Optimal Resilience and Risk-Driven Strategies for Pre-Disaster Protection of Electric Power Systems against Uncertain Disaster Scenarios
Notice bibliographique
Résumé
Pre-disaster protection strategies are essential for enhancing the resilience of electric power systems against natural disasters. Considering the budgets for protection strategies, the dependency of other infrastructure systems on electricity, and the uncertainty of disaster scenarios, this paper develops risk-neutral and risk management models of strategies for pre-disaster protection. The risk-neutral model is a stochastic model designed to maximize the expected value of resilience (EVR) of the integrated system. The risk management model is a multi-objective model prioritizing the minimization of risk metrics as a secondary goal alongside maximizing the EVR. A case study conducted on the energy infrastructure systems in the Greater Toronto Area (GTA) validates the effectiveness of the models. The findings reveal the following: (i) increasing the budget enhances the EVR of the integrated system; however, beyond a certain budget threshold, the incremental benefits to the EVR significantly diminish; (ii) reducing the value of the downside risk often results in an increase in the EVR, with the variation in Pareto-optimal solutions between the two objectives being non-linear; and (iii) whether for the risk-neutral or risk management protection strategies, there are reasonable budgets when considering disaster intensity and the cost of protection measures. The models can help decision-makers to select effective protection measures for natural disasters.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».