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]

态环境下的感知能力至关重要，其涵盖超分辨率重建、图像去噪、复原、增强、融合及质量 评估等任务。然而，低空场景特有的运动模糊、多变气象扰动（如雨、雾、雪）、光照不足 等多因素耦合退化问题，对底层视觉算法的鲁棒性、处理精度与实时性提出了严峻挑战，现 有技术体系在面对这些复杂退化模式时仍存在适应性不足、效率与精度难以兼顾等瓶颈问题。 针对上述问题，本章节系统综述了低空底层视觉领域的研究进展，聚焦于动态环境下的技术 支撑该领域发展的数据集与关键评估指标。通过构建从任务定义、方法体系、数据集到评估 框架的系统化综述，旨在为研究者提供清晰的技术脉络与理论参考，并指出未来需重点突破 多模态信息协同建模、无/自监督学习、极端环境鲁棒性增强以及算法效率优化等方向，以 期推动低空智能感知技术的进一步发展。根据任务目标与技术流程，本章节将低空底层视觉 xxx -13- 任务系统划分为退化恢复任务、信息增强任务与质量评估体系三大类。底层视觉任务近 无损图像，通过像素级比对验证退化恢复算法 的保真度，适用于设备标定与图像重建任务；无参考框架则针对应急场景缺乏参考数据的特 点，基于自然场景统计特征评估图像质量，尤其在浓烟、雨雾等恶劣环境下具有鲁棒性。 评估指标需兼顾保真度、感知质量与任务效用三重维度。传统保真度指标如峰值信噪比 （peak signal-to-noise ratio，PSNR), 结构相似性指数（structure similarity

....................................................................................42 3.3 系统的稳定性与鲁棒性.................................................................................................45 心前 提。传统量化模型往往依赖历史数据回测，但市场环境的动态变 化、数据噪声以及模型过拟合等问题，可能导致实盘表现与回测结 果出现显著偏差。据统计，超过 60%的策略在实盘阶段因缺乏可信 的鲁棒性验证机制而失效。因此，构建一套覆盖数据、算法、执行 全链条的可信方案，成为解决以下关键痛点的必然选择： 首先，市场数据的可信度直接影响策略有效性。高频交易中， 原始数据可能包含延迟、异常值或交易所特有的撮合规则噪声。例 值）可量化因子贡献度，优化输入变量。  高频数据清洗：基于异常检测算法（如 Isolation Forest）自 动识别并修正异常报价  因子合成：通过对抗生成网络（GAN）模拟市场环境变化， 生成具有鲁棒性的合成因子  跨市场关联分析：利用图神经网络（GNN）挖掘不同资产间 的非线性传导关系 预测模型构建 监督学习模型在收益率预测方面展现显著优势。梯度提升树 （XGBoost/Light

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

如何动态挖掘多模 态有效性？ 如何动态复原多种 噪声类型？ 挑 战 看不清 多雾 夜间 构建了复杂退化自适应建模理论与复杂多退化统一复原范式 提出了 空场景特征引导的多传感器可信提示动态鲁棒感知方法 感知结果 多源融合图像 低空多传感 器协同学习 解决低空数据易受环境干扰难题 克服场景动态变化的困境 质量提升 IJCV 2024 ( 通讯 )→ NeurIPS 2025 ) →TPAMI 2025 ( 通讯 ) → ICML 2025 ( 通讯 )→ AAAI 2026( 通讯 ) 复杂多退化 统一复原模型 × T 融合条件 动 态 权 重 不可信 可信 鲁棒感知 动态融合 低空复杂退化、小目标场景 退化自适应基核 退化分布建模 多模态数据 退化机制 多雾天 气 高斯噪 声 + 夜间过暗 白天过曝 恶劣天气条件下低空多模态目标追踪性能提高超过 受 遮 挡 挑 战 无人机 2 连续时间依赖的鲁棒跟踪 t1 t2 自适应交互多视角信息 ，构建双向动态特征提示跟踪框架 基于引入 SSM 的时序 adapter ， 建模时间依赖 ， 实现鲁棒跟踪 双向动态提示的多机单目标跟踪 TCSVT 2023 ( 通讯

系统优化的核心目标是在维持高检出率的同时, 有效抑制虚警,全面增强其在实战环境下的可靠性与 鲁棒性。 3. 2 低空监视的优化总体思路 虚假警报产生的根本原因在于,单一特征或简单 特征难以在复杂低空环境中有效甄别真实目标(如无 人机、小型飞机等) 与各类干扰物或背景噪声。 因此, 抑制虚警的核心思路在于通过多维度信息融合与上下 文深度理解,构建更为鲁棒的目标判别模型。 具体技 术路径包括:一是融合异构传感器数据,利用其信息互 深入挖掘目标在运动轨迹、速度变化等方面的时空 动态特性;三是融入上下文感知机制,综合天气、光照、 地理位置等环境信息以辅助决策;四是借助深度学习 等高级特征学习技术,自动提取具有高区分度与强鲁 棒性的抽象特征。 通过上述技术的协同应用,从而实 现对真实目标的精准识别与对虚警的有效抑制。 3. 3 关键技术方向与模型设计 3. 3. 1 多模态传感器融合技术 一是传感器选择。 �����0���� 合从各传感器提取关键特征(如视觉纹理、雷达速度、 声谱模式等)并拼接输入分类器,平衡信息完整性与灵 活性,成为主流方案;决策级融合则让各传感器独立判 断后通过投票或模型综合结果,鲁棒性强但可能损失 细节,适用于松耦合场景。 三是模型架构搭建。 在模型架构层面,系统通过 构建先进的融合网络以实现多模态数据的高效集成与 理解。 目前,主流架构主要包括 3 种方案。 其一,双

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