Gevinster:
- Evne til at etablere en end-to-end Python analyse workflow fra data til rapport ved hjælp af kunstig intelligens
- Evne til at verificere den genererede kode med hensyn til enhedskompatibilitet, lækage og reproducerbarhed
- Evne til at sætte grænser for etik, fortrolighed, cybersikkerhed og ingeniøransvar i praksis i energiprojekter
Modul eksamen
1. Hvilket af følgende er det grundlæggende princip, der bestemmer risikoen for et AI-output i energisystemteknik?
- A) Risikoen for et output er lig med den skade, det ville forårsage, hvis det output var defekt; valideringsskalaer i overensstemmelse hermed ✔
- B) AI-output er generelt sikkert, da det er skrevet flydende og sikkert
- C) Validering er unødvendig, når den mest aktuelle model anvendes
- D) Hvis udgangen refererer til en standard, kræves ingen yderligere kontrol
Forklaring: Risikoen for et output er lig med den skade, det vil forårsage, hvis det output er defekt. Mens en mindre fejl i en præsentationstekst kan være harmløs, kan en fejl i en relæbeskyttelsesindstilling eller en beslutning om belastning af transformeren forårsage udstyrsskade, udfald og livssikkerhedsrisici; så verifikationsintensiteten skalerer med potentiel skade.
2. Hvad er den mest almindelige faldgrube ved udarbejdelse af energitidsseriedata med kunstig intelligens, og hvilken forvrænger resultaterne mest?
- A) Forkert valg af grafiske farver
- B) Tidszone, sommertid og forvirring af tidsstempeletiketter ✔
- C) Filnavnet er for langt
- D) Opbevaring af data i Excel i stedet for CSV
Forklaring: Start/slut-tag-forvirring af tidszone, sommertid (DST) og tidsstempling er meget almindelige i energidata; en times vagt forvrænger hele dagstype- og spidstidsanalysen. Derfor bør tidsaksen standardiseres før hver analyse, og AI-outputtet bør testes mod fysiske ankre såsom solopgang/spidsbelastningstid.
3. Hvilken situation viser, at selvom MAPE (Mean Absolute Percent Error) i en kortsigtet belastningsprognose forekommer lav, kan prognosen stadig være upålidelig?
- A) MAPE er altid et komplet og tilstrækkeligt mål for prognosekvalitet
- B) Selvom gennemsnittet er lavt, kan der være systematiske afvigelser i spidsbelastningstider, og det er her nettet er kritisk ✔
- C) MAPE er kun meningsfuldt i langsigtede prognoser
- D) Lav MAPE beviser, at modellen er fysisk korrekt
Forklaring: MAPE er en gennemsnitlig fejl; Selvom totalen ser god ud, kan der være systematiske afvigelser i spidsbelastningstider og sæsonbestemte overgange. Netværksbalancen er kritisk netop i disse spidsbelastningsmomenter, så bare fordi den gennemsnitlige metrik er god, kan den ikke anses for sikker at forudsige; Fejlen bør analyseres særskilt på basis af tid og regime.
4. Hvad er den mest robuste fysiske øvre grænse for at teste rimeligheden af en produktionsprognose for solcelleanlæg?
- A) Sidste års samlede regning
- B) Fysisk produktionsloft begrænset af stråling, panelareal og installeret strøm (inklusive nul om natten) ✔
- C) Procentdel af tillid givet af modellen
- D) Vindhastighedsmåling
Beskrivelse: Et solenergianlæg kan ikke producere mere end solstrålingen og panelkapaciteten tillader; Produktionen forventes at være nul om natten, toppe omkring middagstid og begrænset af det installerede strøm- og modulareal. Det er fysisk umuligt, hvis modellen gav en værdi, der oversteg natproduktionen eller installeret kapacitet. Denne kontrol eliminerer forudsigelsen uden at se på statistikken.
5. Hvad er det filter, som et AI-optimeringsforslag skal bestå, før det kan implementeres direkte i smart grid?
- A) Det er nok, at forslaget alene giver de laveste omkostninger.
- B) Det er tilstrækkeligt, at modellen trænes til høj nøjagtighed
- C) Sikkerhedsbegrænsninger (spænding, termisk, N-1) kontrol og autoriseret operatørgodkendelse ✔
- D) Det er tilstrækkeligt, at anbefalingen passer til historiske data
Beskrivelse: Netværket er sikkerhedskritisk: eventuelle anbefalinger, der overtræder spændings-, strøm-, termiske og N-1 (elementfejl) begrænsninger, kan ikke implementeres. AI-outputtet føres først gennem disse sikkerhedsbegrænsninger og præsenteres derefter for den autoriserede operatør til godkendelse; Optimering kommer aldrig i vejen for en sikkerhedsbegrænsning.
6. Hvilke omkostninger overses ofte og vildleder fortjenesten, når man etablerer arbitrage-strategien (køb billigt, sælg højt) med AI i batteriopbevaringsbranchen?
- A) Internetforbindelse gebyr
- B) Nedbrydning (slid) og effektivitetstab omkostninger pr. cyklus ✔
- C) Kaffepause varighed af personalet
- D) Farve på batteri
Beskrivelse: Hver opladnings-afladningscyklus slider batteriet op; forringelse (tab af helbred) er en reel omkostning og opbruger garantigrænserne. En arbitrageanalyse, der kun ser på prisforskellen, vil overvurdere fortjenesten og forkorte batteriets levetid, hvis den ignorerer nedbrydningsomkostningerne og effektivitetstabet pr. cyklus.
7. Hvad er nøglebalancen, når man bestemmer tærskelværdien for en anomalidetektionsmodel i prædiktiv vedligeholdelse?
- A) Bevidst balance mellem falsk alarm og mistede fejlomkostninger ✔
- B) Tærsklen skal altid holdes så lav som muligt
- C) Tærsklen bestemmes udelukkende ved at se på modellens nøjagtighedsprocent
- D) Når først tærsklen er indstillet, bør den aldrig ændres.
Forklaring: Hvis tærsklen sænkes, stiger falske alarmer (alarmer, når der ikke er nogen fejl), og teamet bliver mistroisk over for alarmer; Hvis tærsklen øges, øges risikoen for en misset fejl (manglende den faktiske fejl). Den korrekte tærskel er en bevidst balance mellem omkostningerne ved en falsk alarm og omkostningerne ved en mistet fejl (f.eks. transformereksplosion) og justeres i henhold til udstyrets kritikalitet.
8. Hvad er den grundlæggende logik i måling og verifikation (M&V) rammen for at verificere en besparelse påstand i et energieffektivitetsprojekt?
- A) Ethvert fald i fakturabeløbet betragtes som en direkte besparelse
- B) Besparelser er forskellen mellem den justerede basislinje og det målte forbrug ✔
- C) Besparelser angives kun til producentens katalogværdi
- D) Besparelser svarende til, hvad modellen forudsiger
Forklaring: Besparelser kan ikke måles direkte; Det der måles er forbruget efter at have taget forholdsregler. Besparelser er forskellen mellem målt forbrug og basislinjen 'hvad ville blive forbrugt uden målingen'. Så basismodellen skal korrigeres for variabler som vejr/produktion, besparelserne beregnet mod denne justerede reference.
9. Hvorfor er 'overfitting' særligt farligt i elprisprognosemodellen?
- A) Fordi det bremser modellen
- B) Den husker fortidens støj, kollapser i fremtiden, især når regimet ændrer sig, og vildleder med stor selvtillid ✔
- C) Bare fordi det bruger mere hukommelse
- D) Fordi det gør grafikken svær at læse
Forklaring: Overtilpasning er, når modellen husker støj og mønstre i historiske data, som ikke gentages; Backtesting ser perfekt ud, men går ned i fremtiden. Efterhånden som prisdata ændrer regime (brændstofprischok, lovgivningsændring), bliver det huskede mønster ugyldigt og fører til forkert budgivning med høj tillid.
10. Hvorfor er begrebet kulstofintensitet på timebasis (gCO2-værdi af en kWh elektricitet i den time) vigtigt for belastningsforskydning?
- A) Kulstoftætheden er den samme hver time, så det er ligegyldigt
- B) Fordi det kun påvirker fakturabeløbet
- C) Varierer hver time afhængigt af vedvarende andel; Skift af fleksibel belastning til lav intensitet time reducerer emissioner ✔
- D) Fordi det kun er relateret til nattaksten
Forklaring: Kulstofintensiteten i nettet varierer hver time: den er lav i timer, hvor vedvarende energi er høj, og høj i spidsbelastningsperioder, når fossile kraftværker kommer online. Flytning af fleksible belastninger til lave spidsbelastningstider gør det muligt at forbruge den samme energi, men producerer færre emissioner. Den gennemsnitlige årlige faktor skjuler denne mulighed.
11. Hvad betyder 'datalækage' i en Python-analysekode produceret af kunstig intelligens, og hvorfor er det farligt?
- A) Sletning af data fra disk
- B) Modellen bruger fremtidig information i træning, som ikke vil være tilgængelig på forudsigelsestidspunktet; Testen er god, men virkeligheden er dårlig ✔
- C) Data har ingen anden betydning end at lække til internettet
- D) Koden kører meget langsomt
Forklaring: Datalækage er, når modellen får adgang til information, som faktisk vil blive fundet i fremtiden under træning; for eksempel ved at bruge den faktiske værdi af timen, der skal forudsiges, som en attribut. Dette resulterer i perfekt backtesting, men ubrugelig i virkeligheden. Fortidens/fremtidens grænse i tidsserien skal omhyggeligt vedligeholdes i koden.
12. Hvad er den korrekte tilgang, når energiselskabets SCADA-data sendes til et generelt AI-værktøj?
- A) At sende alle data, som de er, giver de mest nøjagtige resultater
- B) Anonymisering af data og deling af kun den nødvendige tekniske delmængde med et godkendt værktøj ✔
- C) Forholdsreglerne er unødvendige, fordi dataene alligevel er åbne
- D) Bare at ændre filnavnet er nok
Beskrivelse: SCADA- og netværkstopologidata er kritiske infrastrukturoplysninger; At sende det til en offentlig sky, som det er, udgør risici for privatliv, konkurrence og cybersikkerhed. Den korrekte tilgang er at anonymisere websteds-/aktivnavne med repræsentative tags, kun dele det tekniske undersæt, der kræves til opgaven, og vælge institutionsgodkendte/lukkede værktøjer.
13. Hvorfor bruges 'kapacitetsfaktoren' (forholdet mellem den producerede energi og den energi, der ville blive produceret, hvis den kørte kontinuerligt med fuld kapacitet) som et rimelighedsanker i prognoser for vindproduktion?
- A) Fordi det kun er et nummer til markedsføringsformål
- B) Fordi han gav fakturaen direkte
- C) Fordi det er et fysisk kriterium, der tester forudsigelsens størrelsesorden med et kendt typisk interval (ca. 25-45%) ✔
- D) Fordi det bestemmer turbinens farve
Beskrivelse: Kapacitetsfaktoren for vindmølleparker på land ligger typisk i intervallet cirka 25-45 procent. En prognose er fysisk usandsynlig, hvis den forudsiger produktion på det langsigtede gennemsnit, der ligger et godt stykke uden for dette interval (f.eks. 90 procent). Dette forhold giver dig mulighed for at teste forudsigelsens størrelsesorden uden at gå i detaljer.
14. Hvordan kan kunstig intelligenss rolle i en sikkerhedskritisk energisystembeslutning defineres mest præcist?
- A) AI kan erstatte autoriseret ingeniørgodkendelse
- B) AI genererer hypoteser og skitser; Godkendelse og ansvar for den sikkerhedskritiske beslutning forbliver hos den autoriserede ingeniør ✔
- C) Hvis AI er kraftig nok, er menneskelig bekræftelse unødvendig
- D) AI-output er ubrugeligt og bør ignoreres fuldstændigt
Beskrivelse: Kunstig intelligens er en kraftfuld assistent, der læser hurtigt, fanger mønstre, producerer udkast; men det erstatter ikke en kompetent eksperts godkendelse og ansvar i sikkerhedskritiske beslutninger såsom beskyttelsesjustering, transformerbelastning, netværksmanøvrering. AI genererer hypoteser og skitser; Den autoriserede ingeniør giver beslutningen og underskriften.