机会约束是对带有随机变量的约束的一种常用建模手段.机会约束中的概率涉及到的多重积分以及机会约束的非凸性这两方面因素导致带有机会约束的优化问题并不易解.一种处理机会约束的方法是寻找一组容易求解的凸约束，使其解可以满足机会约束，且目标值接近最优，称这个凸约束为机会约束的安全近似.本文考虑机会约束下的分布式鲁棒优化问题.假设知道机会约束中随机变量的一阶矩和二阶矩，对于独立机会约束，本文介绍一种基于最坏情况下条件风险值(WC-CVaR)的安全近似;对于联合机会约束，本文介绍两种近似，一种是利用Bonferroni不等式得到的近似，一种是基于WC-CVaR的近似.这三种近似都是半定约束.　　随后提出一种新的近似联合机会约束的半定约束，并且在知道一阶矩和二阶矩的基础上，增加随机变量的支撑集信息，对这种模型也给出一个相应的近似.这种近似的推导方法与WC-CVaR近似类似，都是从矩问题的角度出发，利用对偶问题将其转化成确定性的且容易求解的凸约束.与WC-CVaR近似同样，在机会约束是线性的情况下，本文提出的近似实际上与原机会约束是等价的，因此从理论上来讲，这两种近似求得的最优值应该是一样的，通过数值实验也验证了这一点.本文的数值实验是将三种近似应用到动态水箱流量控制问题上，结果表明，WC-CVaR近似和我们的近似在最优目标值上几乎相等，且明显超过Bonferroni近似.在运行速度上本文提出的近似虽然不如Bonferroni近似快，但是相比WC-CVaR近似有一定的优势.