自然灾害通常是指由自然现象（如地震、洪水、台风）引起的、对人类社会造成重大损失的事件[1]。对于海洋工程而言，台风是引发技术事故（Natech）的最重要因素之一[2][3]。作为全球热带气旋形成最活跃的地区，西北太平洋约占全球台风发生量的30%[4]。该地区同时成为海上风电发展的战略枢纽，在能源转型战略中发挥着越来越重要的作用。然而，台风对沿海和海上风电场的破坏导致了巨大的经济损失[5]。在台风经过期间，可能会发生结构故障，如塔架屈曲和叶片断裂[6]，进而可能引发一系列次生灾害[7]。现有的关于海洋结构风险评估和管理的研究主要集中在提高系统质量和可靠性[8]，以及评估台风事件可能对多个分析目标构成的潜在风险[9]。因此，分析台风影响的灾害诱发因素并评估多米诺效应的风险对于风电场的灾害预防和减轻至关重要。
尽管已有大量研究，但仍存在一些关键的科学挑战。台风条件下风力涡轮机损坏的环境驱动因素是复杂且多维的。虽然极端风速、风向快速变化和湍流强度变化已知具有影响[10][11]，但灾害事件往往是由气象条件、地理特征和涡轮机参数的耦合效应共同造成的[12]。这些潜在因素常常被忽视或认为不重要，从而阻碍了对台风期间基础设施损坏最相关原因的全面分析[7]。目前，可以通过基于仿真的验证或数据驱动的提取方法来分析灾害诱发因素。结构仿真[13][14]通过改变输入参数来评估不同环境变量的影响[15]。然而，由于离散输入无法系统地解析台风的多维物理特性[16]，因此从这些测试中得出的灾害诱发因素可能不完整。数据驱动方法依赖于历史数据进行建模和分析[17][18]。统计分析[19]通常以假设为基础，在适应变量与灾害事件之间的非线性关系方面灵活性有限[2]。尽管机器学习（ML）方法可以处理非线性关系[20][21]和高维数据在灾害预测中的应用[22]，但它们容易过拟合，并可能忽略变量之间的相互作用。特征提取技术，包括主成分分析（PCA）[23]和线性判别分析（LDA）[24]，能够识别复杂数据集中的关键环境变量。奇异值分解（SVD）也是一种有效的降维工具，可以消除冗余特征并捕捉主导的协方差结构[25]。通过分解数据矩阵，SVD在工程领域展示了广泛的适用性，例如用于风力涡轮机故障诊断的振动信号成分分离[26]和桥梁结构损伤检测的敏感参数识别[27]。然而，特征提取方法本质上是黑箱模型，严重依赖于大型数据集[28]，这限制了它们在风电场结构损伤数据稀疏情况下的应用。目前尚无一个框架能够同时结合物理一致性和数据驱动的适应性来识别台风对风电场的灾害诱发因素。
台风造成的初始结构损伤可以通过相互连接的系统传播，引发多米诺效应事故（DEA）。DEA的特点是影响大但发生概率低，可以通过不同事件之间的渐进式连锁反应升级[29][30]。先前在化学和工业领域关于多米诺效应风险评估的研究[31][32][33]在定量风险评估（QRA）[34]框架内确立了DEA的三个基本特征：1）因果关系必须明确；2）后果是独立的，但可以累积；3）发生取决于触发因素。尽管DEA风险评估的历史相对较短，但已经取得了显著进展。Lee[32]的工作为优化陆上石油储存单元的布置以最小化损害奠定了基础，成为该领域的里程碑。Chen等人[35]对过去30年的多米诺建模方法进行了全面分类并分析了研究趋势。近年来，开发了各种数学模型，如动态和基于图的数学模型，用于量化Natech风险[36]。例如，Yang等人[37]开发了一个用于化学工业园区传播路径的定量框架，而Lan等人[38]利用动态图（NT-DEG）模拟了储罐区域的风台风引发的多米诺事故。Men等人[39]开发了一个用于模拟化学工业园区自然灾害引发的多米诺链的时空演变的框架。Ma等人[40]提出了一种基于蒙特卡洛模拟的多种灾害和高级多米诺效应的时空演变建模方法。Wang等人[41]提出了一种基于边缘负荷的新级联故障模型，并评估了影响相互依赖基础设施网络脆弱性的相关因素。最近，DEA研究也扩展到了海洋领域。Fu等人[42]提出了一个数据驱动的框架，用于量化海上运输事故的级联效应的风险和韧性评估。在海上风电的具体背景下，Li等人[43]提出了一个层次分析师多米诺评估系统（HADES），用于分析浮动海上风电场的连锁反应机制，包括系泊系统故障、漂移和碰撞。正在进行的研究不断提高了这些评估方法的鲁棒性和适用性[30][44]。本质上，这些评估方法基于两个基本前提：1）多米诺效应在固定故障频率下增加了给定事故的后果；2）多米诺效应在固定后果下增加了给定事故的故障频率。虽然这些框架的概念架构（例如NT-DEG中的动态图方法[38]具有普遍适用性，但其物理后果子模型主要是为流程行业量身定制的（例如模拟热辐射或过压等连续流动）。这些与风电场中支配级联故障的离散弹道机制（例如叶片投射）和空气动力结构不稳定性（例如共振）在物理上是不同的。因此，需要专门调整物理层，以便将这些层次概念应用于海上可再生能源系统的稀疏拓扑结构。
为了解决这些差距，本研究提出了一个统一的灾害诱发和风险评估（DIRE）框架，用于受台风影响的风电场，结合了因素识别和多米诺效应评估。DIRE框架将环境因素识别与多层次多米诺风险评估相结合，阐明了耦合的大气-海洋条件如何触发风力涡轮机的直接和级联故障。主要贡献包括：（i）台风风险的灾害诱发因素提取和多米诺效应建模的理论整合；（ii）通过混合物理和数据驱动的降维方案对稀疏、高维数据集进行了方法论改进，这种方案结合了物理约束的输入筛选和以机制为导向的特征提取，以捕捉持续和瞬态的危险特征；（iii）实际输出包括排名灾害因素和定量多米诺风险指数，支持在极端条件下的风电场设计和运行。
