Методи та програмне забезпечення семантичного моделювання каскадних ефектів у критичних інфраструктурах із застосуванням графових нейронних мереж
| dc.contributor.advisor | Коваль, Олександр Васильович | |
| dc.contributor.author | Хоменко, Олександр Миколайович | |
| dc.date.accessioned | 2026-07-15T14:01:04Z | |
| dc.date.available | 2026-07-15T14:01:04Z | |
| dc.date.issued | 2026 | |
| dc.description.abstract | Хоменко О.М. Методи та програмне забезпечення семантичного моделювання каскадних ефектів у критичних інфраструктурах із застосуванням графових нейронних мереж. – Кваліфікаційна наукова праця на правах рукопису. Дисертація на здобуття наукового ступеня доктора філософії за спеціальністю 121 «Інженерія програмного забезпечення». – Національний технічний університет України «Київський політехнічний інститут імені Ігоря Сікорського», Київ, 2026. Критична інфраструктура – складана система, яка складається з множини об’єктів та зв’язків між ними. Електромережі забезпечують електроенергією побутових споживачів, промислові об’єкти та мають значний вплив на функціонування залежних об’єктів. Збої в роботі електромереж можуть призвести до каскадних ефектів, повного чи часткового знеструмлення мережі, що негативно впливає на функціонування пов’язаних інфраструктур: – водопостачання: зменшення потужності роботи електромережі впливає на роботу насосів, що призводить до ускладнення постачання води до кінцевих споживачів; – транспортної: проблеми з логістикою, ускладнення руху на дорогах, збільшення часу маршрутів. Захист критичної інфраструктури від каскадних збоїв є важливим та комплексним завданням. У дослідженнях використовуються методи та програмне забезпечення, що надає можливість виявити потенційні умови виникнення каскадного ефекту, потенційні сценарії розвитку подій. Моделювання та симуляція розвитку каскадних збоїв в електромережі є складним процесом та потребує розуміння предметної області. Обсяг даних в електромережах збільшується в залежності від кількості об’єктів та зв’язків між ними, тому виникає потреба у формалізації даних для використання в аналітичних моделях. Методи моделювання сценаріїв аналітичної діяльності досліджували О.Г. Додонов, О.В. Коваль, В.Р. Сенченко, А.В. Бойченко, А.Я. Гладун та інші. Методи виявлення збоїв в роботі критичної інфраструктури досліджували: A. Varbella, B. Gjorgiev, G. Sansavini, P. Hines, E.C. Sanchez, С.В. Толюпа та інші. Теорія графів, мережі Баєса, мережі Петрі, ланцюги Маркова використовуються для аналізу роботи критичної інфраструктури в різних сценаріях. Структура критичної інфраструктури визначається за допомогою графу, що допомагає візуально представити мережу, взаємозв’язки між об’єктами та параметри компонентів. Під час аналізу стійкості та вразливості в електромережах використовуються топологічні та гібридні підходи для дослідженні властивостей мережі. Велика частина метрик графів надає статичну оцінку стійкості системи, не відображає динамічні зміни компонентів системи при виникненні збоїв, а результати аналізу залежать від якості початкових даних сценаріїв збоїв. Використання теорії графів та метрик є основою для розуміння стійкості критичної інфраструктури на ранніх етапах аналізу, але її ефективність зростає при поєднанні з моделями, що враховують динаміку та специфіку предметної області. Мережі Баєса використовуються для дослідження стійкості критичної інфраструктури, аналізу каскадних збоїв, моделювання динамічних процесів, але потребують значних обчислювальних ресурсів для великих та складних систем зі значною кількістю змінних і параметрів для обчислень та висновків. Мережі Петрі використовуються для моделювання та аналізу поведінки системи в сценаріях, але побудова та підтримка великих, складних моделей потребує спеціалізованих знань для перевірки коректності роботи моделі та її інтерпретації. Ланцюги Маркова використовуються для аналізу каскадних збоїв, але при моделюванні великої кількості комплексних взаємозалежностей відбувається спрощення сценарію для зменшення складності обчислення, що знижує точність аналізу. Ефективність роботи моделей залежить від якості та адекватності спрощення даних. Перспективним підходам аналізу каскадних ефектів в електромережах є використання графових нейронних мереж, що надають можливість враховувати зв’язки між компонентами та їхні ознаки. Значна частина наявних програмних засобів, які використовуються для аналізу каскадних ефектів у системах (електромережах), має певну складність при моделюванні та порівнянні сценаріїв роботи систем. У зв’язку з цим виникає потреба в розробці програмного забезпечення обробки даних, створення представлень про стани роботи електромереж для визначення подібних сценаріїв та прийняття рішень. На основі проведеного аналізу методів моделювання сценаріїв аналітичної діяльності, методів виявлення каскадних ефектів в електромережах визначено такі протиріччя: – аналітичні моделі потребують консистентних даних, але відсутні формалізовані моделі перевірки даних; – нейронні мережі потребують для навчання великих обсягів даних, але існує обмежена кількість доступних даних про роботу електромереж, каскадних ефектів та інструментів для створення сценаріїв; – методи машинного навчання потенційно можуть виявляти каскадні ефекти в електромережі, але відсутній підхід порівняння сценаріїв; – програмні засоби аналізу каскадних ефектів побудовані для обробки підготовлених наборів даних, але мають обмежений функціонал для обробки даних у режимі реального часу. На основі визначених протиріч було сформовано наукове завдання: розробка науково-методичного апарату та програмного забезпечення семантичного моделювання розвитку каскадних ефектів у критичних інфраструктурах та їхнього порівняння для визначення альтернативних сценаріїв на основі представлення з графових нейронних мереж. Метою дисертаційної роботи є підвищення ефективності порівняння сценаріїв каскадних ефектів в електромережах та визначення подібних станів систем на основі графових нейронних мереж із врахуванням семантики ознак та зв’язків між об’єктами. Об’єктом дослідження є процеси аналізу вимог, розроблення, впровадження і супроводження програмного забезпечення виникнення каскадних ефектів та їхнє поширення в критичних інфраструктурах. Предметом дослідження є методи та програмне забезпечення семантичного моделювання взаємозв’язків у критичних інфраструктурах та побудови графових нейронних мереж для створення та порівняння представлень про сценарії каскадних ефектів. Дисертаційна робота виконана відповідно до науково-технічної діяльності Національного технічного університету України «Київський політехнічний інститут імені Ігоря Сікорського» і кафедри інженерії програмного забезпечення в енергетиці. Наукова новизна одержаних результатів досліджень: 1. Уперше розроблено метод семантичного моделювання сценаріїв каскадних збоїв в електромережах на основі моделі потоку потужності, що базується на використанні онтологічної моделі та множині правил для формалізації, перевірки, доповнення даних про структуру електромережі та процеси розвитку каскадних ефектів у сценаріях. Розроблений метод дозволяє під час попереднього аналізу даних сценаріїв про каскадні ефекти в роботі електромереж виявляти протиріччя й помилки, що можуть бути усунені на ранньому етапі для покращення якості даних під час використання методів машинного навчання. 2. Уперше розроблено метод визначення подібності сценаріїв каскадних ефектів в електромережах на основі моделі автоенкодера та косинуса подібності, що відрізняється від подібних семантикою взаємодії між об’єктами та їхніми значеннями при порівнянні представлень про стани систем, що дозволяє враховувати структуру та вплив змін в роботі компонентів електромереж. 3. Удосконалено моделі автоенкодера для створення представлень про крок та послідовність кроків роботи електромереж у сценаріях на основі графових нейронних мереж, які, на відміну від наявних, враховують семантику станів компонентів. Удосконалена модель для створення представлень про стани систем у кроках сценаріїв дозволяє підвищити коефіцієнт детермінації вузлів у середньому на 5,6%, коефіцієнт детермінації ребер у середньому на 27,2%. Удосконалена модель для створення представлень про зміни станів систем у послідовності кроків сценаріїв дозволяє підвищити коефіцієнт детермінації вузлів у середньому на 9,5%, коефіцієнт детермінації ребер у середньому на 0,5%. 4. Уперше розроблено архітектуру програмного забезпечення для проведення експериментів зі сценаріями роботи електромереж, зокрема каскадних ефектів, яка відрізняється від наявних порівнянням та визначенням подібності станів електромереж у сценаріях на основі розроблених методів та моделей автоенкодера, що дозволяє розробити програмне забезпечення, яке надає інформацію для прийняття рішення. Практичне значення одержаних результатів: 1. Уперше розроблено програмне забезпечення аналізу каскадних ефектів в електромережах, де використовуються такі методи: метод семантичного моделювання сценаріїв каскадних збоїв в електромережах; метод визначення подібності сценаріїв каскадних ефектів в електромережі на основі графової нейронної мережі та косинуса подібності. Енкодер натренованої моделі нейронної мережі використовується для створення представлень про роботу електромереж у сценаріях, що порівнюються за допомогою коефіцієнта подібності на основі косинуса подібності із врахуванням семантики та значень ознак. Крім того, отримані представлення використовуються для визначення множини подібних станів електромереж на основі кластеризації. Одержані результати можуть використовуватися в освітньому процесі: матеріали для лекцій, лабораторних робіт. Програмне забезпечення може застосовуватися як система для прийняття рішень на основі наявних сценаріїв. 2. Створено базу даних, що містить інформацію про проведені експерименти, що використовуються при аналізі роботи моделей. Систематизація даних допомагає визначити приховані закономірності, помилки, аномалії, які важко побачити при поодиноких тестах. На основі накопичених даних про роботу моделей можна виявити ефективні та неефективні налаштування гіперпараметрів. Порівняння роботи моделей з різними конфігураціями можна використати для визначення сильних і слабких сторін моделей та вибрати необхідні налаштування залежно від даних. Отримані результати, які зазначені в дисертаційному дослідженні, є внеском у розвиток теоретичних і прикладних напрямків інформаційних технологій: використання семантичної моделі для формалізації предметної області (сценарії роботи електромереж); використання графових нейронних мереж для аналізу сценаріїв каскадних ефектів (каскадних збоїв) у критичних інфраструктурах (електромережах); використання програмного забезпечення для обробки даних, що відкриває нові можливості для розв’язання складних задач. Перспективними напрямами досліджень є розробка нових методів й удосконалення наявних зі створення комплексних сценаріїв роботи електромереж, які розширюють множину подій, що впливають на мережу, варіанти розвитку каскадних збоїв, множину дій для стабілізації роботи мережі. Нові підходи можуть підвищити якість та варіативність даних для навчання нейронних мереж під час аналізу каскадних ефектів. Розробка нових моделей машинного навчання, які можуть додатково враховувати сторонні чинники в роботі електромереж та змінюються від моделювання середовища, є перспективним напрямом для майбутніх досліджень. | |
| dc.description.abstractother | Khomenko O.M. Methods and software for semantic modeling of cascading effects in critical infrastructures using graph neural networks. – Qualification scientific work in the form of a manuscript. Thesis for the degree of Doctor of Philosophy in specialty 121 "Software Engineering". – National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute", Kyiv, 2026. Critical infrastructure is a complex system consisting of a set of objects and connections between them. Power grids provide electricity to household consumers, industrial facilities and have a significant impact on the functioning of dependent facilities. Failures in the operation of power grids can lead to cascading effects, complete or partial power outages of the network, which negatively affects the functioning of related infrastructures: – water supply: a decrease in the power grid's operating capacity affects the operation of pumps, which complicates the supply of water to end users; – transport: problems with logistics, traffic congestion, increased route times. Protecting critical infrastructure from cascading failures is an important and complex task. The research uses methods and software that make it possible to identify potential conditions for the occurrence of a cascading effect, potential scenarios for the development of events. Modeling and simulation of the development of cascading failures in the power grid is a complex process and requires an understanding of the subject area. The volume of data in power grids increases depending on the number of objects and connections between them, therefore there is a need to formalize data for use in analytical models. Methods for modeling analytical activity scenarios were studied by O.G. Dodonov, O.V. Koval, V.R. Senchenko, A.V. Boychenko, A.Y. Gladun and others. Methods for detecting failures in the operation of critical infrastructure were studied by: A. Varbella, B. Gjorgiev, G. Sansavini, P. Hines, E.C. Sanchez, S.V. Tolyupa and others. Graph theory, Bayesian networks, Petri nets, Markov chains are used to analyze the operation of critical infrastructure in various scenarios. The structure of critical infrastructure is defined using a graph, which helps to visually represent the network, the relationships between objects, and the parameters of the components. When analyzing the stability and vulnerability of power grids, topological and hybrid approaches are used to study the properties of the network. Most graph metrics provide a static assessment of system stability, do not reflect dynamic changes in system components during failures, and the analysis results depend on the quality of the initial data of failure scenarios. The use of graph theory and metrics is the basis for understanding the stability of critical infrastructure in the early stages of analysis, but its effectiveness increases when combined with models that take into account the dynamics and specificity of the subject area. Bayesian networks are used to study the stability of critical infrastructure, analyze cascading failures, and simulate dynamic processes, but require significant computational resources for large and complex systems with a significant number of variables and parameters for calculations and conclusions. Petri nets are used to model and analyze system behavior in scenarios, but building and maintaining large, complex models requires specialized knowledge to verify the correctness of the model and its interpretation. Markov chains are used to analyze cascading failures, but when modeling a large number of complex interdependencies, the scenario is simplified to reduce the complexity of the calculation, which reduces the accuracy of the analysis. The effectiveness of the models depends on the quality and adequacy of the data simplification. Promising approaches to the analysis of cascading effects in power grids include the use of graph neural networks, which make it possible to take into account the connections between components and their characteristics. A significant part of the existing software tools used to analyze cascading effects in systems (power grids) has a certain complexity in modeling and comparing system operation scenarios. In this regard, there is a need to develop data processing software, create representations of the states of power grids to identify such scenarios and make decisions. Based on the analysis of methods for modeling analytical activity scenarios, methods for detecting cascading effects in power grids, the following contradictions were identified: – analytical models require consistent data, but there are no formalized data verification models; – neural networks require large amounts of data for training, but there is a limited amount of available data on the operation of power grids, cascading effects, and tools for creating scenarios; – machine learning methods can potentially detect cascading effects in the power grid, but there is no scenario comparison approach; – software tools for analyzing cascading effects are built to process prepared data sets, but have limited functionality for real-time data processing. Based on the identified contradictions, a scientific task was formed: development of a scientific and methodological apparatus and software for semantic modeling of the development of cascading effects in critical infrastructures and their comparison to determine alternative scenarios based on a representation from graph neural networks. The purpose of the thesisis to increase the efficiency of comparing cascade effect scenarios in power grids and to determine similar system states based on graph neural networks, taking into account the semantics of features and connections between objects. The object of the study is the processes of requirements analysis, development, implementation and maintenance of software for the occurrence of cascading effects and their spread in critical infrastructures. The subject of the study is methods and software for semantic modeling of relationships in critical infrastructures and construction of graph neural networks for creating and comparing representations of cascade effect scenarios. The thesis was carried out in accordance with the scientific and technical activities of the National Technical University of Ukraine "Igor Sikorsky Kyiv Polytechnic Institute" and the Department of Software Engineering in Energy. Scientific novelty of the obtained research results: 1. For the first time, a method for semantic modeling of cascading failure scenarios in power grids has been developed based on a power flow model, which is based on the use of an ontological model and a set of rules for formalizing, verifying, and supplementing data on the structure of the power grid and the processes of developing cascading effects in scenarios. The developed method allows, during the preliminary analysis of data on cascading effects scenarios in the operation of power grids, to identify contradictions and errors that can be eliminated at an early stage to improve data quality when using machine learning methods. 2. For the first time, a method for determining the similarity of cascading effect scenarios in power grids has been developed based on the autoencoder model and the cosine of similarity, which differs from similar ones by the semantics of the interaction between objects and their values when comparing representations of system states, which allows taking into account the structure and impact of changes in the operation of power grid components. 3. Autoencoder models have been improved to create representations of the step and sequence of steps of the operation of electrical networks in scenarios based on graph neural networks, which, unlike existing ones, take into account the semantics of component states. The improved model for creating representations of system states in scenario steps allows to increase the coefficient of determination of nodes by an average of 5,6%, the coefficient of determination of edges by an average of 27,2%. The improved model for creating representations of system state changes in the sequence of scenario steps allows to increase the coefficient of determination of nodes by an average of 9,5%, the coefficient of determination of edges by an average of 0,5%. 4. For the first time, a software architecture has been developed for conducting experiments with power grid operation scenarios, in particular cascade effects, which differs from existing ones by comparing and determining the similarity of power grid states in scenarios based on developed methods and autoencoder models, which allows developing software that provides information for decision-making. Practical significance of the results obtained: 1. For the first time, software for analyzing cascade effects in power grids has been developed, which uses the following methods: a method for semantic modeling of cascade failure scenarios in power grids; a method for determining the similarity of cascade effect scenarios in power grids based on a graph neural network and cosine similarity. The encoder of the trained neural network model is used to create representations of the operation of power grids in scenarios that are compared using a similarity coefficient based on cosine similarity taking into account semantics and feature values. In addition, the resulting representations are used to determine the set of similar states of power grids based on clustering. The results obtained can be used in the educational process: materials for lectures, laboratory work. The software can be used as a system for making decisions based on existing scenarios. 2. A database has been created containing information on the experiments conducted, which are used in the analysis of the operation of models. Systematization of data helps to identify hidden patterns, errors, anomalies that are difficult to see in single tests. Based on the accumulated data on the operation of models, effective and ineffective hyperparameter settings can be identified. Comparison of the performance of models with different configurations can be used to identify the strengths and weaknesses of the models and select the necessary settings depending on the data. The results obtained, which are indicated in the dissertation research, are a contribution to the development of theoretical and applied areas of information technology: the use of a semantic model for formalizing the subject area (electricity grid operation scenarios); the use of graph neural networks for analyzing scenarios of cascading effects (cascading failures) in critical infrastructures (electricity grids); the use of data processing software, which opens up new opportunities for solving complex problems. Promising areas of research are the development of new methods and improvement of existing ones for creating complex scenarios of electric grid operation, which expand the set of events affecting the network, options for the development of cascading failures, and the set of actions to stabilize the network operation. New approaches can improve the quality and variability of data for training neural networks during the analysis of cascading effects. The development of new machine learning models that can additionally take into account extraneous factors in the operation of electric grids and change from environmental modeling is a promising area for future research. | |
| dc.format.extent | 250 с. | |
| dc.identifier.citation | Хоменко, О. М. Методи та програмне забезпечення семантичного моделювання каскадних ефектів у критичних інфраструктурах із застосуванням графових нейронних мереж : дис. … д-ра філософії : 121 – Інженерія програмного забезпечення / Хоменко Олександр Миколайович. – Київ, 2026. – 250 с. | |
| dc.identifier.uri | https://ela.kpi.ua/handle/123456789/82251 | |
| dc.language.iso | uk | |
| dc.publisher | КПІ ім. Ігоря Сікорського | |
| dc.publisher.place | Київ | |
| dc.subject | інженерія програмного забезпечення | |
| dc.subject | критична інфраструктура | |
| dc.subject | електромережа | |
| dc.subject | каскадний ефект | |
| dc.subject | каскадні відмови | |
| dc.subject | моделювання подій | |
| dc.subject | семантична модель | |
| dc.subject | формалізація знань | |
| dc.subject | онтологічна модель | |
| dc.subject | машинне навчання | |
| dc.subject | нейронна мережа | |
| dc.subject | графова нейронна мережа | |
| dc.subject | програмне забезпечення | |
| dc.subject | інформаційні технології | |
| dc.subject | software engineering | |
| dc.subject | critical infrastructure | |
| dc.subject | power grid | |
| dc.subject | cascading effect | |
| dc.subject | cascading failures | |
| dc.subject | event modeling | |
| dc.subject | semantic model | |
| dc.subject | knowledge formalization | |
| dc.subject | ontological model | |
| dc.subject | machine learning | |
| dc.subject | neural network | |
| dc.subject | graph neural network | |
| dc.subject | software | |
| dc.subject | information technology | |
| dc.subject.udc | 004.82:004.89 | |
| dc.title | Методи та програмне забезпечення семантичного моделювання каскадних ефектів у критичних інфраструктурах із застосуванням графових нейронних мереж | |
| dc.title.alternative | Methods and software for semantic modeling of cascading effects in critical infrastructures using graph neural networks | |
| dc.type | Thesis Doctoral |
Файли
Контейнер файлів
1 - 1 з 1
Ліцензійна угода
1 - 1 з 1
Ескіз недоступний
- Назва:
- license.txt
- Розмір:
- 8.98 KB
- Формат:
- Item-specific license agreed upon to submission
- Опис: