Jinduo XING

Composition du jury

Abstract

Concerns over disruptive events on the operation of energy systems have increased significantly during the past decades. This creates considerable demands on accurate business continuity assessment and effective management techniques for these systems. New opportunities for this come from using online-collected data and information to assess risk (dynamic risk assessment) and business continuity (dynamic business continuity assessment), and from using the assessment results for improving the optimal design of the system to achieve maximal business continuity. With this perspective in the present thesis, first, a dynamic risk assessment (DRA) framework is developed to capture the time-dependent degradation behaviour of safety barriers by integrating both condition monitoring data and inspection data. Condition monitoring data are online-collected by sensors and assumed to indirectly relate to component degradation; inspection data are recorded in physical inspections that are assumed to directly measure the component degradation. A Hidden Markov Gaussian Mixture Model (HM-GMM) is developed for modelling the condition monitoring data and a Bayesian network (BN) is developed to integrate the two data sources for DRA. Risk updating and prediction are exemplified on an Event Tree (ET) risk assessment model. A numerical case study and a real-world application on a Nuclear power plant (NPP) are performed to demonstrate the application of the proposed work. Then, a dynamic business continuity assessment (DBCA) framework is proposed to capture time-dependent behaviours and integrate the information on the conditions of components and system in the business continuity assessment (BCA). Specifically, a particle filtering (PF)-based method is developed to integrate condition monitoring data on the safety barriers installed for system protection and predict their reliability as their health states change due to ageing. An instalment model and a stochastic price model are also employed to quantify the time-dependent revenues and tolerable losses during the operation of the system. A simulation model is developed to evaluate dynamic business continuity metrics originally introduced. A case study regarding a NPP risk scenario is worked out to demonstrate the applicability of the proposed approach. Finally, a joint optimization model is developed to optimally design safety barriers of different natures, including prevention, mitigation, emergency and recovery barriers to enhance the business continuity of the system. The joint optimization is guided by a business continuity metrics called expected business continuity values (EBCV). A physics-of-failure model is developed to model the effectiveness of prevention safety barriers. An ET model is developed to describe the potential accident evolution process. A redundancy allocation model is, then, used to consider the efforts to enhance the mitigation and emergency barriers. Recovery measures are also considered by a widely used logarithmic function model. A mixed-integer genetic algorithm is employed to obtain optimal solutions of the joint optimisation model. The developed framework is applied on a case study of steam generator tube rupture accident in a NPP. Overall, through the research of this thesis, we have established a framework that allows making BCA using online-collected information. We have also showed how to optimize the business continuity of a system through a joint optimization model. These findings demonstrate the prospects of applying BCM in accident prevention, mitigation, emergency, recovery, to better support the operation of energy systems by ensuring its business continuity.

Résumé

Les inquiétudes suscitées par des événements perturbateurs sur le fonctionnement des systèmes énergétiques ont considérablement augmenté au cours des dernières décennies. Cela crée des exigences considérables en matière d'évaluation de la continuité des opérations et de techniques de gestion efficaces pour ces systèmes. Les nouvelles opportunités à cet égard proviennent de l’utilisation des données et des informations collectées en ligne pour évaluer les risques (évaluation dynamique des risques) et la continuité de l’activité (évaluation dynamique de la continuité des activités), ainsi que de l’utilisation des résultats de l’évaluation pour améliorer la conception optimale du système et atteindre une continuité maximale des activités. Dans cette perspective dans la présente thèse, un cadre d’évaluation dynamique des risques (DRA) est développé pour capturer le comportement de dégradation dépendant du temps des barrières de sécurité en intégrant à la fois des données de surveillance des conditions et des données d’inspection. Les données de surveillance des conditions sont collectées en ligne par des capteurs et supposées être indirectement liées à la dégradation des composants; les données d'inspection sont enregistrées lors d'inspections physiques censées mesurer directement la dégradation du composant. Un modèle de mélange gaussien caché de Markov (HM-GMM) est développé pour modéliser les données de surveillance de l'état et un réseau bayésien (BN) est développé pour intégrer les deux sources de données pour la DRA. La mise à jour et la prévision des risques sont illustrées dans un modèle d'évaluation des risques de l'arbre des événements. Une étude de cas numérique et une application réelle sur une centrale nucléaire (centrale nucléaire) sont réalisées pour démontrer l'application du travail proposé. Ensuite, un cadre d'évaluation dynamique de la continuité des opérations (DBCA) est proposé pour capturer les comportements dépendant du temps et intégrer l'information sur les conditions des composants et du système dans l'évaluation de la continuité des opérations (BCA). Plus précisément, une méthode basée sur le filtrage de particules (PF) est développée pour intégrer les données de surveillance des conditions sur les barrières de sécurité installées pour la protection des systèmes et prévoir leur fiabilité lorsque leur état de santé évolue en raison du vieillissement. Un modèle de versement et un modèle de prix stochastique sont également utilisés pour quantifier les revenus et les pertes tolérables en fonction du temps pendant le fonctionnement du système. Un modèle de simulation est développé pour évaluer les mesures de continuité d'activité dynamiques introduites à l'origine. Une étude de cas concernant un scénario de risque de centrale nucléaire est élaborée pour démontrer l'applicabilité de l'approche proposée. Enfin, un modèle d’optimisation commun est élaboré pour concevoir de manière optimale des barrières de sécurité de différentes natures, notamment des barrières de prévention, d’atténuation, d’urgence et de reprise, afin d’améliorer la continuité des opérations du système. L'optimisation conjointe est guidée par une métrique de continuité d'activité appelée valeurs de continuité d'activité attendues (EBCV). Un modèle de physique de défaillance est développé pour modéliser l'efficacité des barrières de sécurité préventives. Un modèle ET est développé pour décrire le processus d'évolution des accidents potentiels. Un modèle d'allocation de redondance est donc utilisé pour prendre en compte les efforts visant à renforcer les barrières d'atténuation et d'urgence. Les mesures de récupération sont également prises en compte par un modèle de fonction logarithmique largement utilisé. Un algorithme génétique à nombres entiers mixtes est utilisé pour obtenir des solutions optimales du modèle d'optimisation conjointe. Le cadre développé est appliqué à une étude de cas d'accident de rupture de tube de générateur de vapeur dans une centrale nucléaire. Globalement, à travers la recherche de cette thèse, nous avons établi un cadre qui permet de créer une BCA en utilisant des informations collectées en ligne. Nous avons également montré comment optimiser la continuité d'activité d'un système grâce à un modèle d'optimisation commun. Ces résultats démontrent les perspectives d'application de la BCM dans la prévention, l'atténuation, les urgences et la récupération des accidents, afin de mieux soutenir le fonctionnement des systèmes énergétiques en assurant la continuité de ses activités. Mots-clés: Evaluation dynamique des risques, Evaluation dynamique de la continuité des opérations, Données de surveillance des conditions, Données de contrôle, Arbre des événements, Modèle de mélange caché markov-gaussien, Filtrage de particules, Modèle d'électricité stochastique, Optimisation d'articulation, Algorithme génétique d'entiers mixtes