Ενεργειακή ανάλυση από άκρο σε άκρο, ηθική και όρια με την Python

Κέρδη:

• Δυνατότητα δημιουργίας ροής εργασιών ανάλυσης Python από άκρο σε άκρο από δεδομένα προς αναφορά με τη βοήθεια τεχνητής νοημοσύνης
• Δυνατότητα επαλήθευσης του παραγόμενου κώδικα όσον αφορά τη συμβατότητα της μονάδας, τη διαρροή και την αναπαραγωγιμότητα
• Ικανότητα εφαρμογής ορίων ηθικής, εμπιστευτικότητας, ασφάλειας στον κυβερνοχώρο και ευθύνης μηχανικού σε ενεργειακά έργα

Εξέταση Ενοτήτων

1. Ποιο από τα παρακάτω είναι η βασική αρχή που καθορίζει τον κίνδυνο μιας παραγωγής τεχνητής νοημοσύνης στη μηχανική ενεργειακών συστημάτων;

• Α) Ο κίνδυνος μιας παραγωγής είναι ίσος με τη ζημιά που θα προκαλούσε εάν αυτή η παραγωγή ήταν ελαττωματική. κλίμακες επικύρωσης αναλόγως ✔
• Β) Η έξοδος AI είναι γενικά ασφαλής καθώς είναι γραμμένη με ευχέρεια και σιγουριά
• Γ) Η επικύρωση δεν είναι απαραίτητη όταν χρησιμοποιείται το πιο πρόσφατο μοντέλο
• Δ) Εάν η έξοδος αναφέρεται σε ένα πρότυπο, δεν απαιτείται πρόσθετος έλεγχος

Εξήγηση: Ο κίνδυνος μιας παραγωγής είναι ίσος με τη ζημιά που θα προκαλέσει εάν αυτή η έξοδος είναι ελαττωματική. Ενώ ένα μικρό σφάλμα σε ένα κείμενο παρουσίασης μπορεί να είναι ακίνδυνο, ένα σφάλμα σε μια ρύθμιση προστασίας ρελέ ή απόφαση φόρτωσης μετασχηματιστή μπορεί να προκαλέσει ζημιά στον εξοπλισμό, διακοπή λειτουργίας και κινδύνους για την ασφάλεια της ζωής. έτσι η ένταση της επαλήθευσης κλιμακώνεται με πιθανή βλάβη.

2. Ποια είναι η πιο κοινή παγίδα κατά την προετοιμασία δεδομένων ενεργειακών χρονοσειρών με τεχνητή νοημοσύνη και ποια παραμορφώνει περισσότερο τα αποτελέσματα;

• Α) Λανθασμένη επιλογή γραφικών χρωμάτων
• Β) Ζώνη ώρας, θερινή ώρα και σύγχυση ετικέτας χρονικής σφραγίδας ✔
• Γ) Το όνομα του αρχείου είναι πολύ μεγάλο
• Δ) Διατήρηση δεδομένων στο Excel αντί για CSV

Εξήγηση: Η σύγχυση των ετικετών έναρξης/λήξης της ζώνης ώρας, της θερινής ώρας (DST) και της χρονικής σήμανσης είναι πολύ συνηθισμένη στα ενεργειακά δεδομένα. μια βάρδια μιας ώρας παραμορφώνει ολόκληρη την ανάλυση τύπου ημέρας και ώρας αιχμής. Επομένως, ο άξονας χρόνου θα πρέπει να τυποποιείται πριν από κάθε ανάλυση και η έξοδος AI θα πρέπει να ελέγχεται έναντι φυσικών αγκυρώσεων όπως η ώρα ανατολής/αιχμής.

3. Ποια κατάσταση δείχνει ότι ενώ το MAPE (Μέσο απόλυτο ποσοστό σφάλματος) σε μια βραχυπρόθεσμη πρόβλεψη φορτίου εμφανίζεται χαμηλό, η πρόβλεψη μπορεί να εξακολουθεί να είναι αναξιόπιστη;

• Α) Το MAPE είναι πάντα ένα πλήρες και επαρκές μέτρο της ποιότητας των προβλέψεων
• Β) Αν και ο μέσος όρος είναι χαμηλός, μπορεί να υπάρχει συστηματική απόκλιση στις ώρες αιχμής και εκεί είναι κρίσιμο το πλέγμα ✔
• Γ) Το MAPE έχει νόημα μόνο σε μακροπρόθεσμες προβλέψεις
• Δ) Ο χαμηλός MAPE αποδεικνύει ότι το μοντέλο είναι φυσικά σωστό

Εξήγηση: Το MAPE είναι ένα μέσο σφάλμα. Ακόμα κι αν το σύνολο φαίνεται καλό, μπορεί να υπάρχουν συστηματικές αποκλίσεις στις ώρες αιχμής και τις εποχιακές μεταβάσεις. Το υπόλοιπο δικτύου είναι κρίσιμο ακριβώς σε αυτές τις στιγμές αιχμής, επομένως μόνο και μόνο επειδή η μέση μέτρηση είναι καλή δεν μπορεί να θεωρηθεί ασφαλής για πρόβλεψη. Το σφάλμα θα πρέπει να αναλυθεί χωριστά με βάση το χρόνο και το καθεστώς.

4. Ποιο είναι το πιο εύρωστο φυσικό άνω όριο για να ελεγχθεί η εύλογη πρόβλεψη παραγωγής ηλιακής εγκατάστασης;

• Α) Ο συνολικός λογαριασμός του περασμένου έτους
• Β) Φυσικό ανώτατο όριο παραγωγής που περιορίζεται από την ακτινοβολία, την επιφάνεια του πίνακα και την εγκατεστημένη ισχύ (συμπεριλαμβανομένου του μηδενικού τη νύχτα) ✔
• Γ) Ποσοστό εμπιστοσύνης που δίνει το μοντέλο
• Δ) Μέτρηση ταχύτητας ανέμου

Περιγραφή: Ένας ηλιακός σταθμός δεν μπορεί να παράγει περισσότερο από αυτό που επιτρέπει η ηλιακή ακτινοβολία και η χωρητικότητα του πάνελ. Η παραγωγή αναμένεται να είναι μηδενική τη νύχτα, με κορύφωση γύρω στο μεσημέρι και περιορισμένη από την εγκατεστημένη ισχύ και την περιοχή της μονάδας. Είναι φυσικά αδύνατο εάν το μοντέλο έδινε τιμή που υπερβαίνει τη νυχτερινή παραγωγή ή την εγκατεστημένη ισχύ. Αυτός ο έλεγχος εξαλείφει την πρόβλεψη χωρίς να κοιτάξει τα στατιστικά στοιχεία.

5. Ποιο είναι το φίλτρο που πρέπει να περάσει μια πρόταση βελτιστοποίησης AI πριν εφαρμοστεί απευθείας στο έξυπνο δίκτυο;

• Α) Αρκεί η πρόταση να παρέχει μόνο το χαμηλότερο κόστος.
• Β) Αρκεί το μοντέλο να είναι εκπαιδευμένο σε υψηλή ακρίβεια
• Γ) Περιορισμοί ασφαλείας (τάση, θερμική, N-1) έλεγχος και έγκριση εξουσιοδοτημένου χειριστή ✔
• Δ) Αρκεί η σύσταση να ταιριάζει με ιστορικά δεδομένα

Περιγραφή: Το δίκτυο είναι κρίσιμο για την ασφάλεια: δεν μπορούν να εφαρμοστούν τυχόν συστάσεις που παραβιάζουν τους περιορισμούς τάσης, ρεύματος, θερμότητας και N-1 (αστοχία στοιχείου). Η έξοδος AI πρώτα περνά μέσα από αυτούς τους περιορισμούς ασφαλείας και στη συνέχεια παρουσιάζεται στον εξουσιοδοτημένο χειριστή για έγκριση. Η βελτιστοποίηση δεν παρεμποδίζει ποτέ έναν περιορισμό ασφαλείας.

6. Ποιο κόστος συχνά παραβλέπεται και παραπλανά το κέρδος κατά τη θέσπιση της στρατηγικής arbitrage (αγορά φθηνά, πουλήστε ψηλά) με την τεχνητή νοημοσύνη στην επιχείρηση αποθήκευσης μπαταριών;

• Α) Χρέωση σύνδεσης στο Διαδίκτυο
• Β) Κόστος υποβάθμισης (φθοράς) και απώλειας απόδοσης ανά κύκλο ✔
• Γ) Διάρκεια διαλείμματος του προσωπικού
• Δ) Χρώμα μπαταρίας

Περιγραφή: Κάθε κύκλος φόρτισης-εκφόρτισης φθείρει την μπαταρία. η υποβάθμιση (απώλεια υγείας) είναι πραγματικό κόστος και εξαντλεί τα όρια εγγύησης. Μια ανάλυση αρμπιτράζ που εξετάζει μόνο τη διαφορά τιμής θα υπερεκτιμήσει το κέρδος και θα μειώσει τη διάρκεια ζωής της μπαταρίας εάν αγνοήσει το κόστος υποβάθμισης και την απώλεια απόδοσης ανά κύκλο.

7. Ποια είναι η βασική ισορροπία κατά τον προσδιορισμό της τιμής κατωφλίου ενός μοντέλου ανίχνευσης ανωμαλιών στην προγνωστική συντήρηση;

• Α) Συνειδητή ισορροπία μεταξύ ψευδούς συναγερμού και κόστους αποτυχίας ✔
• Β) Το κατώφλι πρέπει πάντα να διατηρείται όσο το δυνατόν χαμηλότερο
• Γ) Το κατώφλι προσδιορίζεται αποκλειστικά με την εξέταση του ποσοστού ακρίβειας του μοντέλου
• Δ) Αφού οριστεί το όριο, δεν πρέπει ποτέ να αλλάξει.

Εξήγηση: Εάν το κατώφλι χαμηλώσει, οι ψευδείς συναγερμοί (συναγερμοί όταν δεν υπάρχει σφάλμα) αυξάνονται και η ομάδα γίνεται δυσπιστία στους συναγερμούς. Εάν το κατώφλι αυξηθεί, ο κίνδυνος απώλειας σφάλματος (χάνεται το πραγματικό σφάλμα) αυξάνεται. Το σωστό όριο είναι μια συνειδητή ισορροπία μεταξύ του κόστους ενός ψευδούς συναγερμού και του κόστους ενός χαμένου σφάλματος (π.χ. έκρηξη μετασχηματιστή) και προσαρμόζεται ανάλογα με την κρισιμότητα του εξοπλισμού.

8. Ποια είναι η βασική λογική του πλαισίου μέτρησης και επαλήθευσης (M&V) για την επαλήθευση μιας αξίωσης εξοικονόμησης σε ένα έργο ενεργειακής απόδοσης;

• Α) Κάθε μείωση του ποσού του τιμολογίου θεωρείται άμεση εξοικονόμηση
• Β) Η εξοικονόμηση είναι η διαφορά μεταξύ της προσαρμοσμένης γραμμής βάσης και της μετρούμενης κατανάλωσης ✔
• Γ) Οι αποταμιεύσεις δηλώνονται μόνο στην αξία καταλόγου του κατασκευαστή
• Δ) Εξοικονόμηση ίση με αυτή που προβλέπει το μοντέλο

Εξήγηση: Η εξοικονόμηση δεν μπορεί να μετρηθεί άμεσα. Αυτό που μετριέται είναι η κατανάλωση μετά τη λήψη προφυλάξεων. Η εξοικονόμηση είναι η διαφορά μεταξύ της μετρούμενης κατανάλωσης και της βασικής γραμμής «τι θα καταναλωθεί χωρίς το μέτρο». Επομένως, το βασικό μοντέλο πρέπει να διορθωθεί για μεταβλητές όπως ο καιρός/παραγωγή, η εξοικονόμηση που υπολογίζεται βάσει αυτής της προσαρμοσμένης αναφοράς.

9. Γιατί η «υπερπροσαρμογή» είναι ιδιαίτερα επικίνδυνη στο μοντέλο πρόβλεψης τιμών ηλεκτρικής ενέργειας;

• Α) Γιατί επιβραδύνει το μοντέλο
• Β) Απομνημονεύει τον θόρυβο του παρελθόντος, καταρρέει στο μέλλον, ειδικά όταν αλλάζει το καθεστώς, και παραπλανά με υψηλή σιγουριά ✔
• Γ) Ακριβώς επειδή χρησιμοποιεί περισσότερη μνήμη
• Δ) Γιατί δυσκολεύει την ανάγνωση των γραφικών

Επεξήγηση: Υπερπροσαρμογή είναι όταν το μοντέλο απομνημονεύει θόρυβο και μοτίβα σε ιστορικά δεδομένα που δεν θα επαναληφθούν. Το backtesting φαίνεται τέλειο, αλλά χαλάει στο μέλλον. Καθώς τα δεδομένα τιμών αλλάζουν καθεστώς (σοκ τιμής καυσίμου, αλλαγή νομοθεσίας), το απομνημονευμένο μοτίβο καθίσταται άκυρο και οδηγεί σε εσφαλμένη υποβολή προσφορών με υψηλή εμπιστοσύνη.

10. Γιατί είναι σημαντική η έννοια της ωριαίας έντασης άνθρακα (τιμή gCO2 μιας kWh ηλεκτρικής ενέργειας τη συγκεκριμένη ώρα) για τη μετατόπιση φορτίου;

• Α) Η πυκνότητα του άνθρακα είναι η ίδια κάθε ώρα, οπότε δεν πειράζει
• Β) Γιατί επηρεάζει μόνο το ποσό του τιμολογίου
• Γ) Διαφέρει ανά ώρα ανάλογα με το μερίδιο των ανανεώσιμων πηγών ενέργειας. Η μετατόπιση του εύκαμπτου φορτίου σε ώρα χαμηλής έντασης μειώνει τις εκπομπές ✔
• Δ) Γιατί έχει σχέση μόνο με το νυχτερινό τιμολόγιο

Εξήγηση: Η ένταση άνθρακα του δικτύου ποικίλλει ανά ώρα: είναι χαμηλή κατά τις ώρες που η παραγωγή ανανεώσιμων πηγών ενέργειας είναι υψηλή και υψηλή κατά τις ώρες αιχμής όταν οι σταθμοί παραγωγής ορυκτών ηλεκτροπαραγωγής έρχονται σε λειτουργία. Η μετατόπιση εύκαμπτων φορτίων σε ώρες χαμηλής αιχμής επιτρέπει την κατανάλωση της ίδιας ενέργειας αλλά την παραγωγή λιγότερων εκπομπών. Ο μέσος ετήσιος παράγοντας κρύβει αυτή την ευκαιρία.

11. Τι σημαίνει «διαρροή δεδομένων» σε έναν κώδικα ανάλυσης Python που παράγεται από τεχνητή νοημοσύνη και γιατί είναι επικίνδυνος;

• Α) Διαγραφή δεδομένων από το δίσκο
• Β) Το μοντέλο χρησιμοποιεί μελλοντικές πληροφορίες στην εκπαίδευση που δεν θα είναι διαθέσιμες τη στιγμή της πρόβλεψης. Η δοκιμή είναι καλή, αλλά η πραγματικότητα είναι κακή ✔
• Γ) Τα δεδομένα δεν έχουν καμία άλλη σημασία από τη διαρροή στο διαδίκτυο
• Δ) Ο κώδικας τρέχει πολύ αργά

Εξήγηση: Η διαρροή δεδομένων είναι όταν το μοντέλο αποκτά πρόσβαση σε πληροφορίες που θα βρεθούν πραγματικά στο μέλλον κατά τη διάρκεια της εκπαίδευσης. για παράδειγμα, χρησιμοποιώντας την πραγματική τιμή της ώρας που θα προβλεφθεί ως χαρακτηριστικό. Αυτό οδηγεί σε τέλειο backtesting αλλά άχρηστο στην πραγματικότητα. Το όριο παρελθόντος/μέλλοντος στη χρονοσειρά πρέπει να διατηρηθεί προσεκτικά στον κώδικα.

12. Ποια είναι η σωστή προσέγγιση κατά την αποστολή δεδομένων της εταιρείας ενέργειας SCADA σε ένα γενικό εργαλείο τεχνητής νοημοσύνης;

• Α) Η αποστολή όλων των δεδομένων ως έχουν δίνει τα πιο ακριβή αποτελέσματα
• Β) Ανωνυμοποίηση δεδομένων και κοινή χρήση μόνο του απαραίτητου τεχνικού υποσυνόλου με εγκεκριμένο εργαλείο ✔
• Γ) Η προφύλαξη είναι περιττή γιατί τα δεδομένα είναι ούτως ή άλλως ανοιχτά
• Δ) Αρκεί απλώς να αλλάξετε το όνομα του αρχείου

Περιγραφή: Τα δεδομένα SCADA και τοπολογίας δικτύου είναι κρίσιμες πληροφορίες υποδομής. Η αποστολή του σε δημόσιο σύννεφο ως έχει εγκυμονεί κινδύνους για την ιδιωτικότητα, τον ανταγωνισμό και την ασφάλεια στον κυβερνοχώρο. Η σωστή προσέγγιση είναι η ανωνυμοποίηση ονομάτων τοποθεσιών/στοιχείων με αντιπροσωπευτικές ετικέτες, η κοινή χρήση μόνο του τεχνικού υποσυνόλου που απαιτείται για την εργασία και η επιλογή εργαλείων που έχουν εγκριθεί από ιδρύματα/κλειστά.

13. Γιατί ο «συντελεστής χωρητικότητας» (ο λόγος της παραγόμενης ενέργειας προς την ενέργεια που θα παραγόταν εάν λειτουργούσε συνεχώς με πλήρη δυναμικότητα) χρησιμοποιείται ως άγκυρα λογικής στην πρόβλεψη αιολικής παραγωγής;

• Α) Επειδή είναι αριθμός μόνο για σκοπούς μάρκετινγκ
• Β) Επειδή έδωσε απευθείας το τιμολόγιο
• Γ) Επειδή είναι ένα φυσικό κριτήριο που ελέγχει την τάξη μεγέθους της πρόβλεψης, με γνωστό τυπικό εύρος (περίπου 25-45%) ✔
• Δ) Γιατί καθορίζει το χρώμα της τουρμπίνας

Περιγραφή: Ο συντελεστής χωρητικότητας των χερσαίων αιολικών πάρκων κυμαίνεται συνήθως στο εύρος περίπου 25-45 τοις εκατό. Μια πρόβλεψη είναι φυσικά απίθανη εάν προβλέπει την παραγωγή στον μακροπρόθεσμο μέσο όρο που είναι πολύ έξω από αυτό το εύρος (π.χ. 90 τοις εκατό). Αυτή η αναλογία σας επιτρέπει να ελέγξετε την τάξη μεγέθους της πρόβλεψης χωρίς να υπεισέλθετε σε λεπτομέρειες.

14. Πώς μπορεί να καθοριστεί με μεγαλύτερη ακρίβεια ο ρόλος της τεχνητής νοημοσύνης σε μια κρίσιμη για την ασφάλεια απόφαση ενεργειακού συστήματος;

• Α) Το AI μπορεί να αντικαταστήσει την εξουσιοδοτημένη έγκριση μηχανικού
• Β) Η τεχνητή νοημοσύνη δημιουργεί υποθέσεις και περιγράμματα. Η έγκριση και η ευθύνη για την κρίσιμη για την ασφάλεια απόφαση παραμένει στον εξουσιοδοτημένο μηχανικό ✔
• Γ) Εάν η τεχνητή νοημοσύνη είναι αρκετά ισχυρή, η ανθρώπινη επιβεβαίωση δεν είναι απαραίτητη
• Δ) Η έξοδος AI είναι άχρηστη και θα πρέπει να αγνοηθεί εντελώς

Περιγραφή: Η τεχνητή νοημοσύνη είναι ένας ισχυρός βοηθός που διαβάζει γρήγορα, πιάνει μοτίβα, παράγει προσχέδια. αλλά δεν αντικαθιστά την έγκριση και την ευθύνη ενός ικανού εμπειρογνώμονα σε κρίσιμες για την ασφάλεια αποφάσεις, όπως ρύθμιση προστασίας, φόρτωση μετασχηματιστή, ελιγμοί δικτύου. Η τεχνητή νοημοσύνη δημιουργεί υποθέσεις και περιγράμματα. Ο εξουσιοδοτημένος μηχανικός δίνει την απόφαση και την υπογραφή.