Risk and Vulnerability Assessment of Energy-Transportation Infrastructure Systems to Extreme Weather
作者: Jiawei Wang, Qinglai Guo, Hongbin Sun
分类: eess.SY
发布日期: 2025-01-23
💡 一句话要点
提出考虑多重决策的能源-交通基础设施极端天气风险评估框架
🎯 匹配领域: 支柱八：物理动画 (Physics-based Animation)
关键词: 能源交通基础设施 风险评估 极端天气 网络流模型 神经网络代理 脆弱性分析 应急决策
📋 核心要点
- 现有方法难以应对能源和交通系统异构性以及极端天气下的复杂时空动态。
- 构建网络流模型整合能源和交通基础设施，模拟极端天气影响，并考虑多类型应急决策。
- 利用神经网络代理模型加速评估，同时保护隐私并考虑系统间的相互依赖性。
📝 摘要（中文）
极端天气事件与相互依赖的关键基础设施系统之间的交互涉及复杂的时空动态。能源-交通基础设施中的多类型应急决策显著影响整个极端天气过程中的系统性能。全面评估这些因素面临模型复杂性和能源与交通系统之间异质性的挑战。本文提出了一个容纳多类型应急决策的评估框架，以网络流模型形式整合异构的能源和交通基础设施，从而模拟和量化极端天气事件对能源-交通基础设施系统的影响。在此基础上，进一步引入了一种有针对性的系统脆弱性识别方法，该方法利用神经网络代理，在保持系统相互依赖性的同时，实现隐私保护和评估加速。数值实验表明，所提出的框架和方法能够揭示城市基础设施系统面临的风险等级，识别应优先加强的薄弱环节，并在准确性和评估速度之间取得平衡。
🔬 方法详解
问题定义：论文旨在解决极端天气事件下，能源-交通基础设施系统面临的风险评估和脆弱性识别问题。现有方法难以有效处理能源和交通系统之间的异构性，以及极端天气事件带来的复杂时空动态影响，并且缺乏对多类型应急决策的考虑。此外，直接进行系统评估计算成本高昂，且可能涉及隐私问题。
核心思路：论文的核心思路是构建一个综合的评估框架，该框架能够模拟极端天气事件对能源-交通基础设施系统的影响，并考虑多类型应急决策。通过网络流模型整合异构的能源和交通系统，并利用神经网络代理模型加速评估过程，同时保护隐私。
技术框架：该框架主要包含以下几个模块：1) 能源-交通基础设施网络建模：将能源和交通系统抽象为网络流模型，考虑系统间的相互依赖性。2) 极端天气事件模拟：模拟极端天气事件的时空演变过程，并将其影响映射到基础设施网络上。3) 多类型应急决策建模：考虑不同类型的应急决策，例如资源调配、路径优化等，并将其纳入网络流模型中。4) 风险评估与脆弱性识别：利用网络流模型模拟系统在极端天气下的运行状态，评估系统风险，并识别脆弱环节。5) 神经网络代理模型：训练神经网络代理模型，用于快速评估系统性能，并进行脆弱性分析。
关键创新：论文的关键创新在于：1) 提出了一个综合的能源-交通基础设施风险评估框架，能够同时考虑系统异构性、时空动态影响和多类型应急决策。2) 利用神经网络代理模型加速评估过程，同时保护隐私。3) 提出了一种有针对性的系统脆弱性识别方法，能够有效识别系统中的薄弱环节。
关键设计：论文中，网络流模型用于描述能源和交通系统的运行状态，节点代表基础设施组件，边代表能源或交通流。极端天气事件的影响通过修改网络流模型的参数来体现，例如降低边的容量。应急决策通过调整网络流模型的约束条件来实现，例如增加某些边的容量。神经网络代理模型的结构和参数需要根据具体问题进行设计和训练，损失函数可以采用均方误差等回归损失函数。
🖼️ 关键图片
📊 实验亮点
数值实验表明，该框架能够有效揭示城市基础设施系统面临的风险等级，并识别需要优先加强的薄弱环节。神经网络代理模型在保证评估精度的前提下，显著提高了评估速度，实现了隐私保护。具体性能数据未知，但论文强调了在准确性和评估速度之间取得了平衡。
🎯 应用场景
该研究成果可应用于城市基础设施规划、应急管理和风险评估等领域。通过识别能源-交通基础设施系统中的薄弱环节，可以有针对性地进行加固，提高系统应对极端天气事件的能力。此外，该框架还可以用于评估不同应急预案的效果，为决策者提供科学依据。
📄 摘要（原文）
The interaction between extreme weather events and interdependent critical infrastructure systems involves complex spatiotemporal dynamics. Multi-type emergency decisions within energy-transportation infrastructures significantly influence system performance throughout the extreme weather process. A comprehensive assessment of these factors faces challenges in model complexity and heterogeneity between energy and transportation systems. This paper proposes an assessment framework that accommodates multiple types of emergency decisions. It integrates the heterogeneous energy and transportation infrastructures in the form of a network flow model to simulate and quantify the impact of extreme weather events on the energy-transportation infrastructure system. Based on this framework, a targeted method for identifying system vulnerabilities is further introduced, utilizing a neural network surrogate that achieves privacy protection and evaluation acceleration while maintaining consideration of system interdependencies. Numerical experiments demonstrate that the proposed framework and method can reveal the risk levels faced by urban infrastructure systems, identify weak points that should be prioritized for reinforcement, and strike a balance between accuracy and evaluation speed.