Durch den zunehmenden Anteil erneuerbarer Energien und die häufigeren Extremwetterereignisse wird es schwieriger, Szenarien zu erkennen, die zu katastrophalen Kaskadenausfällen führen können. Traditionelle Leistungsfluss-basierte Werkzeuge zur Bewertung des Risikos von Kaskadenausfällen sind zu langsam, um den Raum möglicher Ausfälle und Last-/Erzeugungsmuster vollständig zu untersuchen. Wir erweitern die wachsende Literatur zu schnelleren, auf Graphischen Neuronalen Netzen (GNN) basierenden Techniken, indem wir zwei neuartige Techniken für die Schätzung der Ausfallgröße aus den anfänglichen Netzzuständen entwickeln.
Ein neuartiges gegenseitiges Cyber-Versicherungsmodell wird entwickelt, das auf der Bewertung des Systemrisikos mit dem Einsatz intelligenter Technologien basiert. Die Cyber-Versicherungspolice für Stromnetze wird durch Cyber-Risikomodellierung, Zuverlässigkeitsauswirkungsanalyse und Versicherungsprämienberechnung angepasst.