一种针对大规模系统的新颖数据驱动型定量韧性评估方法

《RELIABILITY ENGINEERING & SYSTEM SAFETY》：A novel data-driven quantitative resilience evaluation method for large-scale systems

　　

刘佳颖|张军|田青峰|吴蓓

摘要

为应对灾害对系统造成的损害，韧性理论为传统风险理论提供了一种更广泛且更实用的替代方案。然而，对大规模系统的韧性评估面临数据量大和灾害情景复杂的挑战。本文提出了一种基于数据的框架，用于大规模系统的韧性评估。首先，定义了一个标准化的数据集结构，并开发了一种基于度量学习的灾害过程识别方法。其次，建立了将灾害过程与系统性能联系起来的概率函数作为韧性指标。第三，引入了一种数据降维框架，通过减少特征和属性值来缓解数据量过大和特征冗余的问题，从而提高识别准确性并降低存储需求。最后，对中国两个地区在极端寒冷和台风威胁下的风力发电设施进行了案例研究。结果表明，基于降维数据和完整数据的韧性评估之间的平均偏差在5%以内，同时数据存储量减少了35.8%。这为风电场管理者提供了基于数据的决策支持，并减轻了大数据量带来的挑战。