Pokročilé nástroje pro analýzy kritických infrastruktur

Abstract

Tato disertační práce se zaměřuje na pokročilé metody a nástroje pro simulaci a analýzu vzájemně závislých kritických infrastruktur se zvláštním důrazem na oblasti energetiky a datových komunikačních systémů. Motivací je rostoucí složitost a propojenost městských infrastruktur, které přinášejí nové výzvy v oblasti spolehlivosti, nedostupnosti, šíření kaskádních poruch a plánování údržby. Navržená platforma umožňuje kombinovanou simulaci více infrastrukturních vrstev prostřednictvím modulární a škálovatelné architektury s možností budoucí integrace dalších systémů, jako jsou vodohospodářství, doprava nebo plynárenské sítě. Klíčovým přínosem je implementace strukturovaného simulačního jádra založeného na správě stavové matice, které umožňuje detailní sledování a vizualizaci šíření poruch a vzájemných závislostí mezi systémy. Analýza spolehlivosti je podpořena stochastickými modelovacími technikami, včetně hodnocení časově závislé nedostupnosti s využitím Weibullových rozdělení a simulací strategií korektivní a preventivní údržby. Platforma zahrnuje grafické uživatelské rozhraní s vizualizací na mapovém podkladu, které podporuje intuitivní návrh scénářů a hodnocení odolnosti. Byl implementován také modul pro optimalizaci údržby, využívající metriky spolehlivosti k identifikaci nákladově efektivních plánů údržby. V práci je představen nový model testovací sítě propojené elektroenergetické a datové infrastruktury pro ověření funkcionality simulátoru. Platforma byla validována pomocí anonymizovaných reálných dat a její výkon a přesnost byly porovnány s existujícími open-source nástroji pro hodnocení spolehlivosti. Práce poskytuje rámec pro simulaci a analýzu vzájemně závislých infrastrukturních systémů a podporuje kvalifikované rozhodování v oblastech energetiky a datových systémů. Vytváří rovněž základ pro budoucí vývoj v oblastech prediktivní údržby, modelování vzájemných závislostí a hodnocení odolnosti v prostředí chytrých měst.This doctoral thesis focuses on advanced methods and tools for simulating and analyzing interdependent critical infrastructures, with a primary emphasis on the energy and data communication sectors. The motivation arises from the growing complexity and interconnectivity of urban infrastructures, which introduce new challenges related to reliability, unavailability, cascading failures, and maintenance planning. The proposed platform enables combined simulation of multiple infrastructure layers through a modular and scalable architecture, allowing future integration of additional systems such as water supply, transportation, or gas networks. A key contribution is the implementation of a structured simulation engine based on state matrix management, which enables detailed tracking and visualization of failure propagation and mutual dependencies across domains. Reliability analysis is supported by stochastic modeling techniques, including time-dependent unavailability evaluation using Weibull distributions and the simulation of corrective and preventive maintenance strategies. The platform includes a graphical user interface with map-based visualization, supporting intuitive scenario design and resilience assessment. A dedicated module for maintenance optimization was implemented, leveraging reliability metrics to identify cost-effective maintenance schedules. A novel synthetic test network combining power and data infrastructures was developed to evaluate the simulator’s capabilities and support reproducible research. The platform was validated using both anonymized real-world data and synthetic scenarios, and its performance and accuracy were benchmarked against existing open-source reliability tools. The presented research delivers a robust simulation and analysis framework for interdependent infrastructure systems and supports informed decision-making in the domains of energy and communication. It establishes a foundation for future developments in predictive maintenance, interdependency modeling, and resilience assessment in smart city environments.