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。

Benford 定律等传统数 值检测方法，AI 在识别隐蔽性造假方面展现独特优势，能够捕捉管理层文本 中的语义矛盾与异常修饰。其进化路径指向领域预训练与动态特征库的融 合，通过持续学习新型造假模式增强模型鲁棒性。 AI+RAG+Agent 体系通过决策闭环架构实现策略的自主进化。该体系以生成 式 AI 为智能中枢，整合实时数据管道、动态知识检索与自动化风控模块， 突破传统回测框架的静态局限。RAG 技术实现分钟级市场信息更新与噪声过 通过加权损失函数提高少数类样本（如金融行业造假案例）的训练权重。例如， 某金融企业的情感分数若处于同行业后 10%分位，即使其绝对值高于其他行业， 仍会被标记为异常。 为进一步优化模型对行业分布不均的鲁棒性，可引入行业分层采样与迁移学习的 组合策略。分层采样要求从每个万得一级行业中按比例抽取等量的正负样本（如 强制金融行业抽取与通讯服务行业等量的造假案例），以均衡化训练集分布。同 时，对样本稀缺行业 执行和动态调仓？Agent 体系在应对突发市场事件（如黑天鹅）时的鲁棒性是 如何通过机制加强的？ 当前金融投研的 Agent 体系仍处于理论设计与分块功能验证阶段，其核心价值在 于构建 “数据驱动决策、规则约束风险、反馈优化策略”的智能投研框架。尽管 目前尚未实现实盘执行，但其通过动态规则引擎、实时数据处理、策略进化机制 等设计，为应对黑天鹅事件提供了理论上的鲁棒性保障。未来需解决的关键挑战 包括：1）实时交易接口的稳定性：确保

.....................................................................................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

练数据的准确性和一致性。 2. 模型泛化能力：政务场景复杂多样，模型需具备较强的泛化能 力，能够适应不同的政务任务和场景。为此，项目将采用多种 数据增强技术和多任务学习策略，提升模型的适应性和鲁棒性。 3. 安全性保障：政务数据涉及敏感信息，模型在处理过程中需确 保数据的安全性和隐私性。项目将引入加密技术和访问控制机 制，确保数据在处理和传输过程中的安全性。 通过以上措施，项目将打造一个高效、智能、安全的政务大模 自然语言处理（NLP）方面，DeepSeek 模型表现出色，能够高效 完成文本分类、情感分析、实体识别等任务。例如，在政务文本分 类任务中，其准确率可达到 95%以上，在处理复杂文档时表现出较 强的鲁棒性。此外，模型在多语言支持方面也具备显著优势，能够 处理多种语言的政务文档，满足不同地区的需求。 在知识推理与问答能力方面，DeepSeek 模型通过预训练和微 调的结合，能够实现对复杂问题的精确解答。例如，在政务咨询场 行替换，生成多个语义相似但表达不同的句子。 2. 句子重组：通过改变句子的语序或结构，生成新的句子，增加 数据的多样性。 3. 随机删除：随机删除句子中的部分词汇，模拟不完整或噪声数 据，增强模型的鲁棒性。 4. 添加噪声：在文本中随机插入错别字或标点符号，模拟实际场 景中的输入错误。 5. 过采样与欠采样：对少数类别进行过采样，对多数类别进行欠 采样，确保数据分布的均衡性。 通过上述方

（4）自治控制与边缘纳管：构建“中心+边缘”双层纳管体系， 在边缘节点部署智能代理模块，实现算力资源的状态感知、自主注册、 动态调控与异常恢复，降低系统整体运维复杂度，增强纳管系统的可 扩展性与鲁棒性。 多元异构资源适配纳管体系的建立，不仅提升了资源统一管理的 效率，也为实现弹性算力提供了必要前提，构筑算电协同系统的算力 基础设施底座。 2.2.2 多能互补电力协同调度 算电协 第九届未来网络发展大会白皮书 算电协同技术白皮书 18 时间预测、电力价格时序预测、节点拥堵概率评估等关键指标的前向 推演。通过引入元学习、自适应学习等技术，可不断提升预测模型的 泛化能力与鲁棒性。 感知模型不仅提升了调度系统的智能化水平，还为绿色调度、碳 排优化、能耗闭环控制等功能提供了决策基础，是支撑算电协同的关 键使能环节。 2.2.4 高可靠确定性网络承载 在算电协 络测量 （Network Telemetry）技术，系统可实时采集链路利用率、时延变化、 带宽瓶颈等信息，反馈给算网调度平台，辅助实现路径重选、任务转 移与资源重配，提升整体算电调度的适应性与鲁棒性。 通过引入确定性与无损通信机制，构建面向算电任务的高可靠网 络基础，可为算电融合提供坚实的连接底座与动态支撑能力。 2.2.5 生成式智能化决策控制 算电协同网络智能决策是实现高效资源管理和优化服务的关键

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

.... 60 ©2025 云安全联盟大中华区版权所有 7 4.2 安全与隐私 ................................................ 61 4.3 鲁棒性、可控性和合乎伦理的人工智能实践 .................... 62 4.4 组织如何利用这些标准 ...................................... 63 准确性、鲁棒性和网络安全（第15条）：提供者必须确保高风险人工智 能系统准确、可靠且稳健。应尽量减少与系统性能相关的错误和风险，并采取 必要措施解决准确性和鲁棒性问题。应执行安全风险评估，并结合系统的设计 ©2025 云安全联盟大中华区版权所有 26 实施必要的缓解措施。高风险人工智能系统必须执行全面的风险评估，并遵守 网络安全标准。在使用语言模型时，它们还应达到适当的准确性、鲁棒性和网 络安全水平。可针对准确性和鲁棒性的技术方面制定基准和衡量方法，应在随 附的使用说明中声明准确度和相关衡量标准。 ● 对某些人工智能系统的具体要求（第53和55条）：该条例确定了对特定 类型的高风险人工智能系统的特定要求，如生物特征识别系统、关键基础设施 中使用的系统、教育和职业培训中使用的系统、用于就业目的的系统以及执法 机关使用的系统。 ○ 在高风险人工智能系统应在其包装/文件上注明其名称、注册商号或