Adaptive Monte Carlo methods for network reliability assessment

Critical infrastructure networks are vital for society, and their failure can lead to severe consequences. The primary goal of this thesis is to devise efficient sampling-based algorithms for assessing network reliability, with a specific focus on their application to power grids. In this regard, we expand two widely employed variance reduction techniques, namely subset simulation and cross entropy method. Critical network components can be identified as a by-product of these algorithms by estimating the component importance measures using failure samples.
Die Bedeutung kritischer Infrastrukturnetzwerke für die Gesellschaft ist unbestreitbar, und ein Ausfall kann schwerwiegende Konsequenzen nach sich ziehen. Das Hauptziel dieser Arbeit besteht in der Entwicklung effizienter, stichprobenbasierter Algorithmen zur Bewertung der Netzwerkzuverlässigkeit, insbesondere mit Fokus auf deren Anwendung in Stromnetzen. Hierbei erweitern wir zwei weit verbreitete Techniken zur Varianzreduktion, nämlich die Subset Simulation und die Cross Entropy Methode. Durch die Schätzung von Ausfallstichproben können wir dabei kritische Netzwerkkomponenten identifizieren und ihre Bedeutungswerte bestimmen.