Vinster:
- Möjlighet att etablera ett end-to-end Python-analysarbetsflöde från data till rapport med hjälp av artificiell intelligens
- Möjlighet att verifiera den genererade koden vad gäller enhetskompatibilitet, läckage och reproducerbarhet
- Förmåga att omsätta gränser för etik, konfidentialitet, cybersäkerhet och ingenjörsansvar i praktiken i energiprojekt
Modulexamen
1. Vilken av följande är den grundläggande principen som bestämmer risken för en AI-utgång inom energisystemteknik?
- A) Risken för en utgång är lika med den skada den skulle orsaka om den utgången var felaktig; valideringsskalor därefter ✔
- B) AI-utdata är i allmänhet säker eftersom den är skriven flytande och säkert
- C) Validering är onödig när den senaste modellen används
- D) Om utgången hänvisar till en standard krävs ingen ytterligare styrning
Förklaring: Risken för en utgång är lika med den skada den kommer att orsaka om den utgången är felaktig. Även om ett mindre fel i en presentationstext kan vara ofarligt, kan ett fel i en reläskyddsinställning eller ett beslut om transformatorladdning orsaka utrustningsskador, avbrott och livssäkerhetsrisker; så verifieringsintensiteten skalar med potentiell skada.
2. Vilken är den vanligaste fällan när man förbereder energitidsseriedata med artificiell intelligens och vilken förvränger resultaten mest?
- A) Felaktigt val av grafiska färger
- B) Tidszon, sommartid och förvirring av tidsstämpeletikett ✔
- C) Filnamnet är för långt
- D) Bevara data i Excel istället för CSV
Förklaring: Förväxling av start-/sluttagg av tidszon, sommartid (DST) och tidsstämpel är mycket vanliga i energidata; ett skift på en timme förvränger hela analysen av dygnstyp och rusningstid. Därför bör tidsaxeln standardiseras före varje analys och AI-utgången bör testas mot fysiska ankare som soluppgång/peak tid.
3. Vilken situation visar att även om MAPE (Mean Absolute Percent Error) i en kortsiktig belastningsprognos verkar låg, kan prognosen fortfarande vara opålitlig?
- A) MAPE är alltid ett komplett och adekvat mått på prognoskvalitet
- B) Även om genomsnittet är lågt kan det finnas systematiska avvikelser i rusningstid och det är där nätet är kritiskt ✔
- C) MAPE är bara meningsfullt i långsiktiga prognoser
- D) Låg MAPE bevisar att modellen är fysiskt korrekt
Förklaring: MAPE är ett medelfel; Även om totalen ser bra ut kan det förekomma systematiska avvikelser i högtrafik och säsongsövergångar. Nätverksbalansen är kritisk just vid dessa toppögonblick, så bara för att medelmåttet är bra kan det inte anses säkert att förutsäga; Felet bör analyseras separat utifrån tid och regim.
4. Vilken är den mest robusta fysiska övre gränsen för att testa rimligheten i en produktionsprognos för solcellsanläggningar?
- A) Förra årets totala räkning
- B) Fysiskt produktionstak begränsat av strålning, panelyta och installerad effekt (inklusive noll på natten) ✔
- C) Procentandel av konfidens som ges av modellen
- D) Vindhastighetsmätning
Beskrivning: Ett solkraftverk kan inte producera mer än vad solinstrålningen och panelkapaciteten tillåter; Produktionen förväntas vara noll på natten, toppar runt middagstid och begränsas av den installerade kraften och modulområdet. Det är fysiskt omöjligt om modellen gav ett värde som översteg nattproduktionen eller installerad kapacitet. Denna kontroll eliminerar förutsägelsen utan att titta på statistiken.
5. Vilket är filtret som ett AI-optimeringsförslag måste passera innan det kan implementeras direkt i det smarta nätet?
- A) Det räcker med att förslaget enbart ger den lägsta kostnaden.
- B) Det räcker att modellen tränas till hög noggrannhet
- C) Säkerhetsbegränsningar (spänning, termisk, N-1) kontroll och auktoriserad operatörsgodkännande ✔
- D) Det är tillräckligt att rekommendationen överensstämmer med historiska data
Beskrivning: Nätverket är säkerhetskritiskt: rekommendationer som bryter mot spännings-, ström-, termiska och N-1 (elementfel) begränsningar kan inte implementeras. AI-utgången passeras först genom dessa säkerhetsbegränsningar och presenteras sedan för den auktoriserade operatören för godkännande; Optimering kommer aldrig i vägen för en säkerhetsbegränsning.
6. Vilken kostnad förbises ofta och vilseleder vinsten när man etablerar strategin för arbitrage (köp billigt, sälj högt) med AI i batterilagringsbranschen?
- A) Internetanslutningsavgift
- B) Nedbrytning (slitage) och effektivitetsförlust kostnad per cykel ✔
- C) Personalens längd på fikapausen
- D) Batteriets färg
Beskrivning: Varje laddnings-urladdningscykel sliter ut batteriet; försämring (förlust av hälsa) är en verklig kostnad och tar slut på garantigränserna. En arbitrageanalys som bara tittar på prisskillnaden kommer att överskatta vinsten och förkorta batteriets livslängd om den bortser från nedbrytningskostnaden och effektivitetsförlusten per cykel.
7. Vilken är nyckelbalansen när man bestämmer tröskelvärdet för en anomalidetekteringsmodell vid prediktivt underhåll?
- A) Medveten balans mellan falsklarm och missade felkostnader ✔
- B) Tröskeln ska alltid hållas så låg som möjligt
- C) Tröskeln bestäms enbart genom att titta på modellens noggrannhetsprocent
- D) När tröskeln väl är inställd bör den aldrig ändras.
Förklaring: Om tröskeln sänks ökar falsklarm (larm när det inte finns något fel) och teamet blir misstroende mot larm; Om tröskeln höjs ökar risken för ett missat fel (missar det faktiska felet). Den korrekta tröskeln är en medveten balans mellan kostnaden för ett falskt larm och kostnaden för ett missat fel (t.ex. transformatorexplosion) och justeras efter utrustningens kritik.
8. Vilken är den grundläggande logiken i ramverket för mätning och verifiering (M&V) för att verifiera ett besparingskrav i ett energieffektivitetsprojekt?
- A) Varje minskning av fakturabeloppet betraktas som en direkt besparing
- B) Besparingar är skillnaden mellan den justerade baslinjen och den uppmätta förbrukningen ✔
- C) Besparingar deklareras endast till tillverkarens katalogvärde
- D) Besparingar lika med vad modellen förutspår
Förklaring: Besparingar kan inte mätas direkt; Det som mäts är förbrukningen efter att ha vidtagit försiktighetsåtgärder. Besparingar är skillnaden mellan uppmätt konsumtion och baslinjen "vad skulle konsumeras utan måttet". Så baslinjemodellen måste korrigeras för variabler som väder/produktion, besparingarna beräknade mot denna justerade referens.
9. Varför är "övermontering" särskilt farligt i elprisprognosmodellen?
- A) För att det saktar ner modellen
- B) Den memorerar bruset från det förflutna, kollapsar i framtiden, särskilt när regimen förändras, och vilseleder med hög tillförsikt ✔
- C) Bara för att den använder mer minne
- D) För att det gör grafiken svår att läsa
Förklaring: Överanpassning är när modellen memorerar brus och mönster i historiska data som inte kommer att upprepas; Backtesting ser perfekt ut men kraschar i framtiden. När prisdata ändrar regim (bränsleprischock, lagstiftning ändras) blir det memorerade mönstret ogiltigt och leder till felaktig budgivning med hög tillförsikt.
10. Varför är begreppet kolintensitet per timme (gCO2-värdet av en kWh el under den timmen) viktigt för lastförskjutning?
- A) Koldensiteten är densamma varje timme, så det spelar ingen roll
- B) Eftersom det bara påverkar fakturabeloppet
- C) Varierar varje timme beroende på förnybar andel; Att flytta flexibel last till lågintensiv timme minskar utsläppen ✔
- D) Eftersom det bara är relaterat till natttaxan
Förklaring: Elnätets kolintensitet varierar per timme: den är låg under timmar då förnybar produktion är hög och hög under rusningstid när fossila kraftverk sätts i drift. Genom att flytta flexibla laster till lågtrafiktimmar kan du förbruka samma energi men producera färre utsläpp. Den genomsnittliga årsfaktorn döljer denna möjlighet.
11. Vad betyder "dataläckage" i en Python-analyskod producerad av artificiell intelligens och varför är det farligt?
- A) Radera data från disken
- B) Modellen använder framtida information i träning som inte kommer att vara tillgänglig vid tidpunkten för förutsägelse; testet är bra men verkligheten är dålig ✔
- C) Data har ingen annan betydelse än att läcka till internet
- D) Koden går väldigt långsamt
Explanation: Data leakage is when the model accesses information that will actually be found in the future during training; till exempel att använda det faktiska värdet på timmen som ska förutsägas som ett attribut. Detta resulterar i perfekt backtesting men värdelös i verkligheten. Gränsen förflutna/framtid i tidsserien måste noggrant upprätthållas i koden.
12. Vad är det korrekta tillvägagångssättet när man skickar energibolags SCADA-data till ett allmänt AI-verktyg?
- A) Att skicka all data som den är ger de mest exakta resultaten
- B) Anonymisera data och dela endast nödvändig teknisk delmängd med ett godkänt verktyg ✔
- C) Försiktighetsåtgärden är onödig eftersom informationen ändå är öppen
- D) Bara att ändra filnamnet räcker
Beskrivning: SCADA- och nätverkstopologidata är kritisk infrastrukturinformation; Att skicka det till ett offentligt moln som det är innebär integritets-, konkurrens- och cybersäkerhetsrisker. Det korrekta tillvägagångssättet är att anonymisera webbplats-/tillgångsnamn med representativa taggar, endast dela den tekniska delmängd som krävs för uppgiften och välja institutionsgodkända/stängda verktyg.
13. Varför används "kapacitetsfaktorn" (förhållandet mellan den producerade energin och den energi som skulle produceras om den drivs kontinuerligt med full kapacitet) som ett rimlighetsankare i vindproduktionsprognoser?
- A) Eftersom det är ett nummer endast i marknadsföringssyfte
- B) För att han gav fakturan direkt
- C) Eftersom det är ett fysiskt kriterium som testar förutsägelsens storleksordning, med ett känt typiskt intervall (ungefär 25-45%) ✔
- D) Eftersom det bestämmer färgen på turbinen
Beskrivning: Kapacitetsfaktorn för vindkraftsparker på land ligger vanligtvis i intervallet cirka 25-45 procent. En prognos är fysiskt osannolik om den förutsäger produktion på det långsiktiga genomsnittet som ligger långt utanför detta intervall (t.ex. 90 procent). Detta förhållande låter dig testa storleksordningen på förutsägelsen utan att gå in på detaljer.
14. Hur kan artificiell intelligenss roll i ett säkerhetskritiskt energisystembeslut definieras mest exakt?
- A) AI kan ersätta auktoriserad ingenjörsgodkännande
- B) AI genererar hypoteser och konturer; Godkännande och ansvar för det säkerhetskritiska beslutet ligger kvar hos den auktoriserade ingenjören ✔
- C) Om AI är tillräckligt kraftfull är mänsklig bekräftelse onödig
- D) AI-utgång är värdelös och bör ignoreras helt
Beskrivning: Artificiell intelligens är en kraftfull assistent som läser snabbt, fångar mönster, producerar utkast; men det ersätter inte godkännandet och ansvaret för en kompetent expert i säkerhetskritiska beslut som skyddsjustering, transformatorbelastning, nätverksmanövrering. AI genererar hypoteser och konturer; Den auktoriserade ingenjören ger beslut och underskrift.