Разработка надежных моделей интегрального программирования для климатически устойчивого проектирования инфраструктуры
Императив для климатически устойчивой инфраструктуры
Системы инфраструктуры во всем мире сталкиваются с растущим давлением изменения климата. Повышение глобальных температур, изменение моделей осадков, более частые и интенсивные экстремальные погодные явления и ускорение повышения уровня моря больше не являются будущими прогнозами, а настоящими реалиями. Мосты, дороги, водоочистные сооружения, энергосистемы и береговая оборона, предназначенные для исторических климатических условий, становятся все более уязвимыми. Национальное управление океанических и атмосферных исследований (NOAA) сообщает, что миллиардные бедствия в Соединенных Штатах стали более частыми и серьезными, создавая беспрецедентную нагрузку на государственные бюджеты и безопасность сообщества. NOAA отслеживает эти миллиардные бедствия , подчеркивая настоятельную необходимость в инфраструктуре, которая может надежно работать в широком диапазоне будущих условий.
Традиционные детерминированные подходы к проектированию, которые опираются на одноточечные оценки будущих условий, больше не являются адекватными. Они не отражают глубокую неопределенность, присущую климатическим прогнозам. Инженерам и политикам нужны передовые инструменты поддержки принятия решений, которые явно учитывают неопределенность и позволяют проектировать инфраструктуру, которая является одновременно экономически эффективной и устойчивой. Надежные целочисленные модели программирования обеспечивают именно такую структуру. Они позволяют планировщикам оптимизировать дискретные решения, такие как местоположение объекта, мощности и выбор технологий, обеспечивая при этом приемлемую работу полученной системы по широкому спектру вероятных будущих климатических сценариев. Эта статья предоставляет всеобъемлющее, авторитетное руководство по разработке этих моделей, охватывающих основополагающие концепции, методологические рамки, практические приложения и будущие направления исследований.
Понимание целочисленного программирования в инфраструктурном планировании
Целое программирование (IP) — это отрасль математической оптимизации, в которой некоторые или все переменные решения ограничены целыми значениями. Это ограничение не является ограничением, а мощной функцией. Многие решения по планированию инфраструктуры по своей сути дискретны. Вы не можете построить половину моста, купить 2,7 насоса или открыть объект в дробном месте. Целые переменные захватывают эти реальные ограничения напрямую.
Почему целочисленные переменные важны в инфраструктурном дизайне
Рассмотрим проблему выбора участков для новых аварийных убежищ в подверженном наводнениям регионе. Каждый потенциальный участок представляет собой двоичное решение: строить или не строить. Модель линейного программирования, которая позволяет использовать дробные значения, может предложить строительство 0,6 укрытия на одном участке и 0,4 на другом, что практически бессмысленно. Модель IP с использованием двоичных переменных вынуждает принимать решение «да» или «нет» для каждого участка, создавая действенные планы. Аналогичным образом, решения о количестве полос движения на шоссе, емкости резервуара или размере установки возобновляемой энергии включают в себя целые варианты выбора, которые непосредственно влияют на стоимость, производительность и устойчивость.
Использование целочисленных переменных также позволяет моделировать логические отношения. Если дорога построена, она должна поддерживаться. Если очистная установка расширена, то необходимо также модернизировать некоторые трубопроводы. Эти зависимости захватываются через ограничения, связывающие целочисленные переменные. Полученные модели более реалистичны и дают решения, которые могут быть реализованы непосредственно, без округления или интерпретации.
Классические IP-приложения в инфраструктуре
Целое программирование имеет долгую и успешную историю в инфраструктурном планировании. Проблемы расположения объектов, проблемы проектирования сетей и проблемы расширения мощностей являются классическими примерами. В планировании перевозок модели IP оптимизируют расположение складов, распределительных центров и транзитных узлов. В управлении водными ресурсами они направляют размещение водохранилищ, очистных сооружений и насосных станций. В энергетических системах они определяют оптимальное сочетание технологий генерации, линий передачи и хранилищ. Эти приложения демонстрируют универсальность и мощность IP, но они обычно предполагают, что будущие условия известны с уверенностью. Изменение климата бросает вызов этому предположению.
Проблема климатической неопределенности
Изменение климата создает множество уровней неопределенности, с которыми традиционные модели ИС не могут справиться. Эти неопределенности не просто вероятностны в хорошо понимаемом смысле; они глубокие, структурные и часто несводимые. Игнорирование их приводит к инфраструктуре, которая может быть перестроена для одного сценария и катастрофически недостроена для другого.
Источники неопределенности
Неопределенность в проектировании климатически устойчивой инфраструктуры возникает из нескольких источников. Во-первых, глобальные климатические модели (ГКМ) производят диапазон будущих прогнозов температуры и осадков в зависимости от сценариев выбросов, модельных структур и параметризации. Во-вторых, сокращение этих глобальных прогнозов до региональных и местных масштабов добавляет дополнительную неопределенность. В-третьих, ожидается, что частота и интенсивность экстремальных явлений, таких как ураганы, наводнения, засухи и волны тепла, изменятся, но величина и сроки этих изменений неопределенны. В-четвертых, социально-экономические факторы, такие как рост населения, изменение землепользования и технологическое развитие, взаимодействуют с климатическими воздействиями сложными способами. В-пятых, инфраструктурные активы имеют длительный срок службы, часто от 50 до 100 лет, что означает, что решения, принятые сегодня, должны выполняться в условиях, которые глубоко неопределенны далеко в будущем.
Ограничения традиционных подходов
Традиционные детерминированные модели ИС, использующие единую климатическую проекцию или даже небольшой набор сценариев, подвержены двум видам ошибок. Первый — это недооценка риска: оптимальный при мягком климатическом сценарии может катастрофически провалиться при более тяжелом сценарии. Второй — переоценка стоимости: проект, устойчивый к наихудшему сценарию, выбранному без учета вероятности, может быть чрезмерно дорогим и отвлекать ресурсы от других приоритетов. Стохастическое программирование, которое присваивает сценарии вероятности, сталкивается с проблемой, что вероятности для будущих климатических состояний сами по себе неопределенны и могут не отражать истинный диапазон возможностей. Надежная оптимизация предлагает более подходящую основу для обработки глубокой неопределенности без необходимости точного распределения вероятностей.
Основы надежного целочисленного программирования
Прочное целочисленное программирование расширяет классическую ИС, включая наборы неопределенности, описывающие диапазон возможных значений для неопределенных параметров. Цель состоит в том, чтобы найти решение, которое является осуществимым и хорошего качества для всех реализаций в наборе неопределенности. Этот подход особенно хорошо подходит для климатически устойчивого дизайна, поскольку он не требует распределения вероятностей и явно хеджирует от худших результатов в определенном диапазоне.
Неопределенность и надежная оптимизация
Выбор набора неопределенности является центральным для надежной оптимизации. Общие типы включают наборы неопределенности коробки, которые связывают каждый неопределенный параметр независимо; эллипсоидные наборы, которые захватывают корреляции между параметрами; и многогранные наборы, которые предлагают гибкий компромисс между консерватизмом и тяготением. Для климатических приложений бокс-сеты могут указывать, что годовое количество осадков может варьироваться на плюс или минус 20 процентов от базового уровня, в то время как многогранные наборы могут ограничивать общее отклонение по нескольким параметрам или периодам времени. Семиналистическая работа Бен-Тал, Эль Гауи и Немировски обеспечивает теоретическую основу для надежной оптимизации, включая методы для переформулирования надежных ограничений в тягучие формы.
Двухступенчатые против многоступенчатых надежных моделей
Планирование инфраструктуры часто включает в себя решения, принятые в разные моменты времени. Некоторые решения, такие как местоположение крупного объекта, фиксируются на протяжении всего срока службы актива и должны быть приняты до решения климатической неопределенности. Другие решения, такие как операционные корректировки или дополнительные мощности, могут быть приняты позже, когда информация становится доступной. Двухступенчатые надежные модели оптимизации захватывают эту структуру. Первый этап включает в себя решения здесь и сейчас, которые принимаются в условиях неопределенности. Второй этап включает в себя решения ожидания и просмотра, которые могут адаптироваться к реализованному сценарию. Многоступенчатые модели расширяют эту идею до нескольких точек принятия решений с течением времени, позволяя адаптивное планирование по мере изменения климата. Исследователи применили двухступенчатые надежные модели для смягчения последствий наводнений , демонстрируя значительную экономию затрат по сравнению со статическими подходами.
Ключевые компоненты надежных моделей
Разработка надежной модели ИС требует тщательного уточнения трех компонентов: наборов неопределенности, объективных функций и ограничений. Наборы неопределенности определяют диапазон возможных климатических сценариев и должны быть информированы климатологией, историческими данными и экспертными суждениями. Они должны уравновешивать реализм с тягостностью. Объективные функции в надежных моделях часто принимают наихудший вариант или минимальную максимальную перспективу, минимизируя максимальную стоимость или максимизируя минимальную производительность во всех сценариях. Альтернативные формулировки минимизируют ожидаемую стоимость при обеспечении надежности или минимизируют максимальное сожаление относительно эталона идеальной информации. Ограничения должны обеспечивать, чтобы емкость инфраструктуры, уровни обслуживания, стандарты безопасности и бюджетные ограничения удовлетворялись для всех реализаций в наборе неопределенности. Это может потребовать расширения емкости, добавления избыточности или включения гибких элементов дизайна, которые могут быть адаптированы позже.
Конкретные ограничения могут включать: 1 ограничения пропускной способности, которые должны сохраняться для всех уровней наводнений в пределах набора неопределенности; 2 ограничения на подключение, обеспечивающие функционирование транспортной сети при всех сценариях осадков; 3 бюджетные ограничения, которые ограничивают общие инвестиции во всех сценариях; и 4 ограничения на производительность, требующие, чтобы уровни обслуживания оставались выше минимального порога даже в наихудших условиях.
Методологические рамки разработки моделей
Разработка надежной модели IP для климатически устойчивой инфраструктуры включает в себя систематический процесс, который объединяет науку о климате, знания в области инженерии и опыт оптимизации.
Определение проблемы и сбор данных
Первый шаг заключается в определении масштабов системы инфраструктуры и решений, которые необходимо оптимизировать. Это включает в себя определение пространственных и временных границ, ключевых активов и их взаимодействий, показателей эффективности, представляющих интерес, и соответствующих климатических опасностей. Сбор данных включает сбор информации о текущих условиях инфраструктуры, оценках затрат, стандартах проектирования инженерных систем и климатических прогнозах. Климатические данные должны охватывать ряд сценариев выбросов и временных горизонтов, как правило, до 2050 или 2100 гг. Такие источники, как Проект по взаимопониманию с использованием комбинированной модели (CMIP6), обеспечивают результаты глобальной климатической модели, в то время как региональные усилия по сокращению масштабов предлагают данные более высокого разрешения для конкретных областей.
Сформулировать надежный контрагент
После того, как детерминированная модель IP установлена, следующим шагом является формулирование ее надежного аналога. Это включает в себя определение того, какие параметры являются неопределенными (например, будущие высоты наводнения, пик спроса на электроэнергию в условиях тепловых волн, вероятности смывания дорог) и определение соответствующих наборов неопределенности. Для каждого ограничения или объективного термина, который включает в себя неопределенные параметры, должен быть получен надежный аналог. Это часто приводит к более крупной модели с дополнительными переменными и ограничениями, но структура остается целочисленной программой, которая может быть решена с помощью современных решений для оптимизации. Специализированные переформулировки существуют для общих форм набора неопределенности, и программные инструменты, такие как AIMMS, GAMS и JuMP поддерживают надежную оптимизацию непосредственно.
Алгоритмы решений и вычислительные соображения
Надежные модели IP могут быть вычислительно требовательными из-за большого количества сценариев и сложности надежных переформулировок. Однако достижения в алгоритмах и технологии решателя сделали многие проблемы тягостными. Методы разложения, такие как разложение Бендеров и генерация колонок, часто эффективны для двухступенчатых и многоступенчатых моделей. Концепция оракула разделения, где наихудший сценарий итераторно идентифицируется, формирует основу для многих алгоритмов режущей плоскости. Для крупномасштабных моделей методы приближения, такие как уменьшение сценария, выборка или использование более простых наборов неопределенности, могут сократить время вычислений при сохранении надежности. Параллельные вычисления и специализированные решатели, которые используют структуру модели, также помогают. Важно сбалансировать время решения с необходимостью точности и проверять результаты модели с помощью анализа чувствительности и тестирования вне образца.
Приложения в инфраструктурных секторах
Надежное целочисленное программирование применяется во все большем числе секторов инфраструктуры, демонстрируя свою ценность в создании проектов, которые являются экономически эффективными и устойчивыми.
Транспортные сети
Транспортная инфраструктура сильно подвержена климатическим опасностям. Наводнение может смыть дороги и мосты, волны тепла могут сковать железнодорожные линии, а штормы могут нарушить работу портов и аэропортов. Надежные модели IP помогают планировщикам расставлять приоритеты в инвестициях в высоту, дренаж и альтернативные маршруты. Например, двухступенчатая надежная модель для сетей прибрежных автомагистралей может определить, какие сегменты поднять на первом этапе и какие эксплуатационные корректировки сделать на втором этапе на основе прогнозов наводнений в реальном времени. Исследования показывают, что надежные конструкции снижают ожидаемую стоимость сбоев на 20-40% по сравнению с детерминированными подходами, при этом лишь незначительное увеличение первоначальных инвестиций.
Управление водными ресурсами
Водные системы сталкиваются с проблемами как засух, так и наводнений. Надежные модели ИС определяют размещение водохранилищ, размеры очистных сооружений и размещение распределительных трубопроводов. Они также помогают в разработке гибких правил эксплуатации, которые могут адаптироваться к изменению доступности воды. В надежной модели для муниципальной системы водоснабжения набор неопределенности может включать в себя ряд будущих сценариев осадков и спроса. Модель гарантирует, что система может соответствовать стандартам качества и количества воды даже в самые сухие годы, избегая чрезмерных инвестиций в мощности, которые будут использоваться только в крайних случаях. Приложения в Калифорнии и бассейне реки Колорадо продемонстрировали значительные улучшения в надежности системы и эффективности затрат.
Энергетические системы
Энергетическая инфраструктура уязвима к воздействию климата несколькими способами. Экстремальная жара снижает эффективность тепловых электростанций и линий электропередач. Засухи снижают выработку гидроэнергии и ограничивают доступность охлаждающей воды. Штормы повреждают линии электропередач и подстанции. Модели надежного IP оптимизируют сочетание источников генерации, расположение ферм возобновляемых источников энергии и конфигурацию сетей передачи для обеспечения надежности в рамках ряда климатических сценариев. Для островных сетей надежные модели помогают определить оптимальный размер и размещение аккумуляторов для дополнения солнечной и ветровой энергии, гарантируя, что система может выдерживать длительные периоды низкой возобновляемой мощности. Международное энергетическое агентство подчеркивает устойчивость к изменению климата в качестве критического приоритета для планирования энергетики , а надежная оптимизация обеспечивает строгую аналитическую основу.
Береговая охрана и защита от наводнений
Прибрежная инфраструктура, включая морские стены, дамбы, барьеры штормового нагона и природные решения, должна быть разработана для неопределенного будущего уровня моря и интенсивности шторма. Надежные модели IP помогают определить оптимальную высоту, выравнивание и комбинацию жесткой и мягкой защиты. Надежный подход позволяет избежать ловушки оптимизации для одной проекции повышения уровня моря, которая может оставить инфраструктуру либо недостаточной, либо чрезмерно защищенной. Вместо этого модель определяет решения, которые хорошо работают в диапазоне правдоподобных фьючерсов, часто рекомендуя адаптивные стратегии, которые могут быть скорректированы с течением времени, поскольку траектория климата становится более ясной.
Преимущества и компромиссы
Принятие надежного целочисленного программирования для проектирования инфраструктуры дает очевидные преимущества. Устойчивость повышается, поскольку решения тестируются на широком спектре неблагоприятных сценариев. Эффективность затрат повышается, поскольку ресурсы распределяются на наиболее критические уязвимости, избегая отходов на чрезмерно консервативных проектах. Прозрачность принятия решений повышается, поскольку предположения о неопределенности являются явными и могут быть тщательно изучены. Адаптивность встроена, особенно в многоступенчатых моделях, которые позволяют вносить будущие корректировки.
Необходимо также признать компромиссы. Надежные модели сложнее формулировать и решать, чем их детерминированные аналоги. Они требуют больше данных и вычислительных ресурсов. Наихудшая ориентация может привести к консервативным проектам, которые являются дорогостоящими, если набор неопределенности слишком велик или плохо выбран. Поэтому калибровка набора неопределенности является критической задачей, которая требует сотрудничества между климатологами и экспертами в области. Кроме того, надежная оптимизация не обеспечивает единую точечную оценку будущей производительности, но диапазон, который может быть сложным для лиц, принимающих решения, привыкших к детерминированным прогнозам. Четкая коммуникация результатов и их последствий имеет важное значение.
Будущие направления и потребности в исследованиях
Область надежного целочисленного программирования для климатически устойчивой инфраструктуры быстро развивается. Несколько направлений заслуживают дальнейших исследований. Во-первых, интеграция машинного обучения с надежной оптимизацией предлагает потенциал для изучения наборов неопределенности непосредственно из данных, уменьшая зависимость от экспертного суждения. Во-вторых, разработка эффективных алгоритмов для крупномасштабных многоступенчатых моделей расширит спектр проблем, которые могут быть решены. В-третьих, включение соображений справедливости и социальной справедливости в надежные модели важно для обеспечения того, чтобы уязвимые сообщества не были непропорционально затронуты климатическими воздействиями. В-четвертых, связь моделей инфраструктуры между секторами, такими как вода, энергия и транспорт, позволит более системный подход к устойчивости. Наконец, удобные программные инструменты и платформы поддержки принятия решений необходимы для обеспечения надежной оптимизации, доступной для практикующих инженеров и планировщиков.
Заключение
Разработка надежных моделей целочисленного программирования является мощным и необходимым подходом для проектирования инфраструктуры, которая может противостоять неопределенности изменяющегося климата. Явно учитывая широкий спектр будущих сценариев, эти модели производят решения, которые являются устойчивыми, экономически эффективными и действенными. Методология основана на теории разумной оптимизации и успешно применяется в секторах транспорта, воды, энергии и защиты прибрежных районов. По мере того, как климатические риски усиливаются и инфраструктурные системы стареют, внедрение надежных методов оптимизации будет становиться все более жизненно важным. Инженеры, планировщики и политики, которые инвестируют в развитие этих возможностей, будут лучше оснащены для создания устойчивой инфраструктуры, которая должна процветать в неопределенном будущем.