МАСШТАБ И ДИМАМИКА АВАРИЙ ИЗ-ЗИ НЕПОГОДЫ НА ЭНЕРГООБЪЕКТАХ РЕГИОНОВ РОССИИ
DOI:
https://doi.org/10.14529/power230301Ключевые слова:
электроэнергетика, изменение климата, аварии, чрезвычайные ситуации, кластерный анализ, экономический ущерб, регионы, РоссияАннотация
Энергетика России является не только агентом, но и важным реципиентом последствий изменения климата, при этом неготовность энергосистемы реагировать на экстремальные погодные условия по-разному проявляется в регионах, расположенных в разных природно-климатических условиях и обладающих неоднородной энергообеспеченностью. Цель статьи – выявить наиболее уязвимые кластеры регионов и оценить промышленный и социальный ущерб от аварий из-за непогоды. На основе сбора уникального массива данных и кластерного анализа 5 380 записей первичных данных Ситуационно-аналитического центра Минэнерго РФ об авариях на энергообъектах за 2014–2019 гг. сформированы шесть кластеров, отличающихся по масштабам, частоте и cезонности аварий. Регрессионная модель экономического ущерба показала, что в целом негативный эффект от аварий растет, при этом более долгосрочное влияние на экономическое развитие регионов России оказывают отключения электроснабжения населения, нежели промпредприятий.
Скачивания
Библиографические ссылки
H.R.5376 - Inflation Reduction Act of 2022. URL: https://www.congress.gov/bill/117th-congress/house-bill/5376?q=%7B%22search%22%3A%5B%22Inflation+Reduction+Ac%22%2C%22Inflation%22%2C%22Reduction%22%2C%22Ac%22%5D%7D&r=2&s=1
REPowerEU Plan. URL: https://eur-lex.europa.eu/resource.html?uri=cellar:fc930f14-d7ae-11ec-a95f-01aa75ed71a1.0001.02/DOC_1&format=PDF
Башмаков И.А. Прогнозы развития энергетики мира 30 лет спустя: проверка прошлым уроков будущего // Вопросы экономики. 2022. № 5. С. 51-78. https://doi.org/10.32609/0042-8736-2022-5-51-78
Ахамер Г. Сценарии системных переходов для энергетики и экономики // Форсайт. 2022. Т. 16. № 3. С. 17-34.
IPCC, 2022: Climate Change 2022: Impacts, Adaptation, and Vulnerability. Contribution of Working Group II to the Sixth Assessment Report of the Intergovernmental Panel on Climate Change [H.-O. Pörtner, D.C. Roberts, M. Tignor, E.S. Poloczanska, K. Mintenbeck, A. Alegría, M. Craig, S. Lang-sdorf, S. Löschke, V. Möller, A. Okem, B. Rama (eds.)]. Cambridge University Press. URL: https://www.ipcc.ch/report/ar6/wg2/downloads/report/IPCC_AR6_WGII_FinalDraft_FullReport.pdf DOI: 10.1017/9781009325844
Клименко В.В., Гинзбург А.С., Федотова Е.В., Терешин А.Г. Волны тепла – новая опасность для энергосистемы России // Доклады Российской Академии Наук. Физика, технические науки. 2020. Т. 494. С. 82-88
Тряпицын А.Б., Кирпичникова И. М., Бухтояров В. Ф., Круглов Г. А. Анализ аварийности и травматизма в электроэнергетике Российской Федерации // Вестник Южно-Уральского государственного университета. Серия: Энергетика. 2018. Т. 18. № 4. С. 30-40.
Ожегов Е.М., Попова Е.А. Спрос на электроэнергию и погода в регионе: непараметрический подход // Прикладная эконометрика. 2017. Т. 46. С. 55-73.
Журавлев О.А. Тенденции электропотребления населением Московской агломерации. // Регион: экономика и социология. 2013. №1 (77). С. 91-99.
Быков Ф.Л., Гордин В.А. Краткосрочный прогноз часового потребления электроэнергии с учетом погоды для субъектов РФ // Известия Академии наук. Энергетика. 2017. №5. С. 47-56.
Папков Б. В., Куликов А. Л., Осокин В. Л. Вероятности редких случайных событий в электроэнергетике // Электричество. 2019. № 2. С. 4-9.DOI 10.24160/0013-5380-2019-2-4-9
Клименко В.В., Клименко А.В., Терешин А.Г., Федотова Е.В. Климатические экстремумы – новый вызов для российских энергосистем // Теплоэнергетика. 2021. №3. С. 3-17. DOI 10.1134/S004036362103005X
Седнев В. А, Смуров А. В., Седнев А. В. Факторы, влияющие на электроэнергетическую безопасность субъектов Российской Федерации // Проблемы безопасности и чрезвычайных ситуаций. 2021. № 2. С. 78-91. DOI 10.36535/0869-4176-2021-02-9
Лапшина К. М. Роль региональных властей в обеспечении энергетической безопасности субъектов РФ // Ars Administrandi. Искусство управления. 2017. Т. 9. № 4. С. 607-628. DOI 10.17072/2218-9173-2017-4-607-628
Fulcher, B. D., Jones, N. S. Highly comparative feature-based time-series classification // IEEE Transactions on Knowledge and Data Engineering, 2014. 26(12). P. 3026-3037. DOI:10.1109/tkde.2014.2316504
Нильсен Э. Практический анализ временных рядов: прогнозирование со статистикой и машинное обучение. – СПб.: ООО «Диалектика», 2021. 544 с.
Статистическая климатология: современные достижения и новые идеи (Научные чтения памяти Георгия Вадимовича Груза) / Э. Я. Ранькова, Г. В. Алексеев, М. А. Алешина [и др.] // Фундаментальная и прикладная климатология. 2022. Т. 8. № 1. С. 5-50. DOI 10.21513/2410-8758-2022-1-5-50.
Charrad, M., Ghazzali, N., Boiteau, V., & Niknafs, A. NbClust: an R package for determining the relevant number of clusters in a data set // Journal of Statistical Software. 2014. 61. P. 1-36. DOI: 10.18637/jss.v061.i06
Hoang L. K. et al. Classifying Countries in Terms of Government Expenditure: A Multi-criteria Approach // Экономический журнал Высшей школы экономики. – 2021. – Т. 25. – №. 4. – С. 610-627. DOI: 10.17323/1813-8691-2021-25-4-610-627
Gautam N., Kumar N. Customer segmentation using k-means clustering for developing sustainable marketing strategies // Бизнес-информатика. 2022. Т. 16. №. 1. С. 72-82. DOI: 10.17323/2587-814X.2022.1.72.82
Карпов Е. С. Сегментация клиентской базы методом К-средних основанном на построении графа К-ближайших соседей // World Science: Problems and Innovations. 2019. С. 30-32.
Биджоян Д. С., Богданова Т. К., Неклюдов Д. Ю. Стресс-тестирование кредитного риска кластера российских коммерческих банков //Бизнес-информатика. 2019. Т. 13. №. 3. С. 35-51. DOI: 10.17323/1998-0663.2019.3.35.51
Piccardi, C., Calatroni, L., & Bertoni, F. Clustering financial time series by nework community analysis // International Journal of Modern Physics C. 2011. No. 22(01). P. 35-50. DOI: 10.1142/s012918311101604x
Wang, N., Li, D., & Wang, Q. Visibility graph analysis on quarterly macroeconomic series of China based on complex network theory. Physica A: Statistical Mechanics and its Applications. 2012. No. 391(24). P. 6543-6555. DOI: 10.1016/j.physa.2012.07.054
Csardi, G., Nepusz, T. The igraph software package for complex network research. InterJournal, complex systems. 2006. No. 1695(5). P. 1-9.
Cleveland R. B., Cleveland W. S., McRae J.E., and I. Terpenning STL: A Seasonal-Trend Decomposition Procedure Based on Loess // Journal of Official Statistics. 1990. No. 6. P. 3-73.
Gharde, Y., Singh, P. K., Dubey, R. P., & Gupta, P. K. Assessment of yield and economic losses in agriculture due to weeds in India // Crop Protection. 2018. No. 107. P. 12-18. DOI: 10.1016/j.cropro.2018.01.007
Верескун А. В., Котосонов А. С. Совершенствование деятельности единой государственной системы предупреждения и ликвидации чрезвычайных ситуаций по ликвидации ЧС в условиях полного и (или) частичного ограничения режима потребления электрической энергии // Технологии гражданской безопасности. 2022. Т. 19. № 2(72). С. 81-85. DOI 10.54234/CST.19968493.2022.19.2.72.15.81
Хлебникова Е. И. Климатические изменения характеристик редких экстремумов атмосферных осадков: результаты регионального моделирования для территории России / Е. И. Хлебникова, И. М. Школьник, Ю. Л. Рудакова // Метеорология и гидрология. 2022. № 5. С. 42-53. DOI 10.52002/0130-2906-2022-5-42-53.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
