Pagrindinis šio darbo tikslas yra sukurti energijos tiekimo saugumo trikdžių scenarijų matematinį modelį, kuriuo būtų galima modeliuoti įvairių galimų energetinių trikdžių scenarijus. Priklausomai nuo trikdžio sudėtingumo lygio jis gali neturėti visiškai jokios įtakos ir pasekmių arba priešingai – gali turėti labai didelę įtaką ir labai sunkias pasekmes energijos tiekimo saugumui. Todėl energetinio trikdžio įtaka ir pasekmės suskirstomi balais: nuo 0 (nėra pasekmių) iki 5 balų (labai sunkios pasekmės). Nagrinėjama to trikdžio įtaka įvairiems valstybės sektoriams: ekonominiui, socialiniui ir politiniui. Energetinio trikdžio įtaka ir sukeltos pasekmės ekonominiui, socialiniui ir politiniui sektoriams ir suprantamas kaip atskiras scenarijus. Energetiniam trikdžiui buvo suteikti parametrai ir su įvairiais parametrų rinkiniais sumodeliuoti 100 scenarijų. Iš tų scenarijų išrinktas pats tikėtiniausias, nustatyti sunkiausi (kritiniai) bei lengviausi (sukeliantys mažas pasekmes) scenarijai. Taip pat suskaičiuojamos tokių scenarijų tikimybės bei trikdžių pasirodymo tikimybės. Tam naudojami Markovo grandinės bei procesai ir tikimybiniai skirstiniai. / The main objective of this paper is to develop a mathematical model of energy supply disturbances for modelling energy supply disturbance scenarios. The level of energy supply disturbance depends on the impact it does to energy security of supply. The level of energy supply disturbance expressible with points: from 0 points (no impact) to 5 points (very heavy impact). It is analysed impact of this disturbance to different sectors of state: economical, social and political. The impact and caused damage of energy supply disturbance to economical, social and political sectors is understandable like a different scenario. Energy supply disturbance depends on different parameters. Scenarios of disturbances were modeled considering three parameters. For comparison there were developed 100 different long term energy supply disturbance scenarios. There were selected most common, most heavy (critical) and easiest scenarios, evaluated such scenarios probabilities and energy supply disturbance probabilities. In thia paper was used Markov chains and processes, probability distributions.

Įvairių sričių reiškinių matematiniai modeliai apima daug faktorių, kurie yra priklausomi nuo laiko, o taip pat pastebima jų tarpusavio priklausomybė. Vadinasi, norint nagrinėt šių reiškinių kitimo dėsnius, patartina sudaryti šių procesų dinaminį modelį. Šiame darbe dinaminio modelio sudarymui naudojami indikatoriai. Indikatorius tai specialus rodiklis, kuriuo pasinaudojus galima skaitiškai įvertinti svarbius analizuojamos srities faktorius. Indikatorių reikšmės gaunamos iš statistinių duomenų. Diferencialinių lygčių sistemos koeficientams skaičiuoti pristatomi du būdai: algebrinis ir mažiausių kvadratų metodai. Indikatorių išraiškas, gautas išsprendus diferencialinių lygčių sistemą, galima panaudoti prognozavimui. Tačiau įgyvendinant naujus projektus, šias indikatorių išraiškas reikia patikslinti, atsižvelgiant į naujus faktorius. Kadangi naujų faktorių reikšmės nėra tiksliai žinomos (gautos iš ekspertinio vertinimo), jų įtaka sistemai yra išreiškiama atsitiktiniu dydžiu su žinomu tikimybiniu skirstiniu. Naujų faktorių įtaka indikatoriams dinaminiame modelyje yra patikslinama Bajeso metodu. Kaip pavyzdys, sudarytas dinaminis modelis pritaikytas energijos tiekimo saugumo indikatorių modeliavimui. / In many areas mathematical models of processes take into acount variuos time dependent factors, they also can be dependent on each other. Thus, it is advisable to construct a dynamic model. In this master thesis we use indicators to describe dynamic model. An indicator is a special index, which provides numerical values to inportant factors for the investigated sector. The values of indicators are obtained from statistical data. There are presented two calculation ways of differential equations systems coefficients (using algebraic and least square methods). Furthermore created dynamic model enables us to forecast the dynamics of the indicators according to new factors. Since the parameters of different new factors are not exactly known (got from expert judgement), their influence on indicators are expressed as random variables with known probablistic distributions. Indicators model based on historical data is adjusted using a Bayesian approach. For practical demonstration of the proposed dynamic model energy security assessment indicators were chosen.