FDF 鲁棒决策方法研究

故障检测滤波器（ＦＤＦ）是故障检测与隔离（ＦＤＩ）方法中一种重要而系统的方法，但到目前为止有关这种方法的研究基本上都基于模型参数精确已知的情况，本文研究了具有模型误差时ＦＤＦ的鲁棒决策方法，得到了一些有意义的结论。

支持武器装备体系论证的探索性分析框架研究

武器装备体系论证评估属于宏观层次的决策分析问题,需要考虑复杂多变的环境和大量不确定因素的影响。探索性分析方法是一种将多种知识和方法结合起来的敏捷分析方法,针对武器装备宏观论证中面临的大量不确定性问题,提出了探索性分析框架。该框架从各种知识获取开始,包括探索性分析建模(以基于扩展影响图的分析建模和主动元建模为关键技术),不确定性处理方法和实验分析方法,最终支持鲁棒决策,并且该框架在空军战役探索性分析中得到了初步应用。

计及不确定性的柔性负荷聚合商随机-鲁棒投标决策模型

随着以电动汽车、温控负荷和分布式储能为代表的柔性负荷在新一代智能电网接入的比例不断增加,柔性负荷聚合商将作为投标主体参与到日前电力市场的投标竞价中。该文提出计及不确定性的柔性负荷聚合商参与日前市场的随机-鲁棒联合投标决策模型,以柔性负荷聚合商投标支出最小化为目标,采用随机场景模拟电价的不确定性,利用可调鲁棒控制系数处理电动汽车充电行为及温控负荷中外界温度变化的随机性,使用响应意愿系数模拟柔性负荷的响应不确定性。通过对混合整数线性规划模型的求解,验证了所提模型的有效性,并得出不同时段在柔性负荷聚合商购买和售出能量的投标策略,为其参与电力市场投标竞价提供决策依据。

“供应侧”鲁棒报童模型

完全信息下的报童模型是研究单周期下企业运营的核心方法,制定不同情形下的订货决策是提高其运作效率的主要策略.Scarf在1958年构建了需求侧不确定时部分信息下的鲁棒报童模型,经过Gallego&Moon更简便的证明后Worst-case的鲁棒订货方法得到了广泛的应用,供应侧不确定时的订货问题由于求解的困难性导致运作管理学者长期受其困扰.文章假设报童只知道供应商随机产出因子的均值和方差信息,建立了Worst-case的鲁棒订货模型,给出了订货决策的闭式最优解.研究表明:鲁棒报童模型能够恰当的描述供应侧信息缺失下的企业订货行为,鲁棒的订货策略能有效解决供应不确定的信息缺失环境下企业的订货决策问题.