Ieguvumi:
- Spēja noteikt, kur mākslīgais intelekts rada patiesu vērtību energosistēmu inženierijas darbplūsmā un par kādiem lēmumiem ir jāatbild inženierim
- Spēja pielietot trīs enkura disciplīnas, kas savstarpēji apstiprina katru AI izvadi ar lieluma secību, inženiertehnisko ticamību un lauka/mērījumu pierādījumiem
- Apgūstiet ieradumu izveidot drošus uzvednes, apzinoties nenoteiktības, halucināciju, datu privātuma un tīkla drošības riskus un anonimizējot kontekstu.
Energosistēmu inženierija nodarbojas ar biznesu, kas nekad neapstājas. Elektroenerģija ir jāpatērē, tiklīdz tā ir saražota; Ja piedāvājums un pieprasījums netiek uzturēts līdzsvarā katru sekundi, frekvence mainīsies, aktivizēsies aizsardzības sistēmas un sliktākajā gadījumā liela teritorija iegrims tumsā. Tāpēc energosistēmas ir joma, kurā kļūdu robeža ir maza un rezultāti ir lieli. Mākslīgais intelekts (AI; programmatūras sistēmas, kas mācās no lieliem datu modeļiem un veido tekstu, attēlus vai skaitļus) ir lielisks paātrinātājs šajā jomā: miljoniem metru ierakstu skenēšana sekundēs, laikapstākļu prognozes pārvēršana ražošanā, transformatora darbības traucējumu klusuma pazīme. Bet tas pats mākslīgais intelekts var maskēt to pašu nenoteiktību ar pārliecinošu valodu. Šī vienība liek divus pamatus, uz kuriem tiks veidots viss modulis: kur enerģijas darbplūsmā AI rada reālu vērtību un kā mēs apstiprinām katru izvadi.
Būsim skaidrs jau no paša sākuma: nekādi paņēmieni, kurus apgūstat šajā modulī, nav paredzēti, lai aizstātu kvalificēta enerģētiķa parakstu, lauka mērījumus un inženiertehniskos vērtējumus. Mākslīgais intelekts ir palīgs; Ātri lasa, ātri raksta, tver rakstus. Bet, ja relejs ir iestatīts nepareizi, transformators ir pārslogots, uzglabāšanas sistēma pāriet termiski vai tīkls kļūst nestabils prognozes kļūdas dēļ, atbildība gulstas uz inženieri, kurš parakstījās, nevis programmatūra. Jūs redzēsiet šo teikumu dažādās formās katrā moduļa vienībā, jo tā ir vienīgā patiesība drošībai kritiskajā inženierijā.
Kur mākslīgais intelekts rada vērtību enerģijas darbplūsmā?
Enerģētiķa nedēļa ir aptuveni sadalīta trīs darba veidos: datu sagatavošana (SCADA žurnālu dzēšana, skaitītāju datu organizēšana, vienību standartizācija), analīze un prognozēšana (slodzes prognozēšana, ražošanas prognozēšana, anomāliju noteikšana, optimizācija) un komunikācija (atskaite, prezentācija, priekšlikums, normatīvā piemērošana). AI skar visas trīs jomas, taču tā ieguldījums un risks katrā ir atšķirīgs.
Īsi precizēsim terminus: SCADA (Supervisory Control and Data Acquisition) ir sistēma, kas savāc momentālus mērījumus no elektrostacijas un tīkla iekārtām un nodrošina attālinātu uzraudzību/vadību. Viedais skaitītājs ir elektrības skaitītājs, kas mēra patēriņu un pārraida to attālināti, parasti ar 15 minūšu intervālu.
Datu sagatavošana ir visdrošākā un ienesīgākā mākslīgā intelekta joma. Atšķirīgu vērtību atzīmēšana tūkstošiem skaitītāja izvades rindu, nekonsekventu vienību standartizēšana (piemēram, kW sajaukšana ar kWh), brīvā teksta kļūdu piezīmju tulkošana strukturētā tabulā — tie ir atkārtoti, uz noteikumiem balstīti, viegli pārbaudāmi uzdevumi. Pat ja šeit ir kļūda, būs nepieciešamas minūtes, lai atgrieztos pie avota (neapstrādāts ieraksts) un pārbaudītu.
Analīzes un prognozēšanas jomai ir visaugstākā vērtība un lielākais risks. Mākslīgais intelekts var paredzēt rītdienas slodzes līkni, saules elektrostacijas ražošanu pusdienlaikā vai turbīnas gultņa noslieci uz neveiksmi. Tas atklāj modeļus, kurus cilvēka acs var nepamanīt. Taču viens un tas pats modelis var droši iederēties neesošam modelim (šo parādību sauc par halucinācijām: modelis rada informāciju, kas patiesībā neeksistē, it kā tā būtu īsta). Šajā jomā AI ir hipotēžu ģenerators, nevis lēmumu pieņēmējs.
Sakaru jomā mākslīgais intelekts ir vilkmes paātrinātājs. Dažu minūšu laikā sastāda priekšizpētes ziņojuma, normatīvā īsziņas vai klienta e-pasta sadaļu par metodi. Šeit pastāv risks, ka izdomāts tiesību akts vai nepareizs numurs var nepamanīti parakstīt plūstošajā tekstā.
Validācijas disciplīna: Trīs enkuru noteikums
Šī moduļa būtība ir viens ieradums: neiestrādāt AI izvadi inženiertehniskajā lēmumā, to neapstiprinot. Mēs pamatojam validāciju uz trim neatkarīgiem enkuriem.
Pirmais enkurs — lieluma kārta. Vai rezultāts ir aptuveni paredzētajā diapazonā no 10? Dzīvesvietas gada patēriņš parasti ir tūkstošos kWh; Ja modelis dod 5 miljonus kWh par dzīvokli, ir mērvienības vai rediģēšanas kļūda un to var saprast, neiedziļinoties. Sadales transformatora jauda svārstās no simtiem kVA līdz vairākiem MVA; 500 MVA ir smieklīgi apkaimes transformatoram. Šī pārbaude aizņem sekundes un konstatē lielāko daļu kļūdu.
Otrais enkurs — inženiertehniskā ticamība. Vai izvade atbilst sistēmas fizikas un biznesa loģikai? Tas pārkāpj fizikas likumus, lai saules elektrostacija ražotu naktī, slodze uzrāda negatīvu patēriņu (ja nav ražošanas), akumulatora efektivitāte ir virs 100 procentiem. Enerģijas taupīšana, jaudas koeficienta ierobežojumi, iekārtu nominālie rādītāji — tie ir saprātīguma filtri, kas jāiztur katrai produkcijai.
Trešais enkurs — mērījumu/lauka pierādījumi. Šis ir spēcīgākais enkurs. Skaitītāja mērījumi, faktiskie ražošanas dati, lauka pārbaude. Slodzes prognoze tiek salīdzināta ar faktisko patēriņu. Bojājuma prognoze tiek pārbaudīta ar lauka pārbaudi un vibrācijas mērījumiem. Pamata patiesība vienmēr uzvar; Neatkarīgi no tā, cik pārliecināts modelis runā, galavārds ir mērījumam terminālī.
Padoms: iegaumējiet trīs enkurus kā kontrolsarakstu: "Vai secība ir pareiza? Vai fizika ir saprātīga? Ko saka mērījumi?" Šie trīs jautājumi aptver lielāko daļu kļūdu enerģijas analīzē pirms ziņojuma parakstīšanas.
Trīs mini futrāļi: pēc skaitļiem
1. gadījums — laika ietaupījums skaitītāja tīrīšanā. Sadales uzņēmuma analītiķis manuāli tīrīja mēneša 15 minūšu skaitītāja datus par 1200 abonentiem (apmēram 2880 rindas vienam abonentam); Sakaru pārtraukumu un ierakstu dublikātu radītie pārtraukumi ilga vairākas dienas. Automatizēta nepilnību un dublēšanās noteikšana ar mākslīgā intelekta atbalstītu noteikumu ģenerēšanu; vizuāli apstiprināja atzīmētos ierakstus. Process tika samazināts no aptuveni trim dienām līdz pusei dienas, un ietaupītais laiks tika tērēts pārbaudei.
2. gadījums — fiksētas halucinācijas. Kad stažieris lika AI apkopot reģiona izplatīšanas noteikumus, tekstā bija teikums "Saskaņā ar regulas 47. pantu spēkstacijām jāsinhronizējas ar tīklu 30 sekunžu laikā." Tādas vielas nebija; Modelis bija radījis saprātīga izskata, bet fiktīvu numuru. Ieradums atgriezties pie avota dokumenta pieķēra kļūdu pirms paraksta.
3. gadījums — vienības kļūda. Vienā enerģijas ietaupījuma aprēķinos modelis sajauca jaudu (kW) ar enerģiju (kWh) un par zemu novērtēja 24 stundu patēriņu 24 reizes. “Vai šī ēka patērē tikai 40 kWh dienā vai 960 kWh?” Lieluma pakāpes pārbaude nekavējoties atklāja kļūdu; norēķinu dati apstiprināja 960 kWh diapazonu.
Vāja uzvedne / spēcīga uzvedne
Vāja uzvedne:
Komentējiet šīs spēkstacijas efektivitāti un ierosiniet uzlabojumus.[dati]
Spēcīga uzvedne:
Jūsu loma: vecākais energosistēmu inženieris. Komentējiet TIKAI šādus datus, pamatojoties uz norādītajiem skaitļiem. - Nepievienojiet vērtības, reglamentējošus punktus vai pieņēmumus, kas nav datos. - Blakus katram komentāram iekavās norādiet datu rindu/kolonnu, uz kuru balstāties. - Katram skaitliskajam rezultātam skaidri ierakstiet vienību (norādiet kW vai kWh).
Spēcīgā uzvedne modelim uzliek trīs lietas: pieturēties pie avota, skaidri norādīt vienību un atzīt nenoteiktību. Tas pilnībā neizbeidz halucinācijas, bet padara to redzamu.
Četras kopējamas veidnes
1) Anonimizēta konteksta izveide:
Meklēju palīdzību energosistēmu inženiera uzdevumā. Uzņēmums, lauka nosaukums, koordinātas un klienta informācija ir KONFIDENCIĀLI; Došu tos ar reprezentatīvām etiķetēm, piemēram, "Field-A", "Feeder-3". Quest: [quest]. Pamatojoties tikai uz manis sniegtajiem tehniskajiem datiem; Es neprasīšu kritiskās infrastruktūras detaļas.
2) Trīs enkura verifikācijas pieprasījumi:
Trīs reizes pārbaudiet šādu rezultātu un katru norādiet atsevišķā virsrakstā: 1) Lieluma secība: vai katrs skaitlis ir paredzētajā diapazonā? Ja nē, pārbaudiet.2) Fiziskā/inženiertehniskā ticamība: vai ir pārkāpti enerģijas taupīšanas rādītāji, aprīkojuma reitings, darbības loģika?3) Pārbaudes ieteikums: kādi mērījumi/lauka pierādījumi pārbauda šo rezultātu?
3) Vienību un pieņēmumu kontrole:
Soli pa solim pārbaudiet aprēķinu zemāk. Katrā rindā ierakstiet izmantoto vienību, skaidri norādot vienību pārrēķinus (kW→kWh, MWh→GWh utt.). Apkopojiet slēptos pieņēmumus atsevišķā sarakstā. Ja rezultāts ir fiziski neiespējams, skaidri norādiet to.
4) Lēmuma atbalsta kopsavilkums:
Pārvērtiet šo analīzi inženierijas lēmuma piezīmē: (a) konstatējums, (b) dati, uz kuriem tā balstās, (c) nenoteiktība/risks, (d) daļas, kurām nepieciešams autorizēts apstiprinājums. Izmantojiet valodu “ieteikums lēmumam”, nevis “nolemts”.
Bieži lietoto terminu tabula
termiņš
Īss apraksts
slodze
Noteiktā brīdī patērētā elektriskā jauda (kW/MW)
Pieprasījuma prognoze
Nākotnes slodzes prognozēšana
Jaudas koeficients
Saražotās enerģijas attiecība pret enerģiju, kas tiktu saražota, nepārtraukti darbojoties ar pilnu jaudu
frekvence
Tīkla maiņstrāvas svārstību ātrums (50 Hz Turkijā), piedāvājuma un pieprasījuma līdzsvara rādītājs
halucinācijas
AI rada neesošu informāciju, it kā tā būtu īsta
trīs enkuri
Pasūtījums + fizikas ticamība + mērījumu pierādījumu pārbaudes disciplīna
Biežas kļūdas
- Plūsmu sajauc ar precizitāti. Tas, ka teksts ir pareizs, nenozīmē, ka skaitļi ir pareizi. Enerģijas datos vienība un secība vienmēr tiek pārbaudīta atsevišķi.
- Vienības atstājot nenoteiktas. Sajaukšana starp kW un kWh, MW un MWh ir visizplatītākā un dārgākā kļūda enerģijas aprēķinos.
- Kopīgojiet kritiskos datus tādus, kādi tie ir. SCADA un tīkla topoloģija ir kritiska infrastruktūra; Tas netiek nosūtīts uz publisku rīku bez anonimizācijas.
- AI maldināšana lēmumu pieņemšanā. Drošībai kritiskos lēmumos AI ģenerē ieteikumus; Lēmumu un atbildību uzņemas pilnvarotais inženieris.
- Paļaujoties uz vienu enkuru. Nepietiek tikai ar to, ka "modelis izskatās drošs" vai tikai ar ranga pārbaudi; Trīs enkuri tiek izmantoti kopā.
Uzmanību! Informācijas, piemēram, režģa topoloģijas, aizsardzības iestatījumu vai kritisko līdzekļu atrašanās vietu ievadīšana AI rīkā ir gan privātuma, gan kiberdrošības ievainojamība. Šādi dati tiek apstrādāti tikai iestādes apstiprinātās slēgtās sistēmās.
Rezumējot
Mākslīgais intelekts ietaupa ievērojamu laiku datu sagatavošanā, analīzē/prognozēšanā un saziņā enerģētikas inženierijā; bet analīzes un prognozēšanas joma, kurai ir visaugstākā vērtība, arī rada vislielāko risku. Šī moduļa mugurkauls ir disciplīna, kas pārbauda katru izvadi pret trim enkuriem — lieluma secību, inženiertehnisko ticamību un mērījumu pierādījumus. Nekādi ar drošību saistīti lēmumi netiek atstāti AI izvadei bez pilnvarotā inženiera apstiprinājuma.
Lietojumprogrammas uzdevums
Saņemiet slodzes vai ražošanas prognozi nākamajai dienai no savas darba vietas (vai atklātā piemēra). Izmantojot iepriekš esošo veidni “Trīs enkura validācijas pieprasījumi”, lūdziet AI pārbaudīt izvadi trīs virsrakstos. Pēc tam pārbaudiet katru nosaukumu ar savu roku: vai secība ir pareiza, vai fizika ir saprātīga, ar kādu metriku jūs to pārbaudītu? Uzrakstiet rindkopā vismaz vienu atrasto problēmu un to, kā to pamanījāt.
kontrolsaraksts
- [ ] Es klasificēju uzdevumu kā datu sagatavošanu / analīzi / saziņu un novērtēju tā risku
- [ ] Es pārbaudīju izvadi pēc lieluma
- [ ] Es pārbaudīju izvades atbilstību fizikas un inženierijas ticamībai
- [ ] Esmu noteicis, kuri mērījumi/lauka pierādījumi tiks pārbaudīti
- [ ] Es skaidri pārbaudīju visas vienības (kW/kWh, MW/MWh).
- [ ] Es anonimizēju kritiskos/konfidenciālos datus, nekopīgoju kritiskās infrastruktūras informāciju
- [ ] Es atzīmēju, ka drošībai kritiskais lēmums paliek ar pilnvarotā inženiera apstiprinājumu