[论文解读] Resilient Critical Infrastructure: Bayesian Network Analysis and Contract-Based Optimization

Abdelrahman Eldosouky, Walid Saad+1 more|arXiv (Cornell University)|Aug 30, 2017

Water resources management and optimization被引用 4

一句话总结

本文提出一个两阶段框架，利用贝叶斯网络进行故障概率建模，结合契约理论与动态规划实现最优资源配置，以增强关键基础设施（CI）的弹性。通过高效的资源配置，该方法在水电大坝中实现了平均60%的弹性提升，优于以奖励优化的替代方案，在经济与弹性效用的综合表现上更优。

ABSTRACT

Instilling resilience in critical infrastructure (CI) such as dams or power grids is a major challenge for tomorrow's cities and communities. Resilience, here, pertains to a CI's ability to adapt or rapidly recover from disruptive events. In this paper, the problem of optimizing and managing the resilience of CIs is studied. In particular, a comprehensive two-fold framework is proposed to improve CI resilience by considering both the individual CIs and their collective contribution to an entire system of multiple CIs. To this end, a novel analytical resilience index is proposed to measure the effect of each CI's physical components on its probability of failure. In particular, a Markov chain defining each CI's performance state and a Bayesian network modeling the probability of failure are introduced to infer each CI's resilience index. Then, to maximize the resilience of a system of CIs, a novel approach for allocating resources, such as drones or maintenance personnel, is proposed. In particular, a comprehensive resource allocation framework, based on the tools of contract theory, is proposed enabling the system operator to optimally allocate resources, such as, redundant components or monitoring devices to each individual CI based on its economic contribution to the entire system. The optimal solution of the contract-based resilience resource allocation problem is analytically derived using dynamic programming. The proposed framework is then evaluated using a case study pertaining to hydropower dams and their interdependence to the power grid. Simulation results, within the case study, show that the system operator can economically benefit from allocating the resources while dams have a 60% average improvement over their initial resilience indices.

研究动机与目标

• 开发一个可推广的弹性评估与优化框架，适用于多种相互依赖的关键基础设施（CIs）。
• 利用马尔可夫链与贝叶斯网络建模，量化物理组件对CI故障概率的影响。
• 利用契约理论优化跨多个CIs的资源配置（如无人机或维护人员），以最大化系统整体经济效益。
• 利用动态规划推导出弹性增强资源配置的解析最优解。
• 在涉及相互依赖的水电大坝与电网的真实案例研究中评估该框架。

提出的方法

• 使用马尔可夫链将每个CI的性能状态建模为正常、预警或故障，状态转移捕捉弹性动态特性。
• 构建贝叶斯网络，基于物理组件的依赖关系与故障传播，推断故障发生的概率。
• 从预警状态到故障状态的转移概率中推导出一种新型解析弹性指数，量化组件层面的影响。
• 应用契约理论将系统运营商（委托人）与CIs（代理人）建模，设计具有激励相容性的契约，以协调经济与弹性目标。
• 使用动态规划求解最优资源配置问题，最大化委托人的效用，同时确保个体理性与激励相容性。
• 在预算约束下优化资源配置，奖励优化变体中允许部分分配以作对比。

实验结果

研究问题

• RQ1 如何定义一个通用的弹性指数，以捕捉破坏性事件对单个CI组件及其故障概率的影响？
• RQ2 如何在多个相互依赖的CIs之间最优分配有限资源（如维护人员或无人机），以最大化系统整体弹性与经济效益？
• RQ3 基于动态规划的契约优化如何确保在多Agent CI系统中实现高效且激励相容的资源配置？
• RQ4 所提出的框架在平衡经济效益与弹性提升方面，相较于奖励优化的资源配置策略，优势有多大？
• RQ5 基于马尔可夫链与贝叶斯网络推导出的弹性指数，在多大程度上反映了水电大坝的真实故障动态？

主要发现

• 与初始状态相比，所提框架在水电大坝中实现了平均60%的弹性指数提升，表现出显著的性能增益。
• 基于动态规划的资源配置优于奖励优化的资源配置，在综合弹性与效用方面表现更优，仅在400奖励水平下略有优势，而在500奖励水平下略有劣势。
• 奖励优化的资源配置虽然在某些奖励水平下略微提升了委托人效用，但由于部分资源未被充分利用，导致平均弹性降低。
• 所提资源配置方法充分利用了所有可用资源，带来更高的弹性增益与更优的整体系统性能。
• 奖励优化方法的复杂度显著增加，因其需探索所有可能的部分分配，导致其可扩展性低于所提方法。
• 该框架成功平衡了经济激励与弹性结果，表明最优资源配置可同时提升系统效用与基础设施的鲁棒性。