Zyski:
- Możliwość ustalenia kompleksowego przepływu pracy w zakresie analizy Pythona od danych do raportu za pomocą sztucznej inteligencji
- Możliwość weryfikacji wygenerowanego kodu pod kątem kompatybilności jednostkowej, szczelności i powtarzalności
- Umiejętność stosowania ograniczeń w zakresie etyki, poufności, bezpieczeństwa cybernetycznego i odpowiedzialności inżynierskiej w praktyce w projektach energetycznych
Egzamin modułowy
1. Która z poniższych zasad jest podstawową zasadą określającą ryzyko wystąpienia sztucznej inteligencji w inżynierii systemów energetycznych?
- A) Ryzyko wyjścia jest równe szkodzie, jaką spowodowałoby, gdyby wyjście było wadliwe; walidacja jest odpowiednio skalowana ✔
- B) Dane wyjściowe AI są ogólnie bezpieczne, ponieważ są napisane płynnie i pewnie
- C) Walidacja nie jest konieczna, jeśli używany jest najbardziej aktualny model
- D) Jeżeli wyjście odnosi się do normy, nie jest wymagana dodatkowa kontrola
Objaśnienie: Ryzyko wyjścia jest równe szkodzie, jaką spowoduje to, jeśli wyjście będzie wadliwe. Chociaż drobny błąd w tekście prezentacji może być nieszkodliwy, błąd w ustawieniu zabezpieczenia przekaźnika lub decyzji o obciążeniu transformatora może spowodować uszkodzenie sprzętu, przestoje i zagrożenie bezpieczeństwa życia; zatem intensywność weryfikacji wzrasta wraz z potencjalną szkodą.
2. Jaka jest najczęstsza pułapka podczas przygotowywania danych szeregów czasowych energii za pomocą sztucznej inteligencji i która najbardziej zniekształca wyniki?
- A) Nieprawidłowy dobór kolorów graficznych
- B) Strefa czasowa, czas letni i zamieszanie na etykietach znaczników czasu ✔
- C) Nazwa pliku jest za długa
- D) Przechowywanie danych w Excelu zamiast CSV
Objaśnienie: Pomyłki w znacznikach początku/końca dotyczące strefy czasowej, czasu letniego (DST) i znacznika czasu są bardzo częste w danych dotyczących energii; godzinna zmiana zniekształca całą analizę typu dnia i godzin szczytu. Dlatego przed każdą analizą należy ujednolicić oś czasu, a wyniki AI należy przetestować w oparciu o fizyczne kotwice, takie jak czas wschodu słońca/szczytu.
3. Która sytuacja pokazuje, że chociaż MAPE (średni bezwzględny błąd procentowy) w krótkoterminowej prognozie obciążenia wydaje się niski, prognoza może nadal być niewiarygodna?
- A) MAPE jest zawsze kompletną i adekwatną miarą jakości prognoz
- B) Nawet jeśli średnia jest niska, mogą występować systematyczne odchylenia w godzinach szczytu i wtedy sieć ma kluczowe znaczenie ✔
- C) MAPE ma znaczenie tylko w prognozowaniu długoterminowym
- D) Niski MAPE świadczy o tym, że model jest poprawny fizycznie
Objaśnienie: MAPE to średni błąd; Nawet jeśli suma wygląda dobrze, mogą występować systematyczne odchylenia w godzinach szczytu i przejściach sezonowych. Równowaga sieci ma kluczowe znaczenie właśnie w tych szczytowych momentach, więc tylko dlatego, że średni wskaźnik jest dobry, nie można uważać za bezpieczne przewidywanie; Błąd należy analizować oddzielnie ze względu na czas i reżim.
4. Jaka jest najsolidniejsza fizyczna górna granica pozwalająca sprawdzić zasadność prognozy produkcji elektrowni słonecznej?
- A) Całkowity rachunek za ubiegły rok
- B) Fizyczny pułap produkcji ograniczony promieniowaniem, powierzchnią panelu i mocą zainstalowaną (w tym zero w nocy) ✔
- C) Procent ufności danego modelu
- D) Pomiar prędkości wiatru
Opis: Elektrownia słoneczna nie może wyprodukować więcej, niż pozwala na to promieniowanie słoneczne i pojemność panelu; Oczekuje się, że produkcja będzie zerowa w nocy, osiągnie szczyt około południa i będzie ograniczona zainstalowaną mocą i powierzchnią modułów. Jest to fizycznie niemożliwe, jeżeli model podał wartość przekraczającą produkcję nocną lub moc zainstalowaną. To sprawdzenie eliminuje przewidywania bez sprawdzania statystyk.
5. Jaki filtr musi przejść propozycja optymalizacji AI, zanim zostanie bezpośrednio wdrożona w inteligentnej sieci?
- A) Wystarczy, że w ofercie będzie mowa o najniższym koszcie.
- B) Wystarczy, że model zostanie wytrenowany z dużą dokładnością
- C) Ograniczenia bezpieczeństwa (napięcie, ciepło, N-1) kontrola i zezwolenie upoważnionego operatora ✔
- D) Wystarczy, że rekomendacja jest zgodna z danymi historycznymi
Opis: Sieć ma krytyczne znaczenie dla bezpieczeństwa: nie można wdrożyć żadnych zaleceń naruszających ograniczenia napięciowe, prądowe, termiczne i N-1 (awaria elementu). Dane wyjściowe AI są najpierw przepuszczane przez te ograniczenia bezpieczeństwa, a następnie przedstawiane autoryzowanemu operatorowi do zatwierdzenia; Optymalizacja nigdy nie staje na przeszkodzie ograniczeniom bezpieczeństwa.
6. Który koszt jest często pomijany i wprowadza w błąd zysk przy ustalaniu strategii arbitrażu (kupuj tanio, sprzedawaj drogo) z wykorzystaniem sztucznej inteligencji w branży magazynowania baterii?
- A) Opłata za połączenie internetowe
- B) Koszt degradacji (zużycia) i utraty wydajności na cykl ✔
- C) Czas trwania przerwy kawowej personelu
- D) Kolor baterii
Opis: Każdy cykl ładowania i rozładowania powoduje zużycie akumulatora; degradacja (utrata zdrowia) jest realnym kosztem i wyczerpuje granice gwarancji. Analiza arbitrażu, która uwzględnia jedynie różnicę w cenie, przeszacowuje zysk i skraca żywotność akumulatora, jeśli ignoruje koszty degradacji i utratę wydajności na cykl.
7. Co jest najważniejsze przy ustalaniu wartości progowej modelu wykrywania anomalii w utrzymaniu predykcyjnym?
- A) Świadoma równowaga pomiędzy fałszywymi alarmami i kosztami pominiętych awarii ✔
- B) Próg powinien być zawsze utrzymywany na jak najniższym poziomie
- C) Próg wyznacza się wyłącznie na podstawie procentu dokładności modelu
- D) Raz ustalony próg nie powinien być nigdy zmieniany.
Wyjaśnienie: Jeśli próg zostanie obniżony, wzrośnie liczba fałszywych alarmów (alarmów, gdy nie ma usterki), a zespół stanie się nieufny wobec alarmów; Jeśli próg zostanie zwiększony, ryzyko przeoczenia błędu (przeoczenia rzeczywistego błędu) wzrasta. Prawidłowy próg to świadoma równowaga pomiędzy kosztem fałszywego alarmu a kosztem przeoczonej usterki (np. eksplozji transformatora) i jest dostosowywany w zależności od krytyczności sprzętu.
8. Jaka jest podstawowa logika ram pomiarów i weryfikacji (M&V) służących do weryfikacji twierdzeń o oszczędnościach w projekcie dotyczącym efektywności energetycznej?
- A) Każde zmniejszenie kwoty faktury traktowane jest jako bezpośrednia oszczędność
- B) Oszczędności to różnica między skorygowaną wartością bazową a zmierzonym zużyciem ✔
- C) Oszczędności deklarowane są wyłącznie według wartości katalogowej producenta
- D) Oszczędności równe przewidywaniom modelu
Wyjaśnienie: Oszczędności nie można zmierzyć bezpośrednio; Mierzone jest zużycie po zastosowaniu środków ostrożności. Oszczędności to różnica między zmierzonym zużyciem a wartością bazową „co zostałoby skonsumowane bez środka”. Zatem model bazowy należy skorygować o zmienne takie jak pogoda/produkcja, a oszczędności obliczono w oparciu o skorygowane odniesienie.
9. Dlaczego „overfitting” jest szczególnie niebezpieczny w modelu prognozowania cen energii elektrycznej?
- A) Ponieważ spowalnia model
- B) Zapamiętuje hałas przeszłości, załamuje się w przyszłości, zwłaszcza gdy zmienia się reżim, i z dużą pewnością wprowadza w błąd ✔
- C) Tylko dlatego, że zużywa więcej pamięci
- D) Ponieważ sprawia to, że grafika jest trudna do odczytania
Objaśnienie: Nadmierne dopasowanie ma miejsce wtedy, gdy model zapamiętuje szumy i wzorce w danych historycznych, które się nie powtórzą; Testowanie historyczne wygląda idealnie, ale w przyszłości ulega awarii. W miarę zmiany reżimu danych cenowych (szok cenowy paliwa, zmiana przepisów) zapamiętany wzór staje się nieważny i prowadzi do nieprawidłowego składania ofert z dużą pewnością.
10. Dlaczego koncepcja godzinnej intensywności emisji dwutlenku węgla (wartość gCO2 przypadająca na jedną kWh energii elektrycznej w tej godzinie) jest ważna dla zmiany obciążenia?
- A) Gęstość węgla jest taka sama co godzinę, więc nie ma to znaczenia
- B) Ponieważ wpływa tylko na kwotę faktury
- C) Zmienia się co godzinę w zależności od udziału odnawialnego; Przesunięcie elastycznego obciążenia na godzinę o niskiej intensywności zmniejsza emisję ✔
- D) Ponieważ dotyczy to wyłącznie taryfy nocnej
Wyjaśnienie: Intensywność emisji dwutlenku węgla w sieci zmienia się z godziny na godzinę: jest niska w godzinach, w których wytwarzanie energii odnawialnej jest wysokie, i wysoka w godzinach szczytu, kiedy uruchamiane są elektrownie na paliwa kopalne. Przesunięcie elastycznych obciążeń na niskie godziny szczytu pozwala zużywać tę samą energię, ale wytwarzać mniej emisji. Średni współczynnik roczny ukrywa tę szansę.
11. Co oznacza „wyciek danych” w kodzie analitycznym Pythona tworzonym przez sztuczną inteligencję i dlaczego jest niebezpieczny?
- A) Usuwanie danych z dysku
- B) Model wykorzystuje w procesie uczenia przyszłe informacje, które nie będą dostępne w momencie prognozowania; test jest dobry, ale rzeczywistość jest zła ✔
- C) Dane nie mają innego znaczenia niż wyciek do Internetu
- D) Kod działa bardzo wolno
Wyjaśnienie: Wyciek danych ma miejsce wtedy, gdy model uzyskuje dostęp do informacji, które faktycznie zostaną znalezione w przyszłości podczas uczenia; na przykład używając jako atrybutu rzeczywistej wartości przewidywanej godziny. Skutkuje to doskonałym testowaniem historycznym, ale w rzeczywistości jest bezużyteczne. W kodzie należy dokładnie zachować granicę przeszłości i przyszłości w szeregach czasowych.
12. Jakie jest prawidłowe podejście przy wysyłaniu danych SCADA przedsiębiorstwa energetycznego do ogólnego narzędzia AI?
- A) Wysłanie wszystkich danych w niezmienionej postaci daje najdokładniejsze wyniki
- B) Anonimizacja danych i udostępnianie tylko niezbędnego podzbioru technicznego za pomocą zatwierdzonego narzędzia ✔
- C) Ostrożność jest niepotrzebna, ponieważ dane i tak są otwarte
- D) Wystarczy zmienić nazwę pliku
Opis: Dane SCADA i topologii sieci to informacje o infrastrukturze krytycznej; Wysłanie go do chmury publicznej w niezmienionej postaci stwarza ryzyko dla prywatności, konkurencji i cyberbezpieczeństwa. Prawidłowe podejście polega na anonimizacji nazw witryn/zasobów za pomocą reprezentatywnych tagów, udostępnianiu jedynie podzbioru technicznego wymaganego do wykonania zadania i wybieraniu narzędzi zatwierdzonych/zamkniętych przez instytucję.
13. Dlaczego „współczynnik wydajności” (stosunek wyprodukowanej energii do energii, która zostałaby wyprodukowana, gdyby elektrownia działała w sposób ciągły przy pełnej wydajności) jest wykorzystywany jako podstawa racjonalności w prognozowaniu produkcji energii wiatrowej?
- A) Ponieważ jest to liczba przeznaczona wyłącznie do celów marketingowych
- B) Ponieważ dał fakturę bezpośrednio
- C) Ponieważ jest to kryterium fizyczne sprawdzające rząd wielkości przewidywania, ze znanym typowym zakresem (około 25-45%) ✔
- D) Ponieważ decyduje o kolorze turbiny
Opis: Współczynnik mocy lądowych farm wiatrowych mieści się zazwyczaj w przedziale około 25-45 procent. Prognoza jest fizycznie nieprawdopodobna, jeśli przewiduje produkcję na podstawie średniej długoterminowej, która znacznie wykracza poza ten zakres (np. 90 procent). Ten stosunek pozwala przetestować rząd wielkości prognozy bez wchodzenia w szczegóły.
14. Jak najdokładniej określić rolę sztucznej inteligencji w podejmowaniu decyzji dotyczących systemu energetycznego o krytycznym znaczeniu dla bezpieczeństwa?
- A) Sztuczna inteligencja może zastąpić zgodę upoważnionego inżyniera
- B) AI generuje hipotezy i konspekty; Zatwierdzenie i odpowiedzialność za decyzję o znaczeniu krytycznym dla bezpieczeństwa pozostaje po stronie upoważnionego inżyniera ✔
- C) Jeśli sztuczna inteligencja jest wystarczająco potężna, potwierdzenie przez człowieka nie jest konieczne
- D) Dane wyjściowe AI są bezużyteczne i należy je całkowicie zignorować
Opis: Sztuczna inteligencja to potężny asystent, który szybko czyta, wychwytuje wzorce, tworzy przeciągi; ale nie zastępuje to zgody i odpowiedzialności kompetentnego eksperta za decyzje krytyczne dla bezpieczeństwa, takie jak regulacja zabezpieczeń, ładowanie transformatora, manewrowanie siecią. AI generuje hipotezy i konspekty; Uprawniony inżynier wydaje decyzję i podpis.