大轉(zhuǎn)發(fā)中繼網(wǎng)絡(luò),考慮兩個(gè)目的節(jié)點(diǎn)之間信息相互保密的場(chǎng)景,該文提出最大化長(zhǎng)期時(shí)間平均保密速率的源節(jié)點(diǎn)和中繼節(jié)點(diǎn)發(fā)送功率聯(lián)合優(yōu)化算法。由于能量到達(dá)和信道狀態(tài)是隨機(jī)過(guò)程,該問(wèn)題是一個(gè)隨機(jī)優(yōu)化問(wèn)題。利用Lyapunov優(yōu)化框架將電池操作和能量使用約束下的長(zhǎng)期優(yōu)化問(wèn)題轉(zhuǎn)化為每時(shí)隙的"虛隊(duì)列漂移加懲罰"最小化問(wèn)題,并求解。仿真結(jié)果顯示該文提出的算法在長(zhǎng)期平均保密速率上相較于對(duì)比算法具有顯著的優(yōu)勢(shì),同時(shí)算法僅依賴(lài)于當(dāng)前的電池狀態(tài)和信道狀態(tài)信息做出決策,是一種實(shí)用的、低復(fù)雜度的算法。

　　協(xié)作D2D異構(gòu)網(wǎng)絡(luò)的聯(lián)合資源分配和功率控制

　　摘要：針對(duì)下行協(xié)作D2D(Device-to-Device)異構(gòu)網(wǎng)絡(luò)中復(fù)用蜂窩用戶(hù)的聯(lián)合資源分配和功率控制問(wèn)題,提出了一種量子珊瑚礁優(yōu)化算法(Quantum Coral Reef Optimization Algorithm,QCROA)。首先,構(gòu)建異構(gòu)網(wǎng)絡(luò)模型并推導(dǎo)得到整個(gè)網(wǎng)絡(luò)總吞吐量的數(shù)學(xué)表達(dá)式;其次,基于QCROA算法分析全局最優(yōu)量子珊瑚的測(cè)量狀態(tài),提出最優(yōu)聯(lián)合資源分配和功率控制方案;最后,通過(guò)仿真驗(yàn)證QCROA算法的優(yōu)越性。實(shí)驗(yàn)結(jié)果表明,在不同網(wǎng)絡(luò)通信場(chǎng)景下,QCROA算法均表現(xiàn)出良好的適應(yīng)性,其收斂速度和種群多樣性均優(yōu)于其他基于智能優(yōu)化算法的方案,在迭代次數(shù)達(dá)到1 500次時(shí)即可獲得吞吐量最高的全局最優(yōu)。

　　推薦閱讀：籠型轉(zhuǎn)子無(wú)刷雙饋發(fā)電機(jī)的間接功率控制

如果您現(xiàn)在遇到期刊選擇、論文內(nèi)容改善、論文投稿周期長(zhǎng)、難錄用、多次退修、多次被拒等問(wèn)題，可以告訴學(xué)術(shù)顧問(wèn)，解答疑問(wèn)同時(shí)給出解決方案 。