REVISTA DE INGENIERIA DYNA

Palabras clave:

dynamic risk assessment, early warning system, power grid expansion, multi-source time series data, Dynamic Bayesian Network, Long Short-Term Memory network, probabilistic inference, data-driven risk modeling, real-time risk monitoring, risk control decision support, false alarm rate, smart grid securit

Tipo de artículo:

ARTICULO DE INVESTIGACION / RESEARCH ARTICLE

Sección:

ARTICULOS DE INVESTIGACION / RESEARCH ARTICLES

Los factores de riesgo están estrechamente interrelacionados y evolucionan continuamente durante todo el proceso de ampliación de la red eléctrica. Los métodos existentes de gestión de riesgos, basados principalmente en experiencias estáticas, son insuficientes para proporcionar alertas tempranas en tiempo real y un control eficaz. Para abordar este problema, este artículo utiliza como entrada datos de series temporales procedentes de múltiples fuentes a lo largo de todo el proceso de ampliación de la red. En primer lugar, se construye una Red Bayesiana Dinámica (DBN) para describir las relaciones causales y las características de evolución de los riesgos por etapas, permitiendo actualizar en línea los estados de riesgo dentro de un marco de inferencia probabilística. Posteriormente, se emplea una red de Memoria a Largo y Corto Plazo (LSTM) para modelizar en profundidad las características temporales relacionadas con el riesgo y predecir sus posibles tendencias de evolución. Mediante la fusión de las probabilidades de los estados de riesgo proporcionadas por la DBN con los resultados de predicción de la LSTM, se construye un índice unificado de alerta temprana de riesgos y se proporciona apoyo específico a las decisiones de control mediante la inferencia inversa de los nodos de riesgo clave. Los resultados experimentales muestran que el tiempo medio de anticipación de la alerta del modelo de fusión DBN+LSTM alcanza 18,7 minutos; la precisión en la identificación de los estados de riesgo durante la fase de ampliación de la red eléctrica es del 86,8 %; y las tasas globales de falsas alarmas y alarmas omitidas son del 5,21 % y 1,82 %, respectivamente. Los resultados demuestran que el método proporciona un enfoque técnico eficaz para la alerta temprana y el control dinámicos de riesgos durante todo el proceso de ampliación de la red eléctrica, combinando capacidad de interpretación basada en mecanismos y capacidad de análisis basada en datos