Dobici:
- Sposobnost uspostavljanja tijeka rada Python analize od početka do kraja od podataka do izvješća uz pomoć umjetne inteligencije
- Sposobnost provjere generiranog koda u smislu kompatibilnosti jedinice, curenja i ponovljivosti
- Sposobnost primjene etike, povjerljivosti, kibernetičke sigurnosti i ograničenja odgovornosti inženjera u praksi u energetskim projektima
Modul ispit
1. Što je od sljedećeg osnovno načelo koje određuje rizik izlaza umjetne inteligencije u inženjerstvu energetskih sustava?
- A) Rizik izlaza jednak je šteti koju bi prouzročio da je taj izlaz neispravan; ljestvice validacije prema tome ✔
- B) AI izlaz općenito je siguran jer je napisan tečno i pouzdano
- C) Validacija je nepotrebna kada se koristi najnoviji model
- D) Ako se izlaz odnosi na standard, nije potrebna dodatna kontrola
Objašnjenje: Rizik izlaza jednak je šteti koju će uzrokovati ako je taj izlaz neispravan. Dok manja pogreška u prezentacijskom tekstu može biti bezopasna, pogreška u postavci relejne zaštite ili odluci o opterećenju transformatora može uzrokovati oštećenje opreme, prekid rada i rizike za sigurnost života; pa intenzitet provjere skalira s potencijalnom štetnošću.
2. Koja je najčešća zamka pri pripremi energetskih vremenskih serija podataka s umjetnom inteligencijom i koja najviše iskrivljuje rezultate?
- A) Neispravan odabir grafičkih boja
- B) Zbunjenost vremenske zone, ljetnog računanja vremena i oznake vremenske oznake ✔
- C) Naziv datoteke je predug
- D) Čuvanje podataka u Excelu umjesto u CSV-u
Objašnjenje: Zabune početne/završne oznake vremenske zone, ljetnog računanja vremena (DST) i vremenske oznake vrlo su česte u energetskim podacima; jednosatna smjena iskrivljuje cjelokupnu analizu tipa dana i vršnog sata. Stoga bi se vremenska os trebala standardizirati prije svake analize, a AI izlaz trebao bi se testirati u odnosu na fizička sidra kao što je vrijeme izlaska sunca/vrha.
3. Koja situacija pokazuje da iako se MAPE (srednja apsolutna postotna pogreška) u kratkoročnoj prognozi opterećenja čini niskom, prognoza još uvijek može biti nepouzdana?
- A) MAPE je uvijek potpuna i primjerena mjera kvalitete prognoze
- B) Iako je prosjek nizak, može doći do sustavnog odstupanja u vršnim satima i tu je mreža kritična ✔
- C) MAPE ima smisla samo u dugoročnom predviđanju
- D) Nizak MAPE dokazuje da je model fizički ispravan
Objašnjenje: MAPE je prosječna pogreška; Čak i ako ukupna vrijednost izgleda dobro, može doći do sustavnih odstupanja u vršnim satima i sezonskim prijelazima. Mrežna ravnoteža je kritična upravo u tim vršnim trenucima, pa se samo zato što je prosječna metrika dobra ne može smatrati sigurnim za predviđanje; Pogrešku treba analizirati zasebno na temelju vremena i režima.
4. Koja je najsnažnija fizička gornja granica za testiranje razumnosti prognoze proizvodnje solarne elektrane?
- A) Prošlogodišnji ukupni račun
- B) Plafon fizičke proizvodnje ograničen zračenjem, površinom ploče i instaliranom snagom (uključujući nulu noću) ✔
- C) Postotak povjerenja koji daje model
- D) Mjerenje brzine vjetra
Opis: solarna elektrana ne može proizvesti više nego što dopušta sunčevo zračenje i kapacitet panela; Očekuje se da će proizvodnja biti nula noću, vrhunac oko podneva i ograničena instaliranom snagom i područjem modula. Fizički je nemoguće ako je model dao vrijednost veću od noćne proizvodnje ili instaliranog kapaciteta. Ova provjera eliminira predviđanje bez gledanja statistike.
5. Koji je filter koji mora proći prijedlog optimizacije umjetne inteligencije prije izravne implementacije u pametnu mrežu?
- A) Dovoljno je samo sugestijom dati najniži trošak.
- B) Dovoljno je da model bude uvježban na visoku točnost
- C) Kontrola sigurnosnih ograničenja (napon, toplina, N-1) i odobrenje ovlaštenog operatera ✔
- D) Dovoljno je da preporuka odgovara povijesnim podacima
Opis: Mreža je kritična za sigurnost: sve preporuke koje krše ograničenja napona, struje, topline i N-1 (kvar elementa) ne mogu se implementirati. AI izlaz prvo prolazi kroz ova sigurnosna ograničenja, a zatim se podnosi ovlaštenom operateru na odobrenje; Optimizacija nikada ne staje na put sigurnosnom ograničenju.
6. Koji se trošak često zanemaruje i dovodi u zabludu profit kada se uspostavlja arbitražna strategija (kupuj jeftino, prodaj skupo) s umjetnom inteligencijom u poslu skladištenja baterija?
- A) Naknada za internetsku vezu
- B) Trošak degradacije (habanja) i gubitka učinkovitosti po ciklusu ✔
- C) Trajanje pauze za kavu osoblja
- D) Boja baterije
Opis: Svaki ciklus punjenja i pražnjenja troši bateriju; degradacija (gubitak zdravlja) je stvarni trošak i iscrpljuje ograničenja jamstva. Arbitražna analiza koja gleda samo na razliku u cijeni precijenit će profit i skratiti životni vijek baterije ako zanemari troškove degradacije i gubitak učinkovitosti po ciklusu.
7. Koja je ključna ravnoteža pri određivanju vrijednosti praga modela detekcije anomalija u prediktivnom održavanju?
- A) Svjesna ravnoteža između lažne uzbune i propuštenih troškova kvara ✔
- B) Prag uvijek treba biti što niži
- C) Prag se određuje isključivo promatranjem postotka točnosti modela
- D) Jednom kada je prag postavljen, nikada se ne smije mijenjati.
Objašnjenje: Ako je prag snižen, lažni alarmi (alarmi kada nema greške) se povećavaju i tim postaje nepovjerljiv prema alarmima; Ako se prag poveća, povećava se rizik od propuštene pogreške (propuštanja stvarne pogreške). Točan prag je svjesna ravnoteža između cijene lažnog alarma i cijene propuštene greške (npr. eksplozija transformatora) i prilagođava se prema kritičnosti opreme.
8. Koja je osnovna logika okvira mjerenja i verifikacije (M&V) za provjeru tvrdnji o uštedama u projektu energetske učinkovitosti?
- A) Svako smanjenje iznosa fakture smatra se izravnom uštedom
- B) Uštede su razlika između prilagođene osnovne i izmjerene potrošnje ✔
- C) Uštede su deklarirane samo u kataloškoj vrijednosti proizvođača
- D) Uštede jednake onome što predviđa model
Objašnjenje: Uštede se ne mogu mjeriti izravno; Ono što se mjeri je potrošnja nakon poduzimanja mjera opreza. Ušteda je razlika između izmjerene potrošnje i osnovnog 'onog što bi se potrošilo bez mjere'. Dakle, osnovni model mora biti ispravljen za varijable kao što su vrijeme/proizvodnja, uštede izračunate u odnosu na ovu prilagođenu referencu.
9. Zašto je 'overfitting' posebno opasan u modelu predviđanja cijena električne energije?
- A) Zato što usporava model
- B) Pamti buku iz prošlosti, ruši se u budućnosti, posebno kada se režim promijeni, i dovodi u zabludu s velikom pouzdanošću ✔
- C) Samo zato što koristi više memorije
- D) Zato što otežava čitanje grafike
Objašnjenje: Overfitting je kada model pamti šum i uzorke u povijesnim podacima koji se neće ponavljati; Testiranje unazad izgleda savršeno, ali se u budućnosti ruši. Kako podaci o cijeni mijenjaju režim (šok cijena goriva, promjena zakonodavstva), zapamćeni uzorak postaje nevažeći i dovodi do netočnog licitiranja s velikom pouzdanošću.
10. Zašto je koncept satnog intenziteta ugljika (gCO2 vrijednost jednog kWh električne energije u tom satu) važan za prebacivanje opterećenja?
- A) Gustoća ugljika je ista svakih sat vremena, tako da nije važno
- B) Zato što utječe samo na iznos fakture
- C) Varira po satu ovisno o obnovljivom udjelu; Prebacivanje fleksibilnog opterećenja na sat niskog intenziteta smanjuje emisije ✔
- D) Zato što se odnosi samo na noćnu tarifu
Objašnjenje: Intenzitet ugljika u mreži varira iz sata u sat: nizak je tijekom sati kada je proizvodnja obnovljivih izvora energije visoka i visok tijekom vršnih sati kada se fosilne elektrane uključuju. Prebacivanje fleksibilnih opterećenja na sate niske vršne potrošnje omogućuje potrošnju iste energije, ali proizvodnju manje emisija. Prosječni godišnji faktor skriva ovu priliku.
11. Što znači 'curenje podataka' u Python kodu za analizu koji proizvodi umjetna inteligencija i zašto je to opasno?
- A) Brisanje podataka s diska
- B) Model koristi buduće informacije u obuci koje neće biti dostupne u trenutku predviđanja; test je dobar, ali stvarnost je loša ✔
- C) Podaci nemaju nikakvo značenje osim curenja na internet
- D) Kod radi vrlo sporo
Objašnjenje: curenje podataka je kada model pristupa informacijama koje će se stvarno pronaći u budućnosti tijekom obuke; na primjer, koristeći stvarnu vrijednost sata koju treba predvidjeti kao atribut. To rezultira savršenim testiranjem unatrag, ali u stvarnosti beskorisnim. Granica prošlost/budućnost u vremenskoj seriji mora se pažljivo održavati u kodu.
12. Koji je ispravan pristup pri slanju SCADA podataka energetske tvrtke u opći alat AI?
- A) Slanje svih podataka kakvi jesu daje najtočnije rezultate
- B) Anonimizacija podataka i dijeljenje samo potrebnog tehničkog podskupa s odobrenim alatom ✔
- C) Mjera opreza je nepotrebna jer su podaci ionako otvoreni
- D) Dovoljna je samo promjena naziva datoteke
Opis: podaci o SCADA i mrežnoj topologiji kritične su informacije o infrastrukturi; Slanje u javni oblak takvog kakvog predstavlja rizike privatnosti, konkurencije i kibernetičke sigurnosti. Ispravan pristup je anonimizirati nazive web-mjesta/imovina s reprezentativnim oznakama, dijeliti samo tehnički podskup potreban za zadatak i odlučiti se za alate koje je odobrila institucija/zatvorene alate.
13. Zašto se 'faktor kapaciteta' (omjer proizvedene energije i energije koja bi bila proizvedena da radi neprekidno punim kapacitetom) koristi kao sidro razumnosti u predviđanju proizvodnje vjetra?
- A) Zato što je to broj samo u marketinške svrhe
- B) Zato što je izravno izdao fakturu
- C) Budući da je to fizički kriterij koji testira red veličine predviđanja, s poznatim tipičnim rasponom (približno 25-45%) ✔
- D) Zato što određuje boju turbine
Opis: Faktor kapaciteta kopnenih vjetroelektrana obično je u rasponu od približno 25-45 posto. Prognoza je fizički nevjerojatna ako predviđa proizvodnju u dugoročnom prosjeku koji je znatno izvan tog raspona (npr. 90 posto). Ovaj vam omjer omogućuje testiranje reda veličine predviđanja bez ulaženja u detalje.
14. Kako se najpreciznije može definirati uloga umjetne inteligencije u odluci o energetskom sustavu kritičnoj za sigurnost?
- A) AI može zamijeniti odobrenje ovlaštenog inženjera
- B) AI stvara hipoteze i nacrte; Odobrenje i odgovornost za sigurnosno kritičnu odluku ostaje na ovlaštenom inženjeru ✔
- C) Ako je umjetna inteligencija dovoljno moćna, ljudska potvrda je nepotrebna
- D) AI izlaz je beskoristan i treba ga potpuno zanemariti
Opis: Umjetna inteligencija je moćan pomoćnik koji brzo čita, hvata uzorke, proizvodi nacrte; ali ne zamjenjuje odobrenje i odgovornost kompetentnog stručnjaka za sigurnosno kritične odluke kao što su podešavanje zaštite, opterećenje transformatora, manevriranje mrežom. AI stvara hipoteze i nacrte; Rješenje i potpis daje ovlašteni inženjer.