Dobički:
- Sposobnost vzpostavitve celovitega delovnega toka analize Python od podatkov do poročila s pomočjo umetne inteligence
- Sposobnost preverjanja ustvarjene kode v smislu združljivosti enot, puščanja in ponovljivosti
- Sposobnost uvajanja etike, zaupnosti, kibernetske varnosti in omejitev odgovornosti inženirjev v prakso pri energetskih projektih
Modulni izpit
1. Kaj od naslednjega je osnovno načelo, ki določa tveganje za izhod umetne inteligence v inženirstvu energetskih sistemov?
- A) Tveganje izhoda je enako škodi, ki bi jo povzročil, če bi bil ta izhod napačen; ustrezno validacijske lestvice ✔
- B) Izhod z umetno inteligenco je na splošno varen, saj je napisan tekoče in samozavestno
- C) Validacija ni potrebna, če je uporabljen najnovejši model
- D) Če se izhod nanaša na standard, dodatna kontrola ni potrebna
Pojasnilo: Tveganje izhoda je enako škodi, ki jo bo povzročil, če je ta izhod napačen. Medtem ko je manjša napaka v predstavitvenem besedilu lahko neškodljiva, lahko napaka v nastavitvi relejne zaščite ali odločitvi o obremenitvi transformatorja povzroči poškodbe opreme, izpad in tveganja za življenjsko varnost; zato se intenzivnost preverjanja meri s potencialno škodo.
2. Katera je najpogostejša past pri pripravi energetskih časovnih vrst podatkov z umetno inteligenco in katera najbolj popači rezultate?
- A) Napačen izbor grafičnih barv
- B) Zmeda glede časovnega pasu, poletnega časa in oznake časovnega žiga ✔
- C) Ime datoteke je predolgo
- D) Hranjenje podatkov v Excelu namesto v CSV
Pojasnilo: zamenjave začetne/končne oznake časovnega pasu, poletnega časa (DST) in časovnega žiga so zelo pogoste v energetskih podatkih; enourna izmena popači celotno analizo vrste dneva in konične ure. Zato je treba časovno os standardizirati pred vsako analizo, izhod umetne inteligence pa testirati glede na fizična sidra, kot je sončni vzhod/konica.
3. Katera situacija kaže, da čeprav se MAPE (srednja absolutna odstotna napaka) v kratkoročni napovedi obremenitve zdi nizka, je lahko napoved še vedno nezanesljiva?
- A) MAPE je vedno popolno in ustrezno merilo kakovosti napovedi
- B) Čeprav je povprečje nizko, lahko pride do sistematičnega odstopanja v konicah in tam je mreža kritična ✔
- C) MAPE je smiseln le pri dolgoročnih napovedih
- D) Nizek MAPE dokazuje, da je model fizično pravilen
Pojasnilo: MAPE je povprečna napaka; Tudi če je skupni znesek videti dober, lahko pride do sistematičnih odstopanj v konicah in sezonskih prehodih. Ravnovesje omrežja je kritično prav v teh najvišjih trenutkih, zato samo zato, ker je povprečna metrika dobra, ni mogoče šteti za varno napovedovanje; Napako je treba analizirati ločeno na podlagi časa in režima.
4. Katera je najbolj robustna fizična zgornja meja za preizkus razumnosti napovedi proizvodnje sončne elektrarne?
- A) Skupni račun za lansko leto
- B) Zgornja meja fizične proizvodnje, omejena s sevanjem, površino panela in nameščeno močjo (vključno z ničelno močjo ponoči) ✔
- C) Odstotek zaupanja, ki ga daje model
- D) Merjenje hitrosti vetra
Opis: Sončna elektrarna ne more proizvesti več, kot dovoljujeta sončno sevanje in zmogljivost panela; Pričakuje se, da bo proizvodnja ponoči enaka nič, najvišja pa bo okoli poldneva in bo omejena z nameščeno močjo in površino modula. Fizično je nemogoče, če bi model dal vrednost, ki presega nočno proizvodnjo ali instalirano zmogljivost. To preverjanje izloči napoved brez pogleda na statistiko.
5. Kakšen je filter, ki ga mora prestati predlog optimizacije AI, preden se neposredno implementira v pametno omrežje?
- A) Zadostuje že predlog, ki zagotavlja najnižji strošek.
- B) Dovolj je, da je model naučen na visoko natančnost
- C) Nadzor varnostnih omejitev (napetost, toplota, N-1) in odobritev pooblaščenega operaterja ✔
- D) Zadostuje, da priporočilo ustreza zgodovinskim podatkom
Opis: Omrežje je kritično za varnost: nobenih priporočil, ki kršijo napetostne, tokovne, toplotne in N-1 (odpoved elementa) omejitve, ni mogoče izvesti. Izhod AI je najprej šel skozi te varnostne omejitve in nato predložen pooblaščenemu operaterju v odobritev; Optimizacija nikoli ne ovira varnostne omejitve.
6. Kateri strošek je pogosto spregledan in zavaja dobiček pri vzpostavljanju strategije arbitraže (kupi poceni, prodaj drago) z AI v poslu shranjevanja baterij?
- A) Pristojbina za internetno povezavo
- B) Degradacija (obraba) in stroški izgube učinkovitosti na cikel ✔
- C) Trajanje odmora za kavo osebja
- D) Barva baterije
Opis: Vsak cikel polnjenja in praznjenja izrabi baterijo; degradacija (izguba zdravja) je dejanski strošek in izčrpa garancijske omejitve. Arbitražna analiza, ki upošteva samo razliko v ceni, bo precenila dobiček in skrajšala življenjsko dobo baterije, če ne bo upoštevala stroškov degradacije in izgube učinkovitosti na cikel.
7. Kakšno je ključno ravnovesje pri določanju vrednosti praga modela za odkrivanje nepravilnosti pri prediktivnem vzdrževanju?
- A) Zavestno ravnovesje med lažnim alarmom in stroški zamujene napake ✔
- B) Prag naj bo vedno čim nižji
- C) Prag je določen izključno z opazovanjem odstotka točnosti modela
- D) Ko je prag nastavljen, ga ne smete nikoli spreminjati.
Pojasnilo: Če je prag znižan, se lažni alarmi (alarmi, ko ni napake) povečajo in ekipa postane nezaupljiva do alarmov; Če se prag poveča, se poveča tveganje zgrešene napake (zgrešena dejanska napaka). Pravilen prag je zavestno ravnotežje med stroški lažnega alarma in stroški zgrešene napake (npr. eksplozija transformatorja) in se prilagodi glede na kritičnost opreme.
8. Kakšna je osnovna logika okvira za merjenje in preverjanje (M&V) za preverjanje trditve o prihrankih v projektu energetske učinkovitosti?
- A) Vsako znižanje zneska na računu se šteje za neposreden prihranek
- B) Prihranki so razlika med prilagojeno izhodiščno in izmerjeno porabo ✔
- C) Prihranki so navedeni samo pri kataloški vrednosti proizvajalca
- D) Prihranki enaki napovedim modela
Pojasnilo: prihrankov ni mogoče neposredno izmeriti; Izmerjena je poraba po upoštevanju varnostnih ukrepov. Prihranek je razlika med izmerjeno porabo in izhodiščem, 'kar bi porabili brez ukrepa'. Zato je treba osnovni model popraviti za spremenljivke, kot je vreme/proizvodnja, prihranke izračunati glede na to prilagojeno referenco.
9. Zakaj je 'prekomerno opremljanje' v modelu napovedovanja cen električne energije posebej nevarno?
- A) Ker upočasnjuje model
- B) Zapomni si hrup preteklosti, propade v prihodnosti, zlasti ko se spremeni režim, in zavaja z visoko stopnjo samozavesti ✔
- C) Samo zato, ker uporablja več pomnilnika
- D) Ker otežuje branje grafike
Pojasnilo: Prekomerno opremljanje je, ko si model zapomni šum in vzorce v zgodovinskih podatkih, ki se ne bodo ponavljali; Testiranje za nazaj je videti popolno, vendar se v prihodnosti zruši. Ko se podatki o cenah spremenijo v režimu (šok cene goriva, sprememba zakonodaje), shranjeni vzorec postane neveljaven in vodi do nepravilnega licitiranja z visoko stopnjo zaupanja.
10. Zakaj je koncept urne intenzivnosti ogljika (vrednost gCO2 ene kWh električne energije v tej uri) pomemben za prenos bremena?
- A) Gostota ogljika je vsako uro enaka, zato ni pomembno
- B) Ker vpliva samo na znesek računa
- C) Spreminja se vsako uro glede na delež obnovljivih virov; Premik prilagodljive obremenitve na uro nizke intenzivnosti zmanjša emisije ✔
- D) Ker je povezano samo z nočno tarifo
Pojasnilo: Intenzivnost ogljika v omrežju se spreminja vsako uro: nizka je v urah, ko je proizvodnja iz obnovljivih virov visoka, in visoka v konicah, ko se vključijo fosilne elektrarne. Prenos prilagodljivih obremenitev na ure z nizkimi konicami omogoča enako porabo energije, vendar proizvaja manj emisij. Povprečni letni faktor skriva to priložnost.
11. Kaj pomeni 'uhajanje podatkov' v analizni kodi Python, ki jo je ustvarila umetna inteligenca, in zakaj je nevarno?
- A) Brisanje podatkov z diska
- B) Model pri usposabljanju uporablja prihodnje informacije, ki v času napovedovanja ne bodo na voljo; test je dober, realnost pa slaba ✔
- C) Podatki nimajo drugega pomena kot uhajanje na internet
- D) Koda deluje zelo počasi
Pojasnilo: Uhajanje podatkov je, ko model dostopa do informacij, ki bodo dejansko najdene v prihodnosti med usposabljanjem; na primer z uporabo dejanske vrednosti ure, ki jo je treba predvideti kot atribut. Posledica tega je popolno testiranje za nazaj, vendar v resnici neuporabno. Meja preteklost/prihodnost v časovni vrsti mora biti skrbno vzdrževana v kodi.
12. Kakšen je pravilen pristop pri pošiljanju podatkov SCADA energetskega podjetja v splošno orodje AI?
- A) Pošiljanje vseh podatkov, kot so, daje najbolj natančne rezultate
- B) Anonimizacija podatkov in deljenje samo potrebnih tehničnih podmnožic z odobrenim orodjem ✔
- C) Previdnost je nepotrebna, ker so podatki vseeno odprti
- D) Dovolj je samo sprememba imena datoteke
Opis: SCADA in podatki o topologiji omrežja so kritične informacije o infrastrukturi; Pošiljanje v javni oblak takšnega, kot je, predstavlja tveganje za zasebnost, konkurenco in kibernetsko varnost. Pravilen pristop je anonimizacija imen mest/sredstev z reprezentativnimi oznakami, deljenje samo tehničnega podnabora, ki je potreben za nalogo, in izbiranje orodij, ki jih odobri/zaprta institucija.
13. Zakaj se „faktor zmogljivosti“ (razmerje med proizvedeno energijo in energijo, ki bi bila proizvedena, če bi neprekinjeno deloval s polno zmogljivostjo) uporablja kot sidro razumnosti pri napovedovanju proizvodnje vetra?
- A) Ker je številka samo za marketinške namene
- B) Ker je izstavil račun neposredno
- C) Ker gre za fizični kriterij, ki preizkuša vrstni red velikosti napovedi z znanim tipičnim razponom (približno 25-45 %) ✔
- D) Ker določa barvo turbine
Opis: Faktor zmogljivosti vetrnih elektrarn na kopnem je običajno v območju približno 25–45 odstotkov. Napoved je fizično neverjetna, če napoveduje proizvodnjo v dolgoročnem povprečju, ki je precej zunaj tega razpona (npr. 90 odstotkov). To razmerje vam omogoča, da preizkusite vrstni red velikosti napovedi, ne da bi se spuščali v podrobnosti.
14. Kako najnatančneje opredeliti vlogo umetne inteligence pri odločitvi glede varnostno kritičnega energetskega sistema?
- A) AI lahko nadomesti odobritev pooblaščenega inženirja
- B) AI ustvarja hipoteze in orise; Odobritev in odgovornost za varnostno kritično odločitev ostaja pri pooblaščenem inženirju ✔
- C) Če je umetna inteligenca dovolj močna, človeška potrditev ni potrebna
- D) Izhod AI je neuporaben in ga je treba popolnoma prezreti
Opis: Umetna inteligenca je močan pomočnik, ki hitro bere, lovi vzorce, ustvarja osnutke; vendar ne nadomešča odobritve in odgovornosti pristojnega strokovnjaka za varnostno kritične odločitve, kot so nastavitev zaščite, obremenitev transformatorja, manevriranje omrežja. AI ustvarja hipoteze in orise; Pooblaščeni inženir izda sklep in podpis.