Guadagni:
- Capacità di stabilire un flusso di lavoro di analisi Python end-to-end dai dati al report con l'aiuto dell'intelligenza artificiale
- Capacità di verificare il codice generato in termini di compatibilità dell'unità, perdite e riproducibilità
- Capacità di mettere in pratica i limiti di etica, riservatezza, sicurezza informatica e responsabilità dell'ingegnere nei progetti energetici
Esame del modulo
1. Quale dei seguenti è il principio di base che determina il rischio di un output dell'IA nell'ingegneria dei sistemi energetici?
- A) Il rischio di un output è pari al danno che causerebbe se quell’output fosse difettoso; la convalida si ridimensiona di conseguenza ✔
- B) L'output dell'intelligenza artificiale è generalmente sicuro poiché è scritto in modo fluido e sicuro
- C) La convalida non è necessaria quando viene utilizzato il modello più recente
- D) Se l'output fa riferimento ad uno standard non è richiesto alcun controllo aggiuntivo
Spiegazione: il rischio di un output è pari al danno che causerà se quell'output è difettoso. Mentre un errore minore nel testo di una presentazione può essere innocuo, un errore nell'impostazione della protezione del relè o nella decisione di caricare il trasformatore può causare danni alle apparecchiature, interruzioni e rischi per la sicurezza della vita; quindi l'intensità della verifica si adatta al potenziale danno.
2. Qual è l’errore più comune quando si preparano i dati delle serie temporali energetiche con l’intelligenza artificiale e quale distorce maggiormente i risultati?
- A) Selezione errata dei colori grafici
- B) Confusione tra fuso orario, ora legale e etichetta temporale ✔
- C) Il nome del file è troppo lungo
- D) Conservare i dati in Excel anziché in CSV
Spiegazione: le confusioni tra tag di inizio/fine relative a fuso orario, ora legale (DST) e timestamp sono molto comuni nei dati energetici; un turno di un'ora distorce l'intera analisi del tipo di giornata e delle ore di punta. Pertanto, l’asse temporale dovrebbe essere standardizzato prima di ogni analisi e l’output dell’IA dovrebbe essere testato rispetto ad ancoraggi fisici come l’ora dell’alba/di punta.
3. Quale situazione mostra che mentre il MAPE (errore percentuale medio assoluto) in una previsione di carico a breve termine appare basso, la previsione potrebbe essere comunque inaffidabile?
- R) Il MAPE rappresenta sempre una misura completa e adeguata della qualità delle previsioni
- B) Anche se la media è bassa, potrebbe esserci una deviazione sistematica nelle ore di punta ed è qui che la rete è critica ✔
- C) MAPE ha senso solo nelle previsioni a lungo termine
- D) Un MAPE basso dimostra che il modello è fisicamente corretto
Spiegazione: MAPE è un errore medio; Anche se il totale sembra buono, potrebbero esserci deviazioni sistematiche nelle ore di punta e nelle transizioni stagionali. Il bilanciamento della rete è fondamentale proprio in questi momenti di picco, quindi solo perché il parametro medio è buono non può essere considerato sicuro da prevedere; L'errore dovrebbe essere analizzato separatamente sulla base del tempo e del regime.
4. Qual è il limite fisico superiore più affidabile per verificare la ragionevolezza di una previsione di produzione di un impianto solare?
- A) Fattura totale dell'anno scorso
- B) Soffitto di produzione fisica limitato da irraggiamento, superficie del pannello e potenza installata (incluso zero notturno) ✔
- C) Percentuale di confidenza data dal modello
- D) Misura della velocità del vento
Descrizione: Un impianto solare non può produrre più di quanto consentito dalla radiazione solare e dalla capacità dei pannelli; Si prevede che la produzione sarà pari a zero durante la notte, con un picco intorno a mezzogiorno e limitata dalla potenza installata e dall'area dei moduli. È fisicamente impossibile se il modello fornisce un valore superiore alla produzione notturna o alla capacità installata. Questo controllo elimina il pronostico senza guardare le statistiche.
5. Qual è il filtro che una proposta di ottimizzazione dell'intelligenza artificiale deve superare prima di essere implementata direttamente nella smart grid?
- R) È sufficiente che il suggerimento fornisca solo il costo più basso.
- B) È sufficiente che il modello sia addestrato con elevata precisione
- C) Controllo dei vincoli di sicurezza (tensione, termica, N-1) e approvazione dell'operatore autorizzato ✔
- D) È sufficiente che la raccomandazione si adatti ai dati storici
Descrizione: La rete è critica per la sicurezza: qualsiasi raccomandazione che violi i vincoli di tensione, corrente, termica e N-1 (guasto dell'elemento) non può essere implementata. L’output dell’AI viene prima fatto passare attraverso questi vincoli di sicurezza e poi presentato all’operatore autorizzato per l’approvazione; L'ottimizzazione non ostacola mai un vincolo di sicurezza.
6. Quale costo viene spesso trascurato e fuorvia il profitto quando si stabilisce la strategia di arbitraggio (acquista a buon mercato, vendi a alto) con l’intelligenza artificiale nel settore dello stoccaggio delle batterie?
- A) Canone di connessione ad Internet
- B) Degrado (usura) e costo di perdita di efficienza per ciclo ✔
- C) Durata del coffee break del personale
- D) Colore della batteria
Descrizione: Ogni ciclo di carica-scarica consuma la batteria; il degrado (perdita della salute) è un costo reale ed esaurisce i limiti della garanzia. Un’analisi di arbitraggio che consideri solo la differenza di prezzo sovrastimerà il profitto e ridurrà la durata della batteria se ignora il costo di degrado e la perdita di efficienza per ciclo.
7. Qual è l'equilibrio chiave nel determinare il valore soglia di un modello di rilevamento delle anomalie nella manutenzione predittiva?
- A) Equilibrio consapevole tra falsi allarmi e costi per mancati guasti ✔
- B) La soglia dovrebbe essere sempre mantenuta la più bassa possibile
- C) La soglia è determinata esclusivamente osservando la percentuale di precisione del modello
- D) Una volta fissata la soglia, non dovrebbe mai essere modificata.
Spiegazione: Se la soglia si abbassa, i falsi allarmi (allarmi in assenza di guasto) aumentano e il team diventa diffidente nei confronti degli allarmi; Se la soglia viene aumentata, aumenta il rischio di un mancato guasto (mancare il guasto effettivo). La soglia corretta è un equilibrio consapevole tra il costo di un falso allarme e il costo di un guasto mancato (ad esempio l'esplosione del trasformatore) e viene regolata in base alla criticità dell'apparecchiatura.
8. Qual è la logica di base del quadro di misurazione e verifica (M&V) per verificare una dichiarazione di risparmio in un progetto di efficienza energetica?
- R) Ogni diminuzione dell'importo della fattura è considerata un risparmio diretto
- B) Il risparmio è la differenza tra il valore di riferimento corretto e il consumo misurato ✔
- C) Il risparmio è dichiarato solo al valore di catalogo del produttore
- D) Risparmio pari a quanto previsto dal modello
Spiegazione: i risparmi non possono essere misurati direttamente; Ciò che viene misurato è il consumo dopo aver preso le dovute precauzioni. Il risparmio è la differenza tra il consumo misurato e il valore di riferimento “ciò che verrebbe consumato senza la misura”. Pertanto il modello di base deve essere corretto per variabili quali condizioni meteorologiche/produzione, i risparmi calcolati rispetto a questo riferimento aggiustato.
9. Perché il "overfitting" è particolarmente pericoloso nel modello di previsione dei prezzi dell'elettricità?
- R) Perché rallenta il modello
- B) Memorizza il rumore del passato, crolla nel futuro, soprattutto quando cambia il regime, e inganna con elevata sicurezza ✔
- C) Solo perché utilizza più memoria
- D) Perché rende la grafica difficile da leggere
Spiegazione: si verifica un overfitting quando il modello memorizza rumore e modelli nei dati storici che non si ripeteranno; Il backtest sembra perfetto ma si blocca in futuro. Quando il regime dei dati sui prezzi cambia (shock del prezzo del carburante, modifica della legislazione), il modello memorizzato diventa non valido e porta a offerte errate con elevata sicurezza.
10. Perché il concetto di intensità oraria di carbonio (valore gCO2 di un kWh di elettricità in quell'ora) è importante per lo spostamento del carico?
- R) La densità del carbonio è la stessa ogni ora, quindi non ha importanza
- B) Perché influisce solo sull'importo della fattura
- C) Varia ogni ora in base alla quota rinnovabile; Lo spostamento del carico flessibile verso un'ora a bassa intensità riduce le emissioni ✔
- D) Perché è relativa alla sola tariffa notturna
Spiegazione: l’intensità di carbonio della rete varia ogni ora: è bassa durante le ore in cui la produzione rinnovabile è elevata ed elevata durante le ore di punta quando le centrali elettriche fossili entrano in funzione. Lo spostamento dei carichi flessibili verso le ore di punta consente di consumare la stessa energia ma produrre meno emissioni. Il fattore medio annuo nasconde questa opportunità.
11. Cosa significa "fuga di dati" in un codice di analisi Python prodotto dall'intelligenza artificiale e perché è pericoloso?
- A) Eliminazione dei dati dal disco
- B) Il modello utilizza informazioni future nella formazione che non saranno disponibili al momento della previsione; il test è buono ma la realtà è pessima ✔
- C) I dati non hanno altro significato se non quello di diffondersi su Internet
- D) Il codice viene eseguito molto lentamente
Spiegazione: La perdita di dati avviene quando il modello accede a informazioni che verranno effettivamente trovate in futuro durante l'addestramento; ad esempio, utilizzando come attributo il valore effettivo dell'ora da prevedere. Ciò si traduce in un backtesting perfetto ma inutile in realtà. Il confine passato/futuro nelle serie temporali deve essere attentamente mantenuto nel codice.
12. Qual è l'approccio corretto quando si inviano i dati SCADA della società energetica a uno strumento di intelligenza artificiale generale?
- R) L'invio di tutti i dati così come sono fornisce i risultati più accurati
- B) Anonimizzare i dati e condividere solo il sottoinsieme tecnico necessario con uno strumento approvato ✔
- C) La precauzione non è necessaria perché i dati sono comunque aperti
- D) È sufficiente cambiare solo il nome del file
Descrizione: I dati SCADA e sulla topologia di rete sono informazioni critiche sull'infrastruttura; Inviarlo a un cloud pubblico così com’è comporta rischi per la privacy, la concorrenza e la sicurezza informatica. L'approccio corretto è quello di anonimizzare i nomi di siti/risorse con tag rappresentativi, condividere solo il sottoinsieme tecnico richiesto per l'attività e optare per strumenti approvati/chiusi dall'istituzione.
13. Perché il "fattore di capacità" (il rapporto tra l'energia prodotta e l'energia che sarebbe prodotta se funzionasse continuamente a piena capacità) viene utilizzato come ancora di ragionevolezza nelle previsioni sulla produzione eolica?
- R) Perché è un numero solo per scopi di marketing
- B) Perché ha dato direttamente la fattura
- C) Perché è un criterio fisico che verifica l'ordine di grandezza della previsione, con un intervallo tipico noto (circa 25-45%) ✔
- D) Perché determina il colore della turbina
Descrizione: Il fattore di capacità dei parchi eolici onshore è generalmente compreso tra circa il 25 e il 45%. Una previsione è fisicamente non plausibile se prevede una produzione sulla media a lungo termine che è ben al di fuori di questo intervallo (ad esempio, 90%). Questo rapporto consente di testare l'ordine di grandezza della previsione senza entrare nei dettagli.
14. Come può essere definito con maggiore precisione il ruolo dell’intelligenza artificiale nelle decisioni relative a un sistema energetico critico per la sicurezza?
- A) L'intelligenza artificiale può sostituire l'approvazione dell'ingegnere autorizzato
- B) L'intelligenza artificiale genera ipotesi e schemi; L'approvazione e la responsabilità della decisione critica per la sicurezza spetta al tecnico autorizzato ✔
- C) Se l’intelligenza artificiale è abbastanza potente, la conferma umana non è necessaria
- D) L'output dell'IA è inutile e dovrebbe essere completamente ignorato
Descrizione: L'intelligenza artificiale è un potente assistente che legge velocemente, coglie schemi, produce bozze; ma non sostituisce l'approvazione e la responsabilità di un esperto competente nelle decisioni critiche per la sicurezza come la regolazione della protezione, il caricamento del trasformatore, la manovra della rete. L’intelligenza artificiale genera ipotesi e schemi; L'ingegnere autorizzato dà la decisione e la firma.