随着能源问题的加剧,新型能源(风能、太阳能、燃料电池等)吸引了越来越多的关注。在新能源系统的能量管理问题中,DC-DC变换器起着非常关键的作用,因为新能源发电系统的输出不稳定,不能直接连接负载,因而需要经过各级DC-DC变换器,转换到能适应不同类型负载的工作电压。为此,提前预知DC-DC变换器的输入(即新能源发电系统的输出)、为DC-DC变换器建立合适的物理模型并作观测和控制,对构建实际可用的新能源系统,具有重要意义。本文即围绕这两方面,实现了如下创新：●解决了DC-DC变换器大信号模型不易判断能观性的难题,提出了该模型的统一的能观性判据和非线性观测器设计方法。该判据源自SBLS (structured bilinear systems)系统,基于图理论,具有理论直观、计算量小的特点,使用该判据成功验证了boost电路和superbuck电路的能观性,而非线性观测器基于port-Hamiltanian模型,具有便于寻找Lyapunov函数、容易得到观测误差的收敛条件的优点,并成功用于boost电路的电流观测,观测值与真实值吻合度非常好。●针对能量预测的马尔可夫链模型中时间序列离散化的关键性,提出了SKC(Spectral-analysis-based K-means clustering)方法,对变量较少的数据集有很好的离散化效果。实验表明SKC方法离散化得到的类簇分布比传统的等距离散法和谱聚类方法更合理。基于SKC方法,将MC-TPM (Markov chain transition probability matrix)模型应用在风能预测上,比基于等距离散法的模型效果更优。最后分析了马尔可夫链模型用于时间序列预测的局限性。