Енергиен анализ от край до край, етика и ограничения с Python

Печалби:

• Възможност за установяване на работен процес за анализ на Python от край до край от данни до докладване с помощта на изкуствен интелект
• Възможност за проверка на генерирания код по отношение на съвместимостта на единиците, изтичане и възпроизводимост
• Способност за прилагане на етика, поверителност, киберсигурност и ограничения на инженерната отговорност на практика в енергийни проекти

Изпит по модул

1. Кой от изброените е основният принцип, който определя риска от резултат от ИИ в инженеринга на енергийни системи?

• A) Рискът от даден изход е равен на вредата, която би причинил, ако този изход е дефектен; скали за валидиране съответно ✔
• B) AI изходът като цяло е безопасен, тъй като е написан гладко и уверено
• C) Валидирането не е необходимо, когато се използва най-актуалният модел
• D) Ако изходът се отнася за стандарт, не е необходим допълнителен контрол

Обяснение: Рискът от даден изход е равен на вредата, която ще причини, ако този изход е дефектен. Докато незначителна грешка в текста на презентацията може да е безобидна, грешка в настройката на релейна защита или решение за натоварване на трансформатора може да причини повреда на оборудването, прекъсване и рискове за безопасността на живота; така интензитетът на проверката варира с потенциална вреда.

2. Кой е най-често срещаният подводен камък при изготвянето на данни за енергийни времеви редове с изкуствен интелект и кое най-много изкривява резултатите?

• А) Неправилен избор на графични цветове
• B) Объркване на часовата зона, лятното часово време и етикета на времевия печат ✔
• C) Името на файла е твърде дълго
• Г) Съхраняване на данни в Excel вместо в CSV

Обяснение: объркването на начален/краен етикет на часовата зона, лятното часово време (DST) и клеймото за време е много често срещано в енергийните данни; едночасова смяна изкривява целия анализ на деня и пиковите часове. Следователно времевата ос трябва да бъде стандартизирана преди всеки анализ и изходът на AI трябва да бъде тестван спрямо физически котви като изгрев/пиково време.

3. Коя ситуация показва, че докато MAPE (средна абсолютна процентна грешка) в краткосрочна прогноза за натоварване изглежда ниска, прогнозата все още може да е ненадеждна?

• A) MAPE винаги е пълна и адекватна мярка за качеството на прогнозата
• B) Въпреки че средната стойност е ниска, може да има систематично отклонение в пиковите часове и това е мястото, където мрежата е критична ✔
• C) MAPE има значение само при дългосрочно прогнозиране
• D) Ниският MAPE доказва, че моделът е физически правилен

Обяснение: MAPE е средна грешка; Дори общата сума да изглежда добра, може да има системни отклонения в пиковите часове и сезонни преходи. Мрежовият баланс е критичен точно в тези пикови моменти, така че само защото средният показател е добър не може да се счита за безопасно за прогнозиране; Грешката трябва да се анализира отделно въз основа на време и режим.

4. Коя е най-стабилната физическа горна граница за тестване на разумността на прогнозата за производство на соларна централа?

• А) Общата сметка за миналата година
• B) Физически производствен таван, ограничен от радиация, панелна площ и инсталирана мощност (включително нула през нощта) ✔
• C) Процент на доверие, даден от модела
• D) Измерване на скоростта на вятъра

Описание: Слънчева електроцентрала не може да произвежда повече от слънчевата радиация и капацитета на панела, който позволява; Очаква се производството да бъде нулево през нощта, да достигне пик около обяд и да бъде ограничено от инсталираната мощност и площта на модула. Физически е невъзможно, ако моделът даде стойност, надвишаваща нощното производство или инсталирания капацитет. Тази проверка елиминира прогнозата, без да разглежда статистиката.

5. Какъв е филтърът, през който едно предложение за оптимизация на AI трябва да премине, преди да бъде директно внедрено в интелигентната мрежа?

• А) Достатъчно е само предложението да осигури най-ниската цена.
• B) Достатъчно е моделът да бъде обучен на висока точност
• C) Контрол на ограниченията за безопасност (напрежение, термично, N-1) и одобрение от оторизиран оператор ✔
• Г) Достатъчно е препоръката да отговаря на исторически данни

Описание: Мрежата е критична за безопасността: всички препоръки, които нарушават ограниченията за напрежение, ток, топлина и N-1 (отказ на елемент), не могат да бъдат изпълнени. Изходът на AI първо преминава през тези ограничения за сигурност и след това се представя на оторизирания оператор за одобрение; Оптимизацията никога не пречи на ограничението за сигурност.

6. Кои разходи често се пренебрегват и подвеждат печалбата при установяване на арбитражна стратегия (купувайте евтино, продавайте скъпо) с AI в бизнеса за съхранение на батерии?

• А) Такса за интернет връзка
• B) Деградация (износване) и разходи за загуба на ефективност на цикъл ✔
• В) Продължителност на кафе паузата на персонала
• D) Цвят на батерията

Описание: Всеки цикъл на зареждане-разреждане износва батерията; деградацията (загубата на здраве) е реална цена и изчерпва гаранционните ограничения. Арбитражният анализ, който разглежда само разликата в цената, ще надцени печалбата и ще съкрати живота на батерията, ако пренебрегне разходите за влошаване и загубата на ефективност на цикъл.

7. Какъв е ключовият баланс при определяне на праговата стойност на модел за откриване на аномалия при предсказуема поддръжка?

• A) Съзнателен баланс между фалшива аларма и пропуснати разходи за повреда ✔
• B) Прагът винаги трябва да се поддържа възможно най-нисък
• C) Прагът се определя единствено чрез разглеждане на процента на точност на модела
• Г) След като прагът е зададен, той никога не трябва да се променя.

Обяснение: Ако прагът е понижен, фалшивите аларми (аларми, когато няма повреда) се увеличават и екипът става недоверчив към алармите; Ако прагът се увеличи, рискът от пропусната грешка (пропускане на действителната грешка) се увеличава. Правилният праг е съзнателен баланс между цената на фалшива аларма и цената на пропусната повреда (напр. експлозия на трансформатор) и се коригира според критичността на оборудването.

8. Каква е основната логика на рамката за измерване и проверка (M&V) за проверка на искане за спестявания в проект за енергийна ефективност?

• A) Всяко намаление на сумата по фактурата се счита за пряка икономия
• B) Спестяванията са разликата между коригираната базова линия и измереното потребление ✔
• В) Икономиите се декларират само при каталожната стойност на производителя
• Г) Спестявания, равни на това, което моделът предвижда

Обяснение: Спестяванията не могат да бъдат измерени директно; Това, което се измерва, е консумацията след вземане на предпазни мерки. Спестяванията са разликата между измереното потребление и базовото „това, което би било консумирано без мярката“. Така че базовият модел трябва да бъде коригиран за променливи като време/производство, спестяванията, изчислени спрямо тази коригирана справка.

9. Защо „преоборудването“ е особено опасно в модела за прогнозиране на цената на електроенергията?

• А) Защото забавя модела
• B) Запаметява шума от миналото, срива се в бъдещето, особено когато режимът се промени, и заблуждава с голяма увереност ✔
• В) Просто защото използва повече памет
• Г) Защото прави графиките трудни за четене

Обяснение: Пренастройването е, когато моделът запомня шум и модели в исторически данни, които няма да се повтарят; Backtesting изглежда перфектно, но се срива в бъдеще. Тъй като ценовите данни променят режима (шок в цените на горивата, промяна в законодателството), запомненият модел става невалиден и води до неправилно наддаване с висока степен на сигурност.

10. Защо концепцията за почасов въглероден интензитет (стойност на gCO2 за един kWh електроенергия за този час) е важна за прехвърляне на товара?

• А) Въглеродната плътност е една и съща всеки час, така че няма значение
• Б) Защото засяга само сумата по фактурата
• C) Варира всеки час в зависимост от възобновяемия дял; Преместването на гъвкаво натоварване към час с ниска интензивност намалява емисиите ✔
• Г) Защото е свързано само с нощната тарифа

Обяснение: Въглеродният интензитет на мрежата варира всеки час: той е нисък през часовете, когато възобновяемото производство е високо, и високо през пиковите часове, когато електроцентралите, работещи с изкопаеми горива, се включват. Пренасочването на гъвкави товари към часове с нисък пик позволява потребление на същата енергия, но произвеждане на по-малко емисии. Средногодишният фактор крие тази възможност.

11. Какво означава „изтичане на данни“ в код за анализ на Python, произведен от изкуствен интелект, и защо е опасно?

• А) Изтриване на данни от диска
• B) Моделът използва бъдеща информация в обучението, която няма да бъде налична към момента на прогнозиране; тестът е добър, но реалността е лоша ✔
• C) Данните нямат друго значение освен изтичане в интернет
• Г) Кодът работи много бавно

Обяснение: Изтичане на данни е, когато моделът има достъп до информация, която действително ще бъде намерена в бъдеще по време на обучение; например използване на действителната стойност на часа, която трябва да бъде предвидена като атрибут. Това води до идеално тестване, но в действителност безполезно. Границата минало/бъдеще във времевия ред трябва да се поддържа внимателно в кода.

12. Какъв е правилният подход при изпращане на SCADA данни на енергийна компания към общ AI инструмент?

• A) Изпращането на всички данни такива, каквито са, дава най-точни резултати
• B) Анонимизиране на данни и споделяне само на необходимото техническо подмножество с одобрен инструмент ✔
• В) Предпазната мярка е ненужна, тъй като данните така или иначе са отворени
• Г) Достатъчна е само промяна на името на файла

Описание: Данните за SCADA и мрежовата топология са критична информация за инфраструктурата; Изпращането му до публичен облак такъв, какъвто е, крие рискове за поверителността, конкуренцията и киберсигурността. Правилният подход е да анонимизирате имената на сайтове/активи с представителни тагове, да споделяте само техническия поднабор, необходим за задачата, и да изберете одобрени от институцията/затворени инструменти.

13. Защо „коефициентът на капацитет“ (съотношението на произведената енергия към енергията, която би била произведена, ако работи непрекъснато на пълен капацитет) се използва като основа за разумност при прогнозирането на производството на вятър?

• А) Защото това е число само за маркетингови цели
• Б) Защото е дал директно фактурата
• C) Тъй като това е физически критерий, който тества порядъка на големината на прогнозата, с известен типичен диапазон (приблизително 25-45%) ✔
• Г) Защото определя цвета на турбината

Описание: Коефициентът на капацитет на наземните вятърни паркове обикновено е в диапазона от приблизително 25-45 процента. Една прогноза е физически неправдоподобна, ако прогнозира производство в дългосрочен план, което е доста извън този диапазон (например 90 процента). Това съотношение ви позволява да тествате порядъка на големината на прогнозата, без да навлизате в подробности.

14. Как може най-точно да се дефинира ролята на изкуствения интелект в критично за сигурността решение за енергийна система?

• A) AI може да замени одобрението на упълномощен инженер
• B) AI генерира хипотези и очертания; Одобрението и отговорността за критичното за безопасността решение остава на упълномощения инженер ✔
• В) Ако ИИ е достатъчно мощен, не е необходимо потвърждение от хора
• D) Изходът на AI е безполезен и трябва да се игнорира напълно

Описание: Изкуственият интелект е мощен помощник, който чете бързо, улавя модели, създава чернови; но не замества одобрението и отговорността на компетентен експерт при критични за безопасността решения като настройка на защитата, натоварване на трансформатора, маневриране на мрежата. AI генерира хипотези и очертания; Упълномощеният инженер дава решението и подписа.