全球液化天然气运输网络在热带气旋干扰下的韧性评估:基于数据的结构与功能分析
《RELIABILITY ENGINEERING & SYSTEM SAFETY》:Resilience assessment of the global liquefied natural gas shipping network under tropical cyclone disruptions: A data-driven structural and functional analysis
【字体:
大
中
小
】
时间:2026年08月28日
来源:RELIABILITY ENGINEERING & SYSTEM SAFETY 13.7
编辑推荐:
**摘要**
极端天气事件,尤其是热带气旋(TCs),日益威胁全球液化天然气(LNG)航运系统的可靠性。本研究开发了一个数据驱动的框架,用于评估全球LNG航运网络在TC干扰下的韧性。通过使用LNG运输船的自动识别系统(AIS)轨迹重建高分辨率的LNG航运网络,以反映实际的运输结
**摘要**
极端天气事件,尤其是热带气旋(TCs),日益威胁全球液化天然气(LNG)航运系统的可靠性。本研究开发了一个数据驱动的框架,用于评估全球LNG航运网络在TC干扰下的韧性。通过使用LNG运输船的自动识别系统(AIS)轨迹重建高分辨率的LNG航运网络,以反映实际的运输结构和容量分布。然后,通过时空分析和比较航行分析来识别船舶层面的行为响应。在此基础上,评估框架结合了结构性韧性(通过网络层面的拓扑指标进行评估)和功能性韧性(通过国家层面的需求满足率曲线进行量化)。此外,还进行了压力放大模拟,以捕捉在加剧的危险条件下的系统响应。结果表明,尽管LNG航运系统表现出中等程度的适应能力,但严重的TCs仍可能导致连接性大幅丧失以及计划交付与实际交付之间的长时间不匹配。依赖进口的国家,特别是在亚太地区,比出口国在功能上更为脆弱。情景模拟显示,随着TC半径和持续时间的增加,功能性韧性呈现非线性下降,各国之间的敏感性存在明显差异。提出的方法为面临气候极端事件的LNG供应链的风险监测和适应性管理提供了实用指导。
**引言**
全球天然气供应链在很大程度上依赖于海上运输[1]。随着液化天然气(LNG)在全球能源结构中的份额持续扩大,这种依赖性变得越来越明显。根据国际天然气联盟的数据,2024年全球LNG贸易量达到了约4.11亿吨,同比增长2.4%,并继续超过整体天然气需求的增长速度[2]。然而,全球LNG贸易网络仍然高度集中在少数核心节点和枢纽港口周围。这种空间不平衡显著增加了系统对干扰的脆弱性,因为少数关键点的故障可能会在整个网络中引发连锁反应[3][4][5]。此外,全球气候变化的复合影响和不断升级的地缘政治紧张局势进一步加剧了LNG海上运输系统的风险暴露。在各种干扰因素中,自然灾害被认为是导致港口关闭的主要原因,其中热带气旋(TCs)造成的运营损失比其他类型的灾害更为严重[6]。根据牛津大学最近的一份报告,大约40%的全球港口因极端天气事件而经历了运营中断[7]。现实世界中的例子不断证实了这一威胁。例如,2024年,飓风Francine导致美国Cameron出口设施的LNG吞吐量下降了60%,由于港口关闭,美国LNG出口量短期减少了7%[8]。同样,2019年,强烈的TC Veronica迫使澳大利亚关键LNG出口枢纽Ashburton Port停止运营[9]。这类事件的频率和强度的增加突显了极端天气引发港口关闭和破坏能源供应链的潜力,对国家能源安全和全球贸易流动的稳定性构成了重大威胁[10]。因此,迫切需要开展研究:如何系统地评估和增强LNG海上运输网络在极端干扰面前的韧性。
**运输系统的韧性**通常被定义为系统抵抗外部冲击、吸收干扰并在合理时间内恢复功能的能力[11,12]。近年来,关于韧性的研究从概念框架发展为可量化的模型,涵盖了复杂网络、供应链和关键基础设施系统等领域[13]。这一研究方向也逐渐扩展到海上运输系统[14,15]。总体而言,现有的海上韧性研究可以分为两大范式:结构性韧性评估和功能性韧性测量。
结构性韧性研究主要基于复杂网络理论,关注运输系统在节点或边失败情况下的拓扑鲁棒性。在海上运输环境中,航运网络通常被抽象为港口-航线网络,并受到模拟攻击。例如,Zhang等人[16]使用节点度、平均路径长度和全球效率等指标来量化节点失败情况下航运网络连接性的下降。然而,仅基于拓扑指标的结构评估存在几个关键限制。首先,许多网络模型是基于计划的航运路线、贸易配额或港口吞吐量统计数据构建的,没有利用高分辨率的AIS数据来准确重建实际船舶运动情况,从而无法反映海上系统的运营现实[17,18]。其次,大多数模型将干扰简化为静态的节点或边移除,忽略了扰动的时空动态。在像TC这样的气候诱发灾害情况下,干扰表现为具有空间传播、持续时间和分阶段影响的演变模式,而静态模型无法捕捉这些变化。第三,结构和功能之间的联系不足,难以建立网络拓扑变化与实际性能损失之间的因果关系。
积极的一面是,越来越多的研究转向功能性韧性,强调系统在干扰和恢复阶段的动态性能。例如,Song等人[19]将SEIR流行病学模型与海上运输网络结合,模拟容量分配和干扰传播,从而量化由感染驱动的扰动造成的运输损失。这些研究采用了与灾害时间演变相一致的动态视角,提供了关于渐进风险和恢复过程的宝贵见解。然而,大多数功能性韧性研究仍然集中在集装箱运输系统或多港口区域,而以能源为导向的海上网络受到的关注相对较少[20,21]。与集装箱化网络相比,LNG航运网络表现出更高的航线依赖性、延迟敏感性和有限的港口替代灵活性[22]。虽然一些研究从贸易集中度或出口多样性等角度探讨了LNG网络的韧性[23],但它们通常依赖于汇总的国家统计数据,缺乏对微观层面运营过程的建模,如航行级延迟或船舶行为响应。因此,扰动影响LNG运输的潜在机制尚未得到充分理解。
此外,在像TC这样的突发灾害背景下,港口和船舶的行为响应在塑造海上运输系统的功能性能中起着关键作用。然而,现有研究通常将干扰简化为二元的港口关闭或节点失败,缺乏能够捕捉复杂微观动态的数据驱动框架。特别是在气旋事件期间,停靠在港口的船舶可能被迫延长停留时间或改道前往其他港口,而途中的船舶可能会采取避免策略,如减速、改变航线或插入中间港口[24]。应当注意的是,这些可观察到的响应行为通常是多种外部干预因素的综合结果,包括实时气象预警、港口应急规定和航运公司的调度决策。本研究采取了一种结果导向的视角,关注这些多方面干预最终如何体现在船舶轨迹和港口运营结果上。这些多样的响应行为不仅决定了系统是否经历完全的功能性崩溃,还极大地影响了干扰的空间传播和时间持续性[25]。尽管这些微观层面的适应行为非常重要,但在文献中很少被系统地分类或量化。因此,大多数韧性评估仍然是基于结果的,未能揭示干扰生命周期中系统性能的潜在风险机制或动态演变。
**结论**
尽管人们对海上运输韧性的兴趣日益增加,但在现有研究中仍存在几个关键差距,特别是在以能源为导向的航运系统方面。首先,许多韧性评估依赖于汇总的贸易统计数据、计划的航运路线或港口层面的吞吐量数据,这些数据掩盖了实际的船舶运动情况,无法捕捉LNG海上运输的精细运营结构。其次,干扰通常被建模为静态的节点或链接失败,忽略了热带气旋等灾害的时空演变,其影响在空间范围、持续时间和强度方面是动态变化的。第三,大多数现有研究要么从结构角度,要么从功能角度来研究韧性,网络拓扑退化与实际供应性能之间的整合有限,难以解释结构性干扰如何转化为功能损失。最后,尽管船舶和港口层面的适应行为在塑造干扰传播和恢复过程中起着关键作用,但它们通常被简化或忽略。这些限制阻碍了对LNG航运系统在TC干扰下如何响应、适应和恢复的全面理解。为了解决这些问题,本研究开发了一个数据驱动的韧性评估框架,将船舶层面的AIS轨迹与TC数据结合起来。该框架结合了实证网络重建、行为响应识别和多尺度韧性评估,以捕捉LNG海上运输系统中干扰、适应和恢复的完整过程。
**图1**展示了整体研究框架和分析工作流程。首先,基于LNG运输船的AIS轨迹重建了一个高分辨率的全球LNG航运网络,捕捉了实际的运输拓扑和容量分布。然后,开发了一个船舶层面干扰识别模型,通过时空分析和比较航行分析来检测行为响应。在此基础上,进行了双视角的韧性评估:在真实TC情景下使用经典的网络层面拓扑指标评估结构性韧性,并通过时间序列需求满足率曲线评估功能性韧性,量化干扰-恢复过程中的国家层面供应性能。最后,通过放大TC半径和持续时间进行极端情景模拟,揭示非线性的退化和韧性阈值。
**主要创新和贡献**包括:
1) 数据驱动的LNG航运系统重建和行为识别。开发了一个统一的建模框架,将AIS轨迹和TC数据集结合起来,重建全球LNG航运网络,并识别停靠和航行中的船舶的适应性行为,从而将实际运营响应与网络干扰机制联系起来。
2) 考虑结构和功能维度的双视角韧性评估。提出了一种双层次评估方法,量化TC引起的网络连接性和冗余性的下降,并同时使用时间依赖的需求满足率曲线测量国家层面的功能性韧性,提供了关于网络层面结构退化和国家层面交付性能变化的互补证据。
3) 极端情景模拟和韧性阈值识别。设计压力放大的气旋情景,以探索非线性韧性响应并识别关键的敏感阈值,为气候暴露的LNG供应系统提供早期预警、风险分级管理和决策支持的定量基础。
**本文的其余部分结构如下。第2节回顾了关于极端天气影响和运输网络韧性的相关文献。第3节介绍了方法论,包括LNG网络构建、船舶响应识别和韧性评估。第4节报告了实证结果,随后是讨论,第5节总结了本文并概述了未来的研究方向。**
**极端天气对海上运输系统的影响**
像TC这样的极端天气事件对海上运输系统造成了多层次的干扰,包括港口关闭、航线阻塞、船舶延迟和供应链中断[26,27]。众多研究表明,关键的海上节点特别容易受到TC风险的影响。例如,美国墨西哥湾沿岸的港口由于频繁的飓风袭击而表现出最高的脆弱性[28]。同样,澳大利亚的西北部出口港口也受到了TC Veronica的严重影响。
**方法论**
本研究采用了一种基于事件的韧性评估框架,明确地将干扰暴露、系统响应以及性能退化和恢复联系起来。如第3.1-3.3节所示,韧性通过一个结构化的三步程序进行评估。首先,使用船舶层面的AIS轨迹重建LNG航运网络,以代表实际的运输结构和容量分布(第3.1节)。其次,评估TC引起的船舶和港口响应行为。
**图6**展示了基于2019年全年AIS数据的重建的全球LNG航运轨迹和港口停靠位置。该数据集捕获了518艘LNG运输船和全球402个不同港口停靠位置的实际航行路线。这些船舶是通过首先根据船舶类型信息提取所有全球运营的LNG运输船,然后使用相应的MMSI标识符收集完整的AIS轨迹来识别的。这一程序确保了数据集的准确性。
**结论**
本研究提出了一种基于数据的、基于事件的全球LNG航运网络在TC干扰下的韧性评估框架。该框架结合了基于AIS的船舶轨迹和TC数据,重建了现实世界的运输模式,识别船舶层面的适应性行为,并从结构和功能两个视角评估韧性。通过共同研究网络拓扑结构、船舶响应以及国家级船舶动态系统(DSR)的性能,所提出的方法为系统评估提供了支持。作者贡献声明如下:
Wenya Wang:撰写与审稿编辑、资源准备、项目管理和流程把控、方法论构建、资金筹集、数据分析、概念框架设计。
Zhiqiang Niu:软件开发、方法论设计、数据清洗与整理。
Wan Su:撰写与审稿编辑、初稿撰写、数据可视化处理、结果验证、研究监督、方法论完善、概念框架设计。
Mengqiao Xu:数据清洗与整理、概念框架设计。
作者名单:Wenya Wang | Zhiqiang Niu | Wan Su | Mengqiao Xu
生物通微信公众号
生物通新浪微博
今日动态 |
人才市场 |
新技术专栏 |
中国科学人 |
云展台 |
BioHot |
云讲堂直播 |
会展中心 |
特价专栏 |
技术快讯 |
免费试用
版权所有 生物通
Copyright© eBiotrade.com, All Rights Reserved
联系信箱:
粤ICP备09063491号