Winst:
- Mogelijkheid om een end-to-end Python-analyseworkflow op te zetten van gegevens tot rapporten met behulp van kunstmatige intelligentie
- Mogelijkheid om de gegenereerde code te verifiëren in termen van unitcompatibiliteit, lekkage en reproduceerbaarheid
- Vermogen om ethiek, vertrouwelijkheid, cyberbeveiliging en verantwoordelijkheidsgrenzen van ingenieurs in de praktijk te brengen in energieprojecten
Module-examen
1. Welke van de volgende is het basisprincipe dat het risico van een AI-output in de engineering van energiesystemen bepaalt?
- A) Het risico van een output is gelijk aan de schade die het zou veroorzaken als die output gebrekkig zou zijn; validatie schaalt dienovereenkomstig ✔
- B) AI-uitvoer is over het algemeen veilig omdat het vloeiend en zelfverzekerd is geschreven
- C) Validatie is niet nodig als het meest actuele model wordt gebruikt
- D) Als de uitgang naar een standaard verwijst, is er geen extra controle nodig
Uitleg: Het risico van een output is gelijk aan de schade die deze zal veroorzaken als die output gebrekkig is. Hoewel een kleine fout in een presentatietekst onschadelijk kan zijn, kan een fout in een relaisbeschermingsinstelling of een beslissing over het laden van een transformator schade aan de apparatuur, uitval en levensveiligheidsrisico's veroorzaken; dus de verificatie-intensiteit schaalt met potentiële schade.
2. Wat is de meest voorkomende valkuil bij het voorbereiden van energietijdreeksgegevens met kunstmatige intelligentie en welke vertekent de resultaten het meest?
- A) Onjuiste selectie van grafische kleuren
- B) Verwarring van tijdzone, zomertijd en tijdstempellabels ✔
- C) De bestandsnaam is te lang
- D) Gegevens bijhouden in Excel in plaats van CSV
Uitleg: Verwarring van begin- en eindtags met betrekking tot tijdzone, zomertijd (DST) en tijdstempel komt zeer vaak voor in energiegegevens; een dienst van een uur verstoort de hele dagtype- en piekuuranalyse. Daarom moet de tijdas vóór elke analyse worden gestandaardiseerd en moet de AI-uitvoer worden getest aan de hand van fysieke ankers zoals zonsopgang/piektijd.
3. Uit welke situatie blijkt dat, hoewel de MAPE (Mean Absolute Percent Error) in een belastingsvoorspelling voor de korte termijn laag lijkt, de voorspelling nog steeds onbetrouwbaar kan zijn?
- A) MAPE is altijd een volledige en adequate maatstaf voor de kwaliteit van de voorspellingen
- B) Ook al is het gemiddelde laag, er kan sprake zijn van systematische afwijkingen in de piekuren en dat is waar het net van cruciaal belang is ✔
- C) MAPE is alleen zinvol bij langetermijnvoorspellingen
- D) Lage MAPE bewijst dat het model fysiek correct is
Uitleg: MAPE is een gemiddelde fout; Zelfs als het totaal er goed uitziet, kunnen er systematische afwijkingen optreden in de piekuren en seizoensovergangen. Netwerkbalans is juist op deze piekmomenten van cruciaal belang, dus het feit dat de gemiddelde maatstaf goed is, kan niet als veilig worden beschouwd om te voorspellen; De fout moet afzonderlijk worden geanalyseerd op basis van tijd en regime.
4. Wat is de meest robuuste fysieke bovengrens om de redelijkheid van de productievoorspelling van een zonne-energiecentrale te testen?
- A) De totale factuur van vorig jaar
- B) Fysiek productieplafond beperkt door straling, paneeloppervlak en geïnstalleerd vermogen (inclusief nul 's nachts) ✔
- C) Percentage vertrouwen gegeven door het model
- D) Meting van de windsnelheid
Omschrijving: Een zonne-energiecentrale kan niet meer produceren dan de zonnestraling en de paneelcapaciteit toelaten; De productie zal naar verwachting 's nachts nul zijn, met een piek rond het middaguur, en wordt beperkt door het geïnstalleerde vermogen en de moduleoppervlakte. Het is fysiek onmogelijk als het model een waarde gaf die hoger was dan de nachtproductie of het geïnstalleerde vermogen. Deze controle elimineert de voorspelling zonder naar de statistieken te kijken.
5. Wat is het filter waaraan een AI-optimalisatievoorstel moet voldoen voordat het direct in het smart grid wordt geïmplementeerd?
- A) Het is voldoende dat de suggestie alleen al de laagste kosten biedt.
- B) Het is voldoende dat het model met hoge nauwkeurigheid wordt getraind
- C) Controle van veiligheidsbeperkingen (spanning, thermisch, N-1) en goedkeuring van een bevoegde operator ✔
- D) Het is voldoende dat de aanbeveling past bij historische gegevens
Beschrijving: Het netwerk is van cruciaal belang voor de veiligheid: aanbevelingen die de spannings-, stroom-, thermische en N-1-beperkingen (elementstoring) schenden, kunnen niet worden geïmplementeerd. De AI-uitvoer wordt eerst aan deze beveiligingsbeperkingen onderworpen en vervolgens ter goedkeuring aan de geautoriseerde operator gepresenteerd; Optimalisatie staat nooit een beveiligingsbeperking in de weg.
6. Welke kosten worden vaak over het hoofd gezien en misleiden de winst bij het opzetten van de arbitragestrategie (koop goedkoop, verkoop hoog) met AI in de batterijopslagsector?
- A) Kosten voor internetverbinding
- B) Kosten van degradatie (slijtage) en efficiëntieverlies per cyclus ✔
- C) Duur van de koffiepauze van het personeel
- D) Kleur van de batterij
Beschrijving: Elke laad-ontlaadcyclus verslijt de batterij; degradatie (verlies van gezondheid) is een reële kostenpost en doet de garantielimieten vervallen. Een arbitrageanalyse die alleen naar het prijsverschil kijkt, zal de winst overschatten en de levensduur van de batterij verkorten als de degradatiekosten en het efficiëntieverlies per cyclus buiten beschouwing worden gelaten.
7. Wat is de belangrijkste balans bij het bepalen van de drempelwaarde van een anomaliedetectiemodel bij voorspellend onderhoud?
- A) Bewuste balans tussen vals alarm en gemiste faalkosten ✔
- B) De drempel moet altijd zo laag mogelijk gehouden worden
- C) De drempel wordt uitsluitend bepaald door te kijken naar het nauwkeurigheidspercentage van het model
- D) Als de drempel eenmaal is ingesteld, mag deze nooit meer worden gewijzigd.
Uitleg: Als de drempel wordt verlaagd, nemen de valse alarmen (alarmen terwijl er geen sprake is van een storing) toe en wordt het team wantrouwend tegenover alarmen; Als de drempel wordt verhoogd, neemt het risico op een gemiste fout (het missen van de daadwerkelijke fout) toe. De juiste drempel is een bewust evenwicht tussen de kosten van een vals alarm en de kosten van een gemiste fout (bijvoorbeeld een explosie van een transformator) en wordt aangepast aan de kriticiteit van de apparatuur.
8. Wat is de basislogica van het meet- en verificatiekader (M&V) voor het verifiëren van een besparingsclaim in een energie-efficiëntieproject?
- A) Elke verlaging van het factuurbedrag wordt beschouwd als een directe besparing
- B) De besparingen zijn het verschil tussen de aangepaste basislijn en het gemeten verbruik ✔
- C) Besparingen worden alleen aangegeven tegen de cataloguswaarde van de fabrikant
- D) Besparingen gelijk aan wat het model voorspelt
Toelichting: Besparingen zijn niet direct meetbaar; Wat gemeten wordt is het verbruik na het nemen van voorzorgsmaatregelen. De besparingen zijn het verschil tussen de gemeten consumptie en de basislijn 'wat zou er geconsumeerd worden zonder de maatregel'. Het basismodel moet dus worden gecorrigeerd voor variabelen zoals weer/productie, waarbij de besparingen worden berekend op basis van deze aangepaste referentie.
9. Waarom is 'overfitting' bijzonder gevaarlijk in het voorspellingsmodel voor de elektriciteitsprijzen?
- A) Omdat het het model vertraagt
- B) Het onthoudt het lawaai van het verleden, stort in de toekomst in, vooral wanneer het regime verandert, en misleidt met groot vertrouwen ✔
- C) Gewoon omdat het meer geheugen gebruikt
- D) Omdat het de afbeeldingen moeilijk leesbaar maakt
Uitleg: Van overfitting is sprake wanneer het model ruis en patronen in historische gegevens onthoudt die zich niet zullen herhalen; Backtesten ziet er perfect uit, maar crasht in de toekomst. Naarmate de prijsgegevens van regime veranderen (schok van de brandstofprijs, verandering van de wetgeving), wordt het opgeslagen patroon ongeldig en leidt dit tot onjuiste biedingen met groot vertrouwen.
10. Waarom is het concept van de koolstofintensiteit per uur (gCO2-waarde van één kWh elektriciteit in dat uur) belangrijk voor lastverschuiving?
- A) De koolstofdichtheid is elk uur hetzelfde, dus het maakt niet uit
- B) Omdat het alleen invloed heeft op het factuurbedrag
- C) Varieert per uur, afhankelijk van het hernieuwbare aandeel; Het verschuiven van flexibele belasting naar uren met lage intensiteit vermindert de uitstoot ✔
- D) Omdat het alleen betrekking heeft op het nachttarief
Uitleg: De koolstofintensiteit van het elektriciteitsnet varieert per uur: deze is laag tijdens uren waarop de opwekking van hernieuwbare energie hoog is, en hoog tijdens piekuren wanneer fossiele energiecentrales in bedrijf komen. Door flexibele belastingen te verschuiven naar lage piekuren, kan dezelfde energie worden verbruikt, maar wordt er minder uitstoot geproduceerd. De gemiddelde jaarfactor verbergt deze kans.
11. Wat betekent 'datalekken' in een door kunstmatige intelligentie geproduceerde Python-analysecode en waarom is het gevaarlijk?
- A) Gegevens van schijf verwijderen
- B) Het model maakt tijdens de training gebruik van toekomstige informatie die op het moment van de voorspelling niet beschikbaar zal zijn; test is goed, maar realiteit is slecht ✔
- C) Gegevens hebben geen andere betekenis dan lekken naar internet
- D) De code werkt erg langzaam
Uitleg: Er is sprake van datalekken wanneer het model toegang krijgt tot informatie die in de toekomst tijdens de training daadwerkelijk zal worden gevonden; bijvoorbeeld door de werkelijke waarde van het te voorspellen uur als attribuut te gebruiken. Dit resulteert in perfecte backtesting, maar in werkelijkheid nutteloos. De grens tussen verleden en toekomst in de tijdreeksen moet zorgvuldig in de code worden gehandhaafd.
12. Wat is de juiste aanpak bij het verzenden van SCADA-gegevens van energiebedrijven naar een algemene AI-tool?
- A) Het verzenden van alle gegevens zoals ze zijn, geeft de meest nauwkeurige resultaten
- B) Het anonimiseren van gegevens en het delen van alleen de noodzakelijke technische subset met een goedgekeurde tool ✔
- C) De voorzorgsmaatregel is niet nodig omdat de gegevens toch open zijn
- D) Alleen het wijzigen van de bestandsnaam is voldoende
Beschrijving: SCADA- en netwerktopologiegegevens vormen cruciale infrastructuurinformatie; Het verzenden ervan naar een publieke cloud brengt privacy-, concurrentie- en cyberveiligheidsrisico's met zich mee. De juiste aanpak is het anonimiseren van de namen van sites en assets met representatieve tags, het delen van alleen de technische subset die nodig is voor de taak, en het kiezen voor door de instelling goedgekeurde/gesloten tools.
13. Waarom wordt de 'capaciteitsfactor' (de verhouding tussen de geproduceerde energie en de energie die zou worden geproduceerd als deze continu op volle capaciteit zou draaien) gebruikt als redelijkheidsanker bij het voorspellen van de windproductie?
- A) Omdat het alleen een nummer is voor marketingdoeleinden
- B) Omdat hij de factuur rechtstreeks heeft gegeven
- C) Omdat het een fysiek criterium is dat de orde van grootte van de voorspelling test, met een bekend typisch bereik (ongeveer 25-45%) ✔
- D) Omdat het de kleur van de turbine bepaalt
Beschrijving: De capaciteitsfactor van windparken op land ligt doorgaans tussen ongeveer 25 en 45 procent. Een voorspelling is fysiek onwaarschijnlijk als deze een productie voorspelt op het langetermijngemiddelde dat ver buiten dit bereik ligt (bijvoorbeeld 90 procent). Met deze verhouding kunt u de orde van grootte van de voorspelling testen zonder in detail te treden.
14. Hoe kan de rol van kunstmatige intelligentie bij een veiligheidskritisch energiesysteembesluit het meest nauwkeurig worden gedefinieerd?
- A) AI kan de goedkeuring van een geautoriseerde ingenieur vervangen
- B) AI genereert hypothesen en schetsen; Goedkeuring en verantwoordelijkheid voor de veiligheidskritische beslissing blijft bij de bevoegde ingenieur ✔
- C) Als AI krachtig genoeg is, is menselijke bevestiging niet nodig
- D) AI-output is nutteloos en moet volledig worden genegeerd
Beschrijving: Kunstmatige intelligentie is een krachtige assistent die snel leest, patronen opvangt en concepten maakt; maar het vervangt niet de goedkeuring en verantwoordelijkheid van een competente deskundige bij veiligheidskritische beslissingen zoals het aanpassen van de beveiliging, het laden van transformatoren en het manoeuvreren van netwerken. AI genereert hypothesen en schetsen; De bevoegde ingenieur geeft de beslissing en handtekening.