Journal of System Simulation 第 35 卷第 5 期 2023 年 5 月 Vol. 35 No. 5 May 2023 热电联产虚拟电厂两阶段分布鲁棒优化调度 热电联产虚拟电厂两阶段分布鲁棒优化调度 范雅倩 1，于松源 1，房方 1, 2* (1. 华北电力大学 控制与计算机工程学院，北京 102206；2. 电站能量传递转化与系统教育部重点实验室，北京 102206) plant, CHP-VPP)聚合了各类电热出 力单元，可兼顾风光出力不确定性、动态电价、用户热舒适度等影响，实现整体出力的优化调度。 提出了两阶段分布鲁棒优化调度方法，第一阶段考虑计划调度，旨在保证CHP-VPP的收益最大； 第二阶段基于矩不确定分布鲁棒方法，构建风光出力的不确定性模糊集，引入用户热舒适度 HOMIE 模型，降低电热净负荷波动幅度，实现对 CHP-VPP 内部各单元实时出力的优化调整。针 关键词：热电联产虚拟电厂；优化调度；矩不确定性；分布鲁棒优化；热舒适度 中图分类号：TP391.9 文献标志码：A 文章编号：1004-731X(2023)05-1046-13 DOI: 10.16182/j.issn1004731x.joss.22-0059 引用格式 引用格式: 范雅倩, 于松源, 房方. 热电联产虚拟电厂两阶段分布鲁棒优化调度[J]. 系统仿真学报, 2023, 35(5):

的影响。为考虑这些不确定性因素的影响，随机规 划、区间线性规划、鲁棒优化、模糊规划和信息间 隙决策理论等在 PIES 的优化运行中得到了广泛应 用，具体如表 1 所示。从随机性的来源看，已有研 究主要关注了风、光、负荷和电价的不确定性，但 有关非电能源价格不确定性的研究几乎处于空白状 态。从随机性的处理方法看，随机规划和鲁棒规划 由于其简明易行、理论完善等特点，在 PIES 的优 化 特点 文献 PIES 的随机性 出力侧随机 负荷侧随机 主观随机 价格随机 其他 随机规划 常结合蒙特卡洛抽样、点估 计、场景削减等方法降低计 算量 经济性好；需给出概率分布，鲁棒 性差、求解时间较长 [34] — 电热 — 电价 温度 [35] 光伏 — — 电价 — [36] 风电 — — 电价 — [37] 风、光 — 无需给出概率分布或隶属度函数； 结果以区间形式给出 [39] — — — — 设备能源转 换效率 [40] 光伏 电 — — — 鲁棒优化 利用对偶理论等工具转化内 层问题，寻找鲁棒可行解 鲁棒性好、求解用时较短；经济性 较差，等价对偶模型转换困难 [42] 风电 — — — — [43] 风电 — — — — [44]

的动态资源分配算法， 实现弹性、动态的资源调度与配置优化，提升资源利用效率与服务保障能力；在 智简传输层，构建多模态自适应语义通信传输处理机制，基于语义编解码和语义 知识库动态匹配与更新，实现高效、鲁棒地传输不同数据形态（模态）的信息语 义，并兼容语法传输和语义传输。缺少这些使能技术，语义通信系统将退化为面 向单一业务的专用通道。因此，该技术体系是连接理论创新与工程实践的关键桥 梁。 码器 多模态自适应传输 图 2-1 6G 智简信息传输总体架构 （1）. 智简传输层 智简传输层是智简信息传输理论创新的关键基础能力层，通过智能、灵活的 多模态自适应传输技术，高效鲁棒地传输理解不同模态的信息；建立高效的语义 知识库动态匹配与更新机制，降低语义知识库更新成本，实现多任务/多信源高 效协同适配。 （2）. 资源调度层 资源调度层通过多维资源和状态的智能感知机制，获取和构建网络资源图谱， 实现动态调度的思想为更广义 的语义通信演进提供了关键技术支撑。在多模态自适应语义通信中，MDMA 的特 征空间映射机制可应用于不同模态（图像/点云/视频等）的特征级资源优化，解 决低 SNR 鲁棒性、特征压缩与码率控制等挑战；同时，其模态重组逻辑可驱动跨 源跨任务的特征复用。对于语义知识库动态匹配与更新，MDMA 的“按需模态分 配”范式进一步演化为模型被解耦为可动态调度的语义模态组件（如通用特征提

身智能设备可以更准确地检测疾病；在家庭服务领 域，具备嗅觉感知的家用机器人可以更好地完成清洁 任务，检测异味等。 5.3 稳定性和鲁棒性提升 具身智能是物理实体与智能系统深度融合的前 沿领域，其外在不再局限于执行单一任务，而是朝着 适应复杂环境的方向大步迈进。提升具身智能稳定 性与鲁棒性，已然成为突破产业化瓶颈的核心任务。 需打破传统控制理论与深度学习之间的协同壁垒，将 动态环境下的模型预测控制（MPC）与实时强化学习 助这一框架，有效解决感知噪声累积、动作执行延迟 等动态失配问题。同时，搭建“环境扰动—硬件反馈 —算法容错”的闭环强化机制，强化系统应对复杂情 况的能力。在硬件上采用冗余驱动设计与自适应柔 顺控制技术，提高系统的可靠性和鲁棒性。推动具身 智能从当前“有限场景可用”向“复杂世界可信”的全 新范式转变，为其实现规模化应用筑牢根基。 5.4 工作效率和质量提升 在具身智能的未来发展中，提升工作效率和输出 质量是关键课题。优化感知与决策算法起着至关重 与仿真鸿沟、硬件限制、软件生态标准化缺失以及伦 理与安全等问题，但随着技术的不断进步和创新，这 些问题有望逐步得到解决。未来，具身智能将在自主 学习与泛化能力提升、多模态感知深化、稳定性和鲁 棒性提升、工作效率和质量提升、低功耗硬件突破和 跨行业融合等方面取得显著进展，实现更加广泛的应 用和发展。具身智能不仅将改变人们的生产生活方 式，还将在全球范围内掀起新一轮科技革命，为经济 的高质量发展注入强劲动能。

.....................................................................................92 5.1.2 增强模型鲁棒性.................................................................................................. 数据增强方法 包括图像旋转、缩放、平移、颜色扰动以及添加噪声等。例如，在 作物病虫害识别任务中，通过对图像进行随机旋转和缩放，可以模 拟不同角度和距离下的拍摄效果，从而增强模型在实际应用中的鲁 棒性。此外，利用生成对抗网络（GAN）生成合成数据也是一种有 效的手段，特别是在某些病虫害样本稀缺的情况下，可以通过 GAN 生成更多样化的样本以补充数据集的不足。 数据标注是确保模型能够准确学习的关键环节。针对农业科技 模型适应性评估 在进行模型适应性评估时，首先需要明确农业科技领域的具体 需求，包括数据类型、任务复杂度以及应用场景的多样性。针对这 些需求，我们采用多层次的评估方法，确保模型在实际应用中的有 效性和鲁棒性。 首先，对模型的基础性能进行测试，包括精度、召回率和 F1 分数等关键指标。通过在农业数据集上进行训练和验证，评估模型 在不同作物类型、生长周期及环境条件下的表现。例如，对于作物 病虫害识别任务，模型的识别精度应在

来了严重的影响。根据互联网公开数据和行业报告不完全统计，在 2021 年至 2024 年期间，全球通信行业发生了超过 66 起重大网络事故，影响范围广、恢复时间长、 经济损失严重。如何提高网络设备的容错性、提升整网抗信令风暴的鲁棒性以及 故障自愈的高效性是 6G 网络必须优先考虑和解决的问题。 图 1 2021年至2024年4/5G商用事故统计 事故诱因复杂，以网络故障和动网操作为主。4G/5G网络的故障呈现出软硬结 系 统面临数据污染、模型攻击等安全威胁，可能引发错误决策或网络异常；此外， AI 驱动的核心网依赖稳定算力支撑，算力资源故障将直接影响智能功能运行。这 6 些挑战要求 6G 网络在 AI 模型鲁棒性、决策透明性、系统安全性及算力可靠性 等方面强化设计，平衡智能化与可靠性的技术演进。 1.3.2 智能体通信，新型模型和实时组网需要动态保障 在6G 网络中，AI Agent 将随着技术的快速发展而得到广泛应用，带来全新  网络简化降复杂度：精简网络层级与网元数量、服务数量，压缩传统多 级转发链路，减少中间交互环节，减少故障点、降低故障传导风险，提 升信令交互效率、提升故障定位效率，从架构源头构建低复杂度、高鲁 棒性的网络基底。  边缘自治保连续：赋予边缘节点本地化智能决策引擎，集成实时数据处 理模块与分布式存储能力，可在边缘侧独立完成 80% 以上的本地业务处 理。当核心链路或传输中断时，边缘节点自动切换至自治运行模式，通

高红、苏志伟、苑辰、谷颖慧、王岭钢、任俊龙、刘增志、赵少博、颜峻、苏洋、张璟、肖敏、肖霖、 陈利明、马俊国、周建华、钟明康、王鹏、崔昊、冯晓蒙、吴至婧、徐天适、王梓瑄、张文静、肖思琪、 刘刚、樊丁丁、孟于杰、汤良、王伟印、祁超、王鲁、苗子聪、何煦、何宁宁、李存冰、李照川、石园、 王珂琛、郭真、马金龙、吴辉扬、徐志坚、顾阳、唐紫浩、罗彬彬、原超、王永霞、高新珉、吴江。 T/ISC 0079—2025 II 引 言 以人工智 （如数据投毒、后门攻击）的应具备相应的防御性能力、支持使用对抗样本作为训练数据进而 提升模型对异常输入的鲁棒性和防御能力、具备对政务大模型实时监控与预警的能力、对政务 大模型恢复与应急处理的能力等。 9.2.2 模型推理安全 a) 政务大模型在推理阶段宜具备相应安全能力，包括但不限于对输入数据中的对抗样本进行检测 的能力、采用鲁棒性优化技术、对对抗攻击事件的日志记录和审计功能等。 9.2.3 模型参数安全 a) b) 应遵守伦理原则，包括尊重个人的自主权利、保护弱势群体的利益、确保公正和公平等的能力； c) 应具备有隐私保护的能力，包括使用隐私识别技术、隐私脱敏技术、隐私伪装技术等； d) 应具备一定的鲁棒性，对人为诱导情境下的偏见、毒害、攻击、不确定性具备鲁棒控制能力。 T/ISC 0079—2025 15 9.4 服务安全 9.4.1 安全组织与机制 a) 应具备专门的安全管理部门和人员，明确相应的岗位职责；

基于视觉和雷达的目标跟踪研究中，需要处理传感 器间融合问题。具体而言，需要对传感器的观测数据进行融合处理，基于融合后的结果进行特征提 取和判断决策，从而实现在相机观测环境恶劣的条件下对目标车辆的鲁棒性跟踪。 5.5.2 欺骗攻击 欺骗攻击（又称虚假数据注入攻击）是借助车联网中节点之间共享开放信道的特点而实现的一 种主动攻击方式，它通过篡改系统数据来执行。在这种攻击中，攻击者可以通过获得密钥或破坏一 数据投毒攻击（Poisoning Attacks）发生在车联网学习模型的训练阶段，攻击者会故意操纵训练 数据集，向其中注入带有恶意的样本，从而影响车联网模型的训练和测试过程，进而影响模型的预 测结果。其主要目的是损害系统的鲁棒性，从而危害车联网的性能。 在大多数情况下，攻击者不太可能访问培训数据。然而，随着车联网对实时更新的需求，许多 车联网中的系统开始使用在线学习(online learning)[54]，或采用训 分类器 展示之前，从数据的帧中裁剪了停车标志。通过裁剪，他们代理了检测器中的箱体预测过程。 车联网安全研究报告（第六期） 80 图 5.32 逃逸攻击 逃逸攻击对车联网中学习模型的安全性和鲁棒性构成了威胁，逃逸攻击可以通过对抗训练 (Adversarial Training)[64]、梯度掩码（Gradient Masking）[65]、防御性蒸馏(Defensive Distillation)

实际应用中的效 果。评估指标包括准确率、召回率、F1 分数等，调优过程通过超参 数搜索和模型结构调整实现。采用贝叶斯优化或网格搜索方法，系 统性地探索最优超参数组合。调优过程中，重点关注模型的鲁棒性 和可解释性，确保其在不同场景下的稳定性和透明性。 综上所述，模型训练层通过分布式训练、数据预处理、迁移学 习、交叉验证和多策略调优，构建了一个高效、稳定且可靠的训练 流程，为工业园区数字政府的智能化应用提供了坚实的技术保障。 能够持续为工业园区数字政府领域提供强大的技术支持和服务保 障。 4.1 模型测试 在工业园区数字政府领域大模型底座的运营过程中，模型测试 是确保系统稳定性和性能的关键环节。测试阶段的核心目标是通过 全面验证模型的准确性、鲁棒性、可扩展性和安全性，确保其在实 际应用中能够高效运行。 首先，模型测试需涵盖功能测试，验证模型在不同场景下的输 出是否符合预期。例如，针对工业园区的政务服务、资源调度等核 心功能，需模拟真 可汇总如下：  响应时间：模型在不同并发用户数下的平均响应时间。  吞吐量：单位时间内模型能够处理的请求数量。  资源利用率：CPU、内存、GPU 等硬件资源的使用情况。 此外，模型的鲁棒性测试需重点关注其对异常输入、数据缺失 或噪声数据的处理能力。例如，在政务服务场景中，模型需能够识 别并处理不完整的用户申请信息，或对异常数据进行合理的容错处 理。测试过程中，应模拟多种异常场景，确保模型在实际应用中的

空智联网的安全性和可靠性至关重要。该方案涵盖无人机飞控系统、通信与数据 安全、感知与导航技术以及网络弹性设计等多个关键领域，通过整合各种安全技 术和措施，构成一个有机整体，全面提升低空智联网在复杂环境中的鲁棒性。 图 6 低空智联网内生安全关键技术 1.无人机内生安全构造 无人机作为低空经济核心终端载体，其主机系统面临攻击面多、资源受限、 安全机制薄弱等问题。采用内外兼修的纵深防御机制，建立起“内生安全、检测 同时引入统计特征如平均 31 值和方差，可以进一步提高模型的抗干扰能力。数据集异构则通过内生安全拟态 化构造，使得模型在面对对抗样本攻击时展现出更强的鲁棒性。通过数据增强技 术引入对抗样本、差异性样本和扰动样本，可以有效提高多模型的鲁棒性，降低 数据被投毒的风险。 2.模型安全技术 为保障人工智能应用的安全，除了数据本身的防护之外，还可以从人工智能 模型本身入手，采取模型结构改造和模型训练改造方式进行内生安全加固。 的改造目的。针对于训练的优化已经被证实是一种可以增强模型安全性的有效策 略。通过调整模型在训练过程中的方式和策略，使得模型发生差异最终得到不同 的异构模型。使用不同的训练方法来获得具有足够差异性的模型，以提高整个系 统的鲁棒性和抗攻击能力，其中使用的技术包括但是不限于：①正则化训练技术， 该技术通过添加不同的反馈正则项调节模型的训练方向，以实现模型的差异化。 通过正则化方法人为改变了模型对不同数据特征的关注程度并限制模型行为，从