Keuntungan:
- Keupayaan untuk mewujudkan aliran kerja analisis Python hujung ke hujung daripada data ke laporan dengan bantuan kecerdasan buatan
- Keupayaan untuk mengesahkan kod yang dijana dari segi keserasian unit, kebocoran dan kebolehulangan
- Keupayaan untuk meletakkan etika, kerahsiaan, keselamatan siber dan had tanggungjawab jurutera dalam amalan dalam projek tenaga
Peperiksaan Modul
1. Antara berikut, yang manakah prinsip asas yang menentukan risiko keluaran AI dalam kejuruteraan sistem tenaga?
- A) Risiko output adalah sama dengan kemudaratan yang akan ditimbulkan jika output itu rosak; skala pengesahan sewajarnya ✔
- B) Output AI secara amnya selamat kerana ia ditulis dengan lancar dan yakin
- C) Pengesahan tidak diperlukan apabila model terkini digunakan
- D) Jika output merujuk kepada standard, tiada kawalan tambahan diperlukan
Penjelasan: Risiko keluaran adalah sama dengan kemudaratan yang akan ditimbulkannya jika keluaran itu rosak. Walaupun ralat kecil dalam teks pembentangan mungkin tidak berbahaya, ralat dalam tetapan perlindungan geganti atau keputusan memuatkan pengubah boleh menyebabkan kerosakan peralatan, gangguan dan risiko keselamatan nyawa; jadi skala keamatan pengesahan dengan potensi bahaya.
2. Apakah perangkap yang paling biasa apabila menyediakan data siri masa tenaga dengan kecerdasan buatan dan yang paling banyak memesongkan keputusan?
- A) Pemilihan warna grafik yang salah
- B) Zon waktu, masa penjimatan siang dan kekeliruan label cap masa ✔
- C) Nama fail terlalu panjang
- D) Menyimpan data dalam Excel dan bukannya CSV
Penjelasan: Kecelaruan teg mula/tamat zon waktu, waktu penjimatan siang (DST) dan cap waktu adalah sangat biasa dalam data tenaga; syif satu jam memesongkan keseluruhan analisis jenis hari dan jam puncak. Oleh itu, paksi masa harus diseragamkan sebelum setiap analisis dan output AI harus diuji terhadap sauh fizikal seperti matahari terbit/waktu puncak.
3. Situasi yang manakah menunjukkan bahawa walaupun MAPE (Min Peratusan Mutlak Ralat) dalam ramalan beban jangka pendek kelihatan rendah, ramalan itu mungkin masih tidak boleh dipercayai?
- A) MAPE sentiasa merupakan ukuran kualiti ramalan yang lengkap dan mencukupi
- B) Walaupun purata adalah rendah, mungkin terdapat sisihan sistematik pada waktu puncak dan di situlah grid adalah kritikal ✔
- C) MAPE hanya bermakna dalam ramalan jangka panjang
- D) MAPE rendah membuktikan bahawa model itu betul dari segi fizikal
Penjelasan: MAPE ialah ralat purata; Walaupun jumlahnya kelihatan baik, mungkin terdapat sisihan sistematik dalam waktu puncak dan peralihan bermusim. Imbangan rangkaian adalah kritikal tepat pada saat-saat puncak ini, jadi hanya kerana metrik purata adalah baik tidak boleh dianggap selamat untuk diramalkan; Kesilapan harus dianalisis secara berasingan berdasarkan masa dan rejim.
4. Apakah batas atas fizikal yang paling teguh untuk menguji kewajaran ramalan pengeluaran loji solar?
- A) Jumlah bil tahun lepas
- B) Siling pengeluaran fizikal dihadkan oleh sinaran, kawasan panel dan kuasa terpasang (termasuk sifar pada waktu malam) ✔
- C) Peratusan keyakinan yang diberikan oleh model
- D) Pengukuran kelajuan angin
Penerangan: Sebuah loji kuasa solar tidak boleh menghasilkan lebih daripada sinaran suria dan kapasiti panel yang dibenarkan; Pengeluaran dijangka sifar pada waktu malam, memuncak sekitar tengah hari, dan dihadkan oleh kuasa terpasang dan kawasan modul. Ia adalah mustahil secara fizikal jika model memberikan nilai melebihi pengeluaran malam atau kapasiti dipasang. Semakan ini menghapuskan ramalan tanpa melihat statistik.
5. Apakah penapis yang perlu dilalui oleh cadangan pengoptimuman AI sebelum dilaksanakan secara langsung dalam grid pintar?
- A) Cukuplah cadangan menyediakan kos terendah sahaja.
- B) Memadai untuk model dilatih dengan ketepatan yang tinggi
- C) Kekangan keselamatan (voltan, haba, N-1) kawalan dan kelulusan pengendali yang dibenarkan ✔
- D) Adalah memadai bahawa pengesyoran itu sesuai dengan data sejarah
Penerangan: Rangkaian adalah kritikal keselamatan: sebarang pengesyoran yang melanggar kekangan voltan, arus, haba dan N-1 (kegagalan elemen) tidak dapat dilaksanakan. Output AI mula-mula melepasi kekangan keselamatan ini dan kemudian dibentangkan kepada pengendali yang diberi kuasa untuk kelulusan; Pengoptimuman tidak pernah menghalang kekangan keselamatan.
6. Kos manakah yang sering diabaikan dan mengelirukan keuntungan apabila mewujudkan strategi arbitraj (beli murah, jual tinggi) dengan AI dalam perniagaan penyimpanan bateri?
- A) Bayaran sambungan Internet
- B) Kemerosotan (haus) dan kos kehilangan kecekapan setiap kitaran ✔
- C) Tempoh rehat kopi kakitangan
- D) Warna bateri
Perihalan: Setiap kitaran cas-nyahcas haus bateri; kemerosotan (kehilangan kesihatan) adalah kos sebenar dan menghabiskan had jaminan. Analisis arbitraj yang hanya melihat perbezaan harga akan melebihkan keuntungan dan memendekkan hayat bateri jika ia mengabaikan kos degradasi dan kehilangan kecekapan setiap kitaran.
7. Apakah baki utama semasa menentukan nilai ambang model pengesanan anomali dalam penyelenggaraan ramalan?
- A) Keseimbangan sedar antara penggera palsu dan kos kegagalan terlepas ✔
- B) Ambang hendaklah sentiasa dikekalkan serendah mungkin
- C) Ambang ditentukan semata-mata dengan melihat peratusan ketepatan model
- D) Sebaik sahaja ambang ditetapkan, ia tidak boleh diubah.
Penjelasan: Jika ambang diturunkan, penggera palsu (penggera apabila tiada kesalahan) meningkat dan pasukan menjadi tidak percaya dengan penggera; Jika ambang dinaikkan, risiko kesalahan terlepas (terlepas kesalahan sebenar) meningkat. Ambang yang betul ialah keseimbangan sedar antara kos penggera palsu dan kos kesalahan yang tidak dijawab (cth. letupan transformer) dan dilaraskan mengikut kritikal peralatan.
8. Apakah logik asas rangka kerja pengukuran dan pengesahan (M&V) untuk mengesahkan tuntutan penjimatan dalam projek kecekapan tenaga?
- A) Setiap penurunan dalam jumlah invois dianggap sebagai penjimatan langsung
- B) Simpanan ialah perbezaan antara garis dasar yang diselaraskan dan penggunaan terukur ✔
- C) Penjimatan diisytiharkan hanya pada nilai katalog pengeluar
- D) Simpanan sama dengan apa yang diramalkan oleh model
Penjelasan: Simpanan tidak boleh diukur secara langsung; Apa yang diukur ialah penggunaan selepas mengambil langkah berjaga-jaga. Penjimatan ialah perbezaan antara penggunaan yang diukur dan garis dasar 'apa yang akan digunakan tanpa ukuran'. Jadi model garis dasar mesti diperbetulkan untuk pembolehubah seperti cuaca/pengeluaran, penjimatan dikira terhadap rujukan terlaras ini.
9. Mengapakah 'overfitting' amat berbahaya dalam model ramalan harga elektrik?
- A) Kerana ia memperlahankan model
- B) Ia menghafal bunyi masa lalu, runtuh pada masa hadapan, terutamanya apabila rejim berubah, dan menyesatkan dengan keyakinan yang tinggi ✔
- C) Hanya kerana ia menggunakan lebih banyak memori
- D) Kerana ia menjadikan grafik sukar dibaca
Penjelasan: Overfitting ialah apabila model menghafal bunyi dan corak dalam data sejarah yang tidak akan berulang; Ujian belakang kelihatan sempurna tetapi ranap pada masa hadapan. Apabila data harga berubah rejim (kejutan harga bahan api, perubahan perundangan), corak yang dihafal menjadi tidak sah dan membawa kepada pembidaan yang salah dengan keyakinan yang tinggi.
10. Mengapakah konsep keamatan karbon setiap jam (nilai gCO2 bagi satu kWj elektrik dalam jam itu) penting untuk peralihan beban?
- A) Ketumpatan karbon adalah sama setiap jam, jadi tidak mengapa
- B) Kerana ia hanya mempengaruhi jumlah invois
- C) Berbeza setiap jam bergantung kepada bahagian boleh diperbaharui; Mengalihkan beban fleksibel kepada jam berintensiti rendah mengurangkan pelepasan ✔
- D) Kerana ia hanya berkaitan dengan tarif malam
Penjelasan: Keamatan karbon grid berbeza-beza setiap jam: ia adalah rendah semasa waktu penjanaan boleh diperbaharui tinggi dan tinggi semasa waktu puncak apabila loji kuasa fosil datang dalam talian. Mengalihkan beban fleksibel kepada waktu puncak rendah membolehkan penggunaan tenaga yang sama tetapi menghasilkan pelepasan yang lebih sedikit. Faktor tahunan purata menyembunyikan peluang ini.
11. Apakah yang dimaksudkan dengan 'kebocoran data' dalam kod analisis Python yang dihasilkan oleh kecerdasan buatan dan mengapa ia berbahaya?
- A) Memadam data daripada cakera
- B) Model menggunakan maklumat masa depan dalam latihan yang tidak akan tersedia pada masa ramalan; ujian itu baik tetapi realitinya buruk ✔
- C) Data tidak mempunyai makna selain daripada bocor ke internet
- D) Kod berjalan sangat perlahan
Penjelasan: Kebocoran data ialah apabila model mengakses maklumat yang sebenarnya akan ditemui pada masa hadapan semasa latihan; contohnya, menggunakan nilai sebenar jam untuk diramalkan sebagai atribut. Ini menghasilkan ujian belakang yang sempurna tetapi tidak berguna dalam realiti. Sempadan masa lalu/masa hadapan dalam siri masa mesti dikekalkan dengan teliti dalam kod.
12. Apakah pendekatan yang betul apabila menghantar data SCADA syarikat tenaga kepada alat AI am?
- A) Menghantar semua data sebagaimana adanya memberikan hasil yang paling tepat
- B) Menganonimkan data dan berkongsi hanya subset teknikal yang diperlukan dengan alat yang diluluskan ✔
- C) Langkah berjaga-jaga adalah tidak perlu kerana data tetap terbuka
- D) Hanya menukar nama fail sudah memadai
Penerangan: SCADA dan data topologi rangkaian ialah maklumat infrastruktur kritikal; Menghantarnya ke awan awam yang menimbulkan risiko privasi, persaingan dan keselamatan siber. Pendekatan yang betul adalah untuk menamakan nama tapak/aset dengan teg wakil, berkongsi hanya subset teknikal yang diperlukan untuk tugas itu dan memilih alat yang diluluskan/ditutup oleh institusi.
13. Mengapakah 'faktor kapasiti' (nisbah tenaga yang dihasilkan kepada tenaga yang akan dihasilkan jika ia beroperasi secara berterusan pada kapasiti penuh) digunakan sebagai sauh kewajaran dalam peramalan pengeluaran angin?
- A) Kerana ia adalah nombor untuk tujuan pemasaran sahaja
- B) Sebab dia bagi invois terus
- C) Kerana ia adalah kriteria fizikal yang menguji susunan magnitud ramalan, dengan julat tipikal yang diketahui (kira-kira 25-45%) ✔
- D) Kerana ia menentukan warna turbin
Penerangan: Faktor kapasiti ladang angin darat biasanya dalam julat kira-kira 25-45 peratus. Ramalan adalah tidak munasabah secara fizikal jika ia meramalkan pengeluaran pada purata jangka panjang yang jauh di luar julat ini (mis., 90 peratus). Nisbah ini membolehkan anda menguji susunan magnitud ramalan tanpa membuat perincian.
14. Bagaimanakah peranan kecerdasan buatan dalam keputusan sistem tenaga kritikal keselamatan boleh ditakrifkan dengan paling tepat?
- A) AI boleh menggantikan kelulusan jurutera yang dibenarkan
- B) AI menjana hipotesis dan garis besar; Kelulusan dan tanggungjawab untuk keputusan kritikal keselamatan kekal dengan jurutera yang diberi kuasa ✔
- C) Jika AI cukup berkuasa, pengesahan manusia tidak diperlukan
- D) Output AI tidak berguna dan harus diabaikan sepenuhnya
Penerangan: Kecerdasan buatan ialah pembantu berkuasa yang membaca dengan cepat, menangkap corak, menghasilkan draf; tetapi ia tidak menggantikan kelulusan dan tanggungjawab pakar yang cekap dalam keputusan kritikal keselamatan seperti pelarasan perlindungan, pemuatan transformer, manuver rangkaian. AI menjana hipotesis dan garis besar; Jurutera yang diberi kuasa memberikan keputusan dan tandatangan.