ความรู้เบื้องต้นเกี่ยวกับปัญญาประดิษฐ์ในระบบพลังงานและระเบียบวินัยในการตรวจสอบ

กำไร:

• ความสามารถในการแยกแยะว่า AI สร้างมูลค่าที่แท้จริงในขั้นตอนการทำงานของวิศวกรรมระบบพลังงานที่ใด และการตัดสินใจใดควรยังคงเป็นความรับผิดชอบของวิศวกร
• ความสามารถในการใช้หลักการยึดสามประการที่ตรวจสอบข้ามเอาต์พุต AI แต่ละรายการตามลำดับความสำคัญ ความน่าเชื่อถือทางวิศวกรรม และหลักฐานภาคสนาม/การวัด
• สร้างนิสัยในการตั้งค่าการแจ้งเตือนที่ปลอดภัยโดยตระหนักถึงความเสี่ยงของความไม่แน่นอน ภาพหลอน ความเป็นส่วนตัวของข้อมูล และความปลอดภัยของเครือข่าย และทำให้บริบทเป็นนิรนาม

วิศวกรรมระบบพลังงานเกี่ยวข้องกับธุรกิจที่ไม่เคยหยุดนิ่ง ต้องใช้ไฟฟ้าทันทีที่ผลิตได้ หากอุปสงค์และอุปทานไม่สมดุลกันทุกวินาที ความถี่จะเปลี่ยนไป ระบบป้องกันจะถูกเปิดใช้งาน และในกรณีที่เลวร้ายที่สุด พื้นที่ขนาดใหญ่จะถูกความมืดมิด นั่นเป็นเหตุผลว่าทำไมระบบพลังงานจึงเป็นบริเวณที่มีข้อผิดพลาดน้อยและผลลัพธ์ก็มีมาก ปัญญาประดิษฐ์ (AI; ​​​​ระบบซอฟต์แวร์ที่เรียนรู้จากรูปแบบข้อมูลขนาดใหญ่และสร้างข้อความ รูปภาพ หรือตัวเลข) เป็นตัวเร่งความเร็วที่ยอดเยี่ยมในด้านนี้: การสแกนบันทึกเมตรนับล้านในไม่กี่วินาที เปลี่ยนการพยากรณ์อากาศเป็นการผลิต ตรวจจับสัญญาณเงียบ ๆ ของหม้อแปลงทำงานผิดปกติ แต่ปัญญาประดิษฐ์เดียวกันสามารถปิดบังความไม่แน่นอนเดียวกันด้วยภาษาที่มั่นใจได้ หน่วยนี้วางรากฐานสองประการสำหรับโมดูลทั้งหมดที่จะถูกสร้างขึ้น: AI สร้างมูลค่าที่แท้จริงในเวิร์กโฟลว์พลังงานตรงไหน และเราจะตรวจสอบความถูกต้องของเอาต์พุตแต่ละรายการได้อย่างไร

ขอให้ชัดเจนตั้งแต่เริ่มต้น: เทคนิคใดๆ ที่คุณเรียนรู้ตลอดโมดูลนี้ไม่ได้มีวัตถุประสงค์เพื่อแทนที่ลายเซ็น การวัดภาคสนาม และการตัดสินทางวิศวกรรมของวิศวกรไฟฟ้าที่มีคุณสมบัติเหมาะสม ปัญญาประดิษฐ์เป็นผู้ช่วย อ่านเร็ว เขียนเร็ว จับรูปแบบได้ แต่หากตั้งค่ารีเลย์ไม่ถูกต้อง หม้อแปลงทำงานหนักเกินไป ระบบจัดเก็บข้อมูลเข้าสู่การควบคุมความร้อน หรือกริดไม่เสถียรเนื่องจากข้อผิดพลาดในการคาดการณ์ ความรับผิดชอบเป็นของวิศวกรที่ลงนาม ไม่ใช่ซอฟต์แวร์ คุณจะเห็นประโยคนี้อีกครั้งในรูปแบบที่แตกต่างกันในแต่ละหน่วยของโมดูล เนื่องจากนี่คือความจริงเพียงหนึ่งเดียวในวิศวกรรมที่มีความสำคัญด้านความปลอดภัย

ปัญญาประดิษฐ์สร้างคุณค่าในกระบวนการทำงานด้านพลังงานได้ที่ไหน

สัปดาห์ของวิศวกรไฟฟ้าแบ่งออกเป็นงานสามประเภทคร่าวๆ: การเตรียมข้อมูล (การล้างบันทึก SCADA การจัดระเบียบข้อมูลมิเตอร์ การกำหนดมาตรฐานหน่วย) การวิเคราะห์และการคาดการณ์ (การคาดการณ์ปริมาณงาน การคาดการณ์การผลิต การตรวจจับความผิดปกติ การเพิ่มประสิทธิภาพ) และการสื่อสาร (รายงาน การนำเสนอ ข้อเสนอ การประยุกต์ใช้ตามกฎระเบียบ) AI ครอบคลุมทั้งสามด้าน แต่การมีส่วนร่วมและความเสี่ยงนั้นแตกต่างกันในแต่ละด้าน

มาอธิบายคำศัพท์สั้นๆ กัน: SCADA (Supervisory Control and Data Acquisition) คือระบบที่รวบรวมการวัดทันทีจากโรงไฟฟ้าและอุปกรณ์เครือข่าย และให้การตรวจสอบ/การควบคุมระยะไกล มิเตอร์อัจฉริยะคือมิเตอร์ไฟฟ้าที่วัดปริมาณการใช้และส่งไฟฟ้าจากระยะไกล ซึ่งปกติจะเป็นช่วงละ 15 นาที

การเตรียมข้อมูลเป็นสาขาปัญญาประดิษฐ์ที่ปลอดภัยและให้ผลกำไรมากที่สุด การแจ้งค่าผิดปกติในเอาต์พุตมิเตอร์หลายพันบรรทัด การสร้างมาตรฐานให้กับหน่วยที่ไม่สอดคล้องกัน (เช่น การผสม kW กับ kWh) การแปลบันทึกข้อผิดพลาดที่เป็นข้อความอิสระให้เป็นตารางที่มีโครงสร้าง ซึ่งเป็นงานที่ทำซ้ำ อิงกฎเกณฑ์ และง่ายต่อการตรวจสอบ แม้ว่าจะมีข้อผิดพลาดที่นี่ แต่ก็อาจต้องใช้เวลาสักครู่เพื่อกลับไปยังแหล่งที่มา (การบันทึกแบบ Raw) และตรวจสอบ

ด้านการวิเคราะห์และการทำนายมีค่าสูงสุดและมีความเสี่ยงสูงสุด ปัญญาประดิษฐ์สามารถทำนายกราฟโหลดของวันพรุ่งนี้ การผลิตไฟฟ้าในช่วงเที่ยงของโรงไฟฟ้าพลังงานแสงอาทิตย์ หรือแนวโน้มที่แบริ่งกังหันจะล้มเหลว สิ่งนี้เผยให้เห็นรูปแบบที่สายตามนุษย์อาจพลาดไป แต่แบบจำลองเดียวกันสามารถเข้ากับรูปแบบที่ไม่มีอยู่ได้อย่างมั่นใจ (ปรากฏการณ์นี้เรียกว่าภาพหลอน: แบบจำลองจะสร้างข้อมูลที่ไม่มีอยู่จริงราวกับว่ามันเป็นเรื่องจริง) ในสาขานี้ AI เป็นตัวสร้างสมมติฐาน ไม่ใช่ผู้มีอำนาจตัดสินใจ

ในด้านการสื่อสาร ปัญญาประดิษฐ์เป็นตัวเร่งร่าง ร่างส่วนวิธีการของรายงานความเป็นไปได้ บทสรุปด้านกฎระเบียบ หรืออีเมลลูกค้าภายในไม่กี่นาที ความเสี่ยงที่นี่คือร่างกฎหมายที่จัดทำขึ้นหรือตัวเลขที่ไม่ถูกต้องสามารถลงนามโดยไม่มีใครสังเกตเห็นในข้อความต่อเนื่อง

ระเบียบวินัยในการตรวจสอบ: กฎสามจุดยึด

หัวใจของโมดูลนี้มีนิสัยเดียว คือ ไม่ต้องรวมเอาท์พุต AI ใดๆ เข้ากับการตัดสินใจทางวิศวกรรมโดยไม่ตรวจสอบความถูกต้อง เราทำการตรวจสอบความถูกต้องโดยใช้จุดยึดอิสระสามจุด

สมอแรก - ลำดับความสำคัญ ผลลัพธ์อยู่ในกำลังโดยประมาณของช่วง 10 หรือไม่ โดยทั่วไปการบริโภคที่อยู่อาศัยต่อปีจะอยู่ที่หลายพันกิโลวัตต์ชั่วโมง หากโมเดลให้พลังงาน 5 ล้าน kWh สำหรับแฟลต แสดงว่าเกิดข้อผิดพลาดกับหน่วยหรือการแก้ไขและสามารถเข้าใจได้โดยไม่ต้องลงรายละเอียด กำลังของหม้อแปลงไฟฟ้าระบบจำหน่ายมีตั้งแต่หลายร้อย kVA ถึงหลาย MVA 500 MVA นั้นไร้สาระสำหรับหม้อแปลงไฟฟ้าแถวบ้าน การตรวจสอบนี้ใช้เวลาไม่กี่วินาทีและตรวจพบข้อผิดพลาดส่วนใหญ่

สมอที่สอง — ความน่าเชื่อถือทางวิศวกรรม ผลลัพธ์สอดคล้องกับฟิสิกส์และตรรกะทางธุรกิจของระบบหรือไม่? เป็นการฝ่าฝืนกฎฟิสิกส์สำหรับโรงไฟฟ้าพลังงานแสงอาทิตย์ที่ผลิตในเวลากลางคืน สำหรับโหลดที่แสดงการบริโภคเชิงลบ (หากไม่มีการผลิต) สำหรับแบตเตอรี่ที่มีประสิทธิภาพสูงกว่า 100 เปอร์เซ็นต์ การอนุรักษ์พลังงาน ขีดจำกัดตัวประกอบกำลัง พิกัดอุปกรณ์ สิ่งเหล่านี้คือตัวกรองความสมเหตุสมผลที่เอาต์พุตทุกตัวต้องผ่าน

จุดยึดที่สาม — การวัด/หลักฐานภาคสนาม นี่คือสมอเรือที่แข็งแกร่งที่สุด การวัดมิเตอร์ ข้อมูลการผลิตจริง การตรวจสอบภาคสนาม การคาดการณ์ปริมาณงานจะถูกเปรียบเทียบกับปริมาณการใช้จริง การทำนายความล้มเหลวได้รับการทดสอบโดยการตรวจสอบภาคสนามและการวัดการสั่นสะเทือน ความจริงภาคพื้นดินชนะเสมอ ไม่ว่าโมเดลจะพูดด้วยความมั่นใจเพียงใด การวัดในหน้าจอเทอร์มินัลจะเป็นตัวตัดสินขั้นสุดท้าย

เคล็ดลับ: จดจำจุดยึดทั้งสามเหมือนรายการตรวจสอบ: "ลำดับถูกต้องหรือไม่ ฟิสิกส์สมเหตุสมผลหรือไม่ การวัดบอกอะไร" คำถามสามข้อนี้ตรวจพบข้อผิดพลาดส่วนใหญ่ในการวิเคราะห์พลังงานก่อนที่จะลงนามในรายงานด้วยซ้ำ

คดีเล็กๆ สามคดี: ตามตัวเลข

กรณีที่ 1 — ประหยัดเวลาในการเคลียร์มิเตอร์ นักวิเคราะห์ของบริษัทจัดจำหน่ายกำลังขัดข้อมูลมิเตอร์ความยาว 15 นาทีต่อเดือนด้วยตนเองสำหรับสมาชิก 1,200 ราย (ประมาณ 2,880 แถวต่อสมาชิกหนึ่งราย) ช่องว่างเนื่องจากการสื่อสารขัดข้องและการบันทึกซ้ำต้องใช้เวลาหลายวัน การตรวจจับช่องว่างและการทำซ้ำอัตโนมัติด้วยการสร้างกฎที่สนับสนุนปัญญาประดิษฐ์ ยืนยันบันทึกที่ทำเครื่องหมายด้วยสายตา กระบวนการนี้ลดลงจากประมาณสามวันเหลือครึ่งวัน และประหยัดเวลาในการตรวจสอบ

กรณีที่ 2 — ภาพหลอนที่จับภาพได้ เมื่อผู้ฝึกงานให้ AI สรุปกฎระเบียบการจำหน่ายของภูมิภาค ข้อความดังกล่าวมีประโยคว่า "ตามมาตรา 47 ของข้อบังคับ โรงไฟฟ้าจะต้องซิงโครไนซ์กับโครงข่ายภายใน 30 วินาที" ไม่มีสารดังกล่าว แบบจำลองนี้สร้างตัวเลขที่ดูสมเหตุสมผลแต่เป็นตัวเลขปลอม นิสัยในการกลับไปที่เอกสารต้นทางพบข้อผิดพลาดก่อนลายเซ็น

กรณีที่ 3 — ข้อผิดพลาดของหน่วย ในการคำนวณการประหยัดพลังงานครั้งหนึ่ง แบบจำลองสับสนระหว่างพลังงาน (kW) กับพลังงาน (kWh) และประเมินการใช้พลังงานตลอด 24 ชั่วโมงต่ำไปเป็น 24 เท่า “อาคารนี้ใช้พลังงานเพียง 40 kWh ต่อวันหรือ 960 kWh หรือไม่” การตรวจสอบลำดับความสำคัญเผยให้เห็นข้อผิดพลาดทันที ข้อมูลการเรียกเก็บเงินยืนยันช่วง 960 kWh

พรอมต์ที่อ่อนแอ / พรอมต์ที่แข็งแกร่ง

พรอมต์ที่อ่อนแอ:

แสดงความคิดเห็นเกี่ยวกับประสิทธิภาพของโรงไฟฟ้าแห่งนี้และเสนอแนะการปรับปรุง[ข้อมูล]

พรอมต์อันทรงพลัง:

บทบาทของคุณ: วิศวกรระบบพลังงานอาวุโส แสดงความคิดเห็นต่อข้อมูลต่อไปนี้ตามตัวเลขที่ให้ไว้เท่านั้น - ห้ามเพิ่มค่า ข้อกำหนด หรือข้อสันนิษฐานใดๆ ที่ไม่ได้อยู่ในข้อมูล - ถัดจากแต่ละความคิดเห็น ให้ระบุแถว/คอลัมน์ของข้อมูลที่คุณใช้ในวงเล็บ - สำหรับผลลัพธ์ที่เป็นตัวเลขแต่ละรายการ ให้เขียนหน่วยให้ชัดเจน (ระบุ kW หรือ kWh)

พรอมต์ที่ชัดเจนกำหนดสามสิ่งในแบบจำลอง: การยึดติดกับแหล่งที่มา การระบุหน่วยอย่างชัดเจน และการยอมรับความไม่แน่นอน สิ่งนี้ไม่ได้ยุติภาพหลอนอย่างสมบูรณ์ แต่ทำให้มองเห็นได้

เทมเพลตที่คัดลอกได้สี่แบบ

1) การสร้างบริบทที่ไม่เปิดเผยตัวตน:

ฉันกำลังมองหาความช่วยเหลือในงานวิศวกรรมระบบพลังงาน บริษัท ชื่อฟิลด์ พิกัด และข้อมูลลูกค้าถือเป็นความลับ; ฉันจะมอบป้ายกำกับที่เป็นตัวแทนเช่น "Field-A", "Feeder-3" ให้พวกเขา ภารกิจ: [ภารกิจ] ขึ้นอยู่กับข้อมูลทางเทคนิคที่ฉันให้เท่านั้น ฉันจะไม่ขอรายละเอียดโครงสร้างพื้นฐานที่สำคัญ

2) คำขอตรวจสอบจุดยึดสามรายการ:

ตรวจสอบสามครั้งสำหรับผลลัพธ์ต่อไปนี้ และรายงานแต่ละรายการภายใต้หัวข้อแยกกัน: 1) ลำดับความสำคัญ: แต่ละตัวเลขอยู่ภายในช่วงที่คาดหวังหรือไม่? ถ้าไม่ ให้ตรวจสอบ 2) ความน่าเชื่อถือทางฟิสิกส์/วิศวกรรม: มีการละเมิดการอนุรักษ์พลังงาน พิกัดอุปกรณ์ ตรรกะในการทำงานหรือไม่ 3) คำแนะนำในการตรวจสอบ: หลักฐานการวัด/ภาคสนามใดที่ทดสอบผลลัพธ์นี้

3) การควบคุมหน่วยและสมมติฐาน:

ตรวจสอบการคำนวณทีละขั้นตอนด้านล่าง เขียนหน่วยที่ใช้ในแต่ละบรรทัด โดยแสดงการแปลงหน่วยอย่างชัดเจน (kW→kWh, MWh→GWh ฯลฯ) รวบรวมสมมติฐานที่ซ่อนอยู่ในรายการแยกต่างหาก หากผลลัพธ์เป็นไปไม่ได้ทางกายภาพ ให้ระบุให้ชัดเจน

4) สรุปการสนับสนุนการตัดสินใจ:

แปลงการวิเคราะห์นี้เป็นบันทึกการตัดสินใจทางวิศวกรรม: (ก) การค้นพบ (ข) ข้อมูลที่เป็นพื้นฐาน (ค) ความไม่แน่นอน/ความเสี่ยง (ง) ส่วนที่จำเป็นต้องได้รับการอนุมัติที่ได้รับอนุญาต ใช้ภาษา "คำแนะนำเพื่อการตัดสินใจ" ไม่ใช่ "ตัดสินใจ"

ตารางข้อกำหนดที่ใช้บ่อย

ระยะ

คำอธิบายสั้น ๆ

โหลด

กำลังไฟฟ้าที่ใช้ในช่วงเวลาหนึ่ง (kW/MW)

การคาดการณ์ความต้องการ

คาดการณ์ภาระในอนาคต

ปัจจัยด้านความจุ

อัตราส่วนของพลังงานที่ผลิตได้ต่อพลังงานที่จะผลิตได้หากทำงานอย่างต่อเนื่องจนเต็มกำลัง

ความถี่

อัตราการสั่นของเครือข่ายไฟฟ้ากระแสสลับ (50 Hz ในภาษาตุรกี) ตัวบ่งชี้ความสมดุลระหว่างอุปสงค์และอุปทาน

ภาพหลอน

AI สร้างข้อมูลที่ไม่มีอยู่จริงเสมือนว่าเป็นข้อมูลจริง

สามจุดยึด

ลำดับ + ความน่าเชื่อถือทางฟิสิกส์ + ระเบียบวินัยในการตรวจสอบหลักฐานการวัด

ข้อผิดพลาดทั่วไป

• เข้าใจผิดว่าคล่องเพื่อความถูกต้อง เพียงเพราะข้อความถูกต้องไม่ได้หมายความว่าตัวเลขถูกต้อง ในข้อมูลพลังงาน หน่วยและลำดับจะถูกตรวจสอบแยกกันเสมอ
• ออกจากหน่วยไม่แน่นอน ความสับสนระหว่าง kW และ kWh, MW และ MWh เป็นข้อผิดพลาดที่พบบ่อยที่สุดและมีราคาแพงในการคำนวณพลังงาน
• แบ่งปันข้อมูลที่สำคัญตามที่เป็นอยู่ SCADA และโทโพโลยีกริดเป็นโครงสร้างพื้นฐานที่สำคัญ จะไม่ถูกส่งไปยังเครื่องมือสาธารณะโดยไม่มีการระบุชื่อ
• AI เข้าใจผิดในการตัดสินใจ ในการตัดสินใจที่มีความสำคัญด้านความปลอดภัย AI จะสร้างคำแนะนำ วิศวกรที่ได้รับอนุญาตเป็นผู้ตัดสินใจและรับผิดชอบ
• อาศัยสมออันเดียว แค่ "โมเดลดูปลอดภัย" หรือแค่ตรวจสอบอันดับยังไม่เพียงพอ ใช้พุกสามอันร่วมกัน

ข้อควรระวัง: การป้อนข้อมูล เช่น โทโพโลยีของกริด การตั้งค่าการป้องกัน หรือตำแหน่งสินทรัพย์ที่สำคัญลงในเครื่องมือ AI ถือเป็นทั้งช่องโหว่ด้านความเป็นส่วนตัวและความปลอดภัยทางไซเบอร์ ข้อมูลดังกล่าวได้รับการประมวลผลเฉพาะในระบบปิดที่ได้รับอนุมัติจากสถาบันเท่านั้น

โดยสรุป

ปัญญาประดิษฐ์ช่วยประหยัดเวลาอย่างมากในการเตรียมข้อมูล การวิเคราะห์/การคาดการณ์ และการสื่อสารในด้านวิศวกรรมพลังงาน แต่ด้านการวิเคราะห์และการทำนายที่มีค่าสูงสุดก็มีความเสี่ยงสูงสุดเช่นกัน แกนหลักของโมดูลนี้คือระเบียบวินัยที่ทดสอบแต่ละเอาต์พุตกับจุดยึดสามจุด ได้แก่ ลำดับความสำคัญ ความน่าเชื่อถือทางวิศวกรรม และหลักฐานการวัด ไม่มีการตัดสินใจที่มีความสำคัญด้านความปลอดภัยเหลืออยู่ในเอาท์พุต AI โดยไม่ได้รับการอนุมัติจากวิศวกรที่ได้รับอนุญาต

งานสมัคร

รับปริมาณงานหรือการคาดการณ์การผลิตล่วงหน้าจากไซต์งานของคุณเอง (หรือตัวอย่างที่เปิดกว้าง) การใช้เทมเพลต “คำขอตรวจสอบจุดยึดสามรายการ” ด้านบน ขอให้ AI ตรวจสอบผลลัพธ์ภายใต้สามหัวข้อ จากนั้นตรวจสอบแต่ละเรื่องด้วยตนเอง: ลำดับถูกต้องหรือไม่ ฟิสิกส์สมเหตุสมผลหรือไม่ คุณจะทดสอบโดยใช้หน่วยเมตริกใด เขียนปัญหาอย่างน้อยหนึ่งข้อที่คุณพบและวิธีตรวจพบปัญหานั้นในย่อหน้า

รายการตรวจสอบ

• [ ] ฉันจัดประเภทงานเป็นการจัดเตรียมข้อมูล / การวิเคราะห์ / การสื่อสาร และประเมินความเสี่ยง
• [ ] ฉันทดสอบเอาท์พุตตามลำดับความสำคัญ
• [ ] ฉันทดสอบผลลัพธ์โดยเทียบกับความน่าเชื่อถือทางฟิสิกส์และวิศวกรรม
• [ ] ฉันได้พิจารณาแล้วว่าหลักฐานการวัด/ภาคสนามใดที่จะตรวจสอบได้
• [ ] ฉันตรวจสอบทุกหน่วย (kW/kWh, MW/MWh) อย่างชัดเจน
• [ ] ฉันไม่ระบุชื่อข้อมูลที่สำคัญ/เป็นความลับ และไม่ได้เปิดเผยรายละเอียดโครงสร้างพื้นฐานที่สำคัญ
• [ ] ฉันสังเกตว่าการตัดสินใจที่มีความสำคัญด้านความปลอดภัยยังคงต้องได้รับอนุมัติจากวิศวกรที่ได้รับอนุญาต