Математична модель оптимізації енергопостачання в прикордонних районах з урахуванням геополітичних ризиків

Марина Сергіївна Граф; Денис Валеріанович Любченко

doi:10.26642/ten-2025-1(95)-274-279

Автор(и)

Марина Сергіївна Граф Державний університет "Житомирська політехніка", Україна https://orcid.org/0000-0003-4873-548X
Денис Валеріанович Любченко Державний університет "Житомирська політехніка", Україна https://orcid.org/0000-0002-6003-7660

DOI:

https://doi.org/10.26642/ten-2025-1(95)-274-279

Ключові слова:

моделювання ризиків, математичне моделювання, енергетична інфраструктура, інформаційна система моніторингу, прикордонні території, інтелектуальний аналіз даних, багатокритеріальна оптимізація

Анотація

У статті розглядається створення математичної моделі для оптимізації енергоспоживання в прикордонних регіонах із урахуванням геополітичних ризиків. В основі підходу лежить модифікація класичної транспортної задачі, що дозволяє врахувати ймовірні збої в енергопостачанні через політичну нестабільність, військові конфлікти або кібератаки. Запропонована модель враховує коригування вартості доставки енергії за допомогою параметра ризику, що дає змогу динамічно адаптувати рішення до змін у зовнішньому середовищі. Математична постановка включає як базовий рівень (лінійне програмування), так і розширену стохастичну модель із ймовірнісними обмеженнями. Візуалізація результатів у вигляді теплових карт дозволяє оцінити ефективність розподілу ресурсів за різних рівнів ризику. Проведено аналіз чутливості до ключових параметрів та порівняння реалізацій у середовищах Python та MATLAB. Отримані результати на умовних даних підтверджують доцільність використання ризик-орієнтованих моделей для задач енергетичної безпеки в прикордонних зонах. Представлений підхід може бути основою для створення інтелектуальних інформаційних систем моніторингу та прийняття рішень в енергетичному секторі.

Посилання

Hogan, K.D. et al. (2020), «Energy System Optimization with Renewable Integration and Resilience», arXiv.org, 40 р., [Online], available at: arXiv:2005.8901

Borghetti, S.P. et al. (2018), «Cybersecurity in Energy Networks: A Game Theory Perspective», arXiv.org, 25 р., [Online], available at: arXiv:1807.5678

Smith, J.W.D. et al. (2021), «Energy Resilience in Conflict-Affected Regions», arXiv.org, 30 р., [Online], available at: arXiv:2103.4567

Li, F., Yang, C., Li, Z. and Failler, P. (2021), «Does Geopolitics Have an Impact on Energy Trade? Empirical Research on Emerging Countries), arXiv.org, 23 р., [Online], available at: arXiv:2105.11077

Zimmermann, M. and Ziel, F. (2024), «Spatial Weather, Socio‑Economic and Political Risks in Probabilistic Load Forecasting», arXiv.org, [Online], available at: arXiv:2408.00507

Carvalho, R. et al. (2013), «Resilience of natural gas pipelines during conflicts, crises and disruptions», arXiv.org, [Online], available at: arXiv:1311.7348

Majidi, M. et al. (2019), «Application of information gap decision theory in practical energy problems», arXiv.org, [Online], available at: arXiv:1912.00811

Liang, X. et al. (2022), «Multi‑criteria transport optimization under geopolitical constraints», Journal of Energy Modelling, Vol. 8, No. 2, рр. 123–145.

Shi, L. and Wang, H. (2020), «Soft constraints in risk‑sensitive transport models», Transportation Science, Vol. 54, No. 1, рр. 55–70.

Nguyen, T. et al. (2021), «Stochastic energy balancing in border regions», IEEE Transactions on Smart Grid, Vol. 12, No. 4, рр. 3321–3332.

Kouvelis, P. and Yu, G. (2017), «Robust discrete optimization and its applications», Kluwer Academic Publishers, 450 р.

Li, Y. and Oren, S. (2022), «Non‑linear cost adjustments in risk transport models», Energy Economics, No. 45, рр. 56–67.

Venherenko, S. et al. (2020), «Ratsionalnist modeliuvannia ekonomichnoi efektyvnosti», Materialy Mizhnarodnoi konferentsii, KPI im. Ihoria Sikorskoho, Kyiv, рр. 78–85.

Davis, K.O., Hong, T. and Fan, S. (2016), «Probabilistic electric load forecasting: a tutorial review», Int. J. Forecasting, Vol. 32, No. 4, рр. 914–938.

Hastie, T. and Tibshirani, R. (1999), Generalized additive models, Chapman & Hall/CRC, Boca Raton, FL, 352 р.