กำไร:
- ความสามารถในการสร้างเวิร์กโฟลว์การวิเคราะห์ Python แบบ end-to-end จากข้อมูลเพื่อรายงานด้วยความช่วยเหลือของปัญญาประดิษฐ์
- ความสามารถในการตรวจสอบโค้ดที่สร้างขึ้นในแง่ของความเข้ากันได้ของหน่วย การรั่วไหล และความสามารถในการทำซ้ำ
- ความสามารถในการนำหลักจริยธรรม การรักษาความลับ ความปลอดภัยทางไซเบอร์ และข้อจำกัดความรับผิดชอบของวิศวกรไปปฏิบัติในโครงการพลังงาน
การสอบโมดูล
1. ข้อใดต่อไปนี้เป็นหลักการพื้นฐานที่กำหนดความเสี่ยงของเอาต์พุต AI ในงานวิศวกรรมระบบพลังงาน
- A) ความเสี่ยงของเอาท์พุตเท่ากับอันตรายที่อาจเกิดขึ้นหากเอาท์พุตนั้นมีข้อผิดพลาด การตรวจสอบจะปรับขนาดตามลำดับ✔
- B) โดยทั่วไปเอาต์พุต AI จะปลอดภัยเนื่องจากเขียนได้อย่างคล่องแคล่วและมั่นใจ
- C) ไม่จำเป็นต้องตรวจสอบความถูกต้องเมื่อใช้โมเดลล่าสุด
- D) หากเอาต์พุตอ้างอิงถึงมาตรฐาน ไม่จำเป็นต้องมีการควบคุมเพิ่มเติม
คำอธิบาย: ความเสี่ยงของเอาท์พุตเท่ากับอันตรายที่จะเกิดหากเอาท์พุตนั้นมีข้อบกพร่อง แม้ว่าข้อผิดพลาดเล็กน้อยในข้อความการนำเสนออาจไม่เป็นอันตราย แต่ข้อผิดพลาดในการตั้งค่าการป้องกันรีเลย์หรือการตัดสินใจโหลดหม้อแปลงอาจทำให้อุปกรณ์เสียหาย ไฟดับ และความเสี่ยงด้านความปลอดภัยในชีวิต ดังนั้นความเข้มข้นในการตรวจสอบจึงเพิ่มขึ้นพร้อมกับอันตรายที่อาจเกิดขึ้น
2. อะไรคือข้อผิดพลาดที่พบบ่อยที่สุดในการเตรียมข้อมูลอนุกรมเวลาพลังงานด้วยปัญญาประดิษฐ์ และสิ่งใดที่บิดเบือนผลลัพธ์มากที่สุด
- A) การเลือกสีกราฟิกไม่ถูกต้อง
- B) โซนเวลา เวลาออมแสง และความสับสนของป้ายกำกับการประทับเวลา ✔
- C) ชื่อไฟล์ยาวเกินไป
- D) เก็บข้อมูลใน Excel แทน CSV
คำอธิบาย: ความสับสนของแท็กเริ่มต้น/สิ้นสุดของเขตเวลา เวลาออมแสง (DST) และการประทับเวลาเป็นเรื่องปกติมากในข้อมูลพลังงาน กะหนึ่งชั่วโมงจะบิดเบือนการวิเคราะห์ประเภทวันและชั่วโมงเร่งด่วนทั้งหมด ดังนั้นแกนเวลาควรเป็นมาตรฐานก่อนการวิเคราะห์แต่ละครั้ง และควรทดสอบเอาต์พุต AI กับจุดยึดทางกายภาพ เช่น เวลาพระอาทิตย์ขึ้น/เวลาสูงสุด
3. สถานการณ์ใดแสดงให้เห็นว่าแม้ว่า MAPE (Mean Absolute Percent Error) ในการพยากรณ์ภาระงานระยะสั้นจะดูต่ำ แต่การคาดการณ์อาจยังคงไม่น่าเชื่อถือ
- A) MAPE เป็นตัววัดคุณภาพการคาดการณ์ที่สมบูรณ์และเพียงพอเสมอ
- B) แม้ว่าค่าเฉลี่ยจะต่ำ แต่อาจมีการเบี่ยงเบนอย่างเป็นระบบในชั่วโมงเร่งด่วน และนั่นคือจุดที่ตารางมีความสำคัญ ✔
- C) MAPE มีความหมายเฉพาะในการพยากรณ์ระยะยาวเท่านั้น
- D) MAPE ต่ำพิสูจน์ว่าแบบจำลองมีความถูกต้องทางกายภาพ
คำอธิบาย: MAPE เป็นข้อผิดพลาดโดยเฉลี่ย แม้ว่ายอดรวมจะดูดี แต่อาจมีการเบี่ยงเบนอย่างเป็นระบบในชั่วโมงเร่งด่วนและช่วงเปลี่ยนผ่านตามฤดูกาล ความสมดุลของเครือข่ายมีความสำคัญอย่างยิ่งในช่วงเวลาที่มีการใช้งานสูงสุด ดังนั้นเพียงเพราะการวัดโดยเฉลี่ยนั้นดีจึงไม่ถือว่าปลอดภัยในการคาดการณ์ ควรวิเคราะห์ข้อผิดพลาดแยกกันตามเวลาและหลักเกณฑ์
4. อะไรคือขอบเขตบนทางกายภาพที่แข็งแกร่งที่สุดในการทดสอบความสมเหตุสมผลของการพยากรณ์การผลิตโรงไฟฟ้าพลังงานแสงอาทิตย์?
- A) บิลรวมของปีที่แล้ว
- B) เพดานการผลิตทางกายภาพถูกจำกัดด้วยรังสี พื้นที่แผง และกำลังไฟฟ้าที่ติดตั้ง (รวมศูนย์ในเวลากลางคืน) ✔
- C) เปอร์เซ็นต์ความเชื่อมั่นที่กำหนดโดยแบบจำลอง
- D) การวัดความเร็วลม
คำอธิบาย: โรงไฟฟ้าพลังงานแสงอาทิตย์ไม่สามารถผลิตได้มากกว่าปริมาณรังสีดวงอาทิตย์และความจุแผงที่อนุญาต การผลิตคาดว่าจะเป็นศูนย์ในเวลากลางคืน โดยจะถึงจุดสูงสุดประมาณเที่ยง และถูกจำกัดด้วยกำลังไฟฟ้าที่ติดตั้งและพื้นที่โมดูล เป็นไปไม่ได้ทางกายภาพหากแบบจำลองให้มูลค่าเกินการผลิตตอนกลางคืนหรือกำลังการผลิตติดตั้ง การตรวจสอบนี้จะกำจัดการทำนายโดยไม่ต้องดูสถิติ
5. ตัวกรองใดบ้างที่ข้อเสนอการเพิ่มประสิทธิภาพ AI ต้องผ่านก่อนที่จะนำไปใช้โดยตรงในกริดอัจฉริยะ
- A) คำแนะนำให้เสนอราคาต่ำสุดเพียงอย่างเดียวก็เพียงพอแล้ว
- B) โมเดลได้รับการฝึกฝนให้มีความแม่นยำสูงก็เพียงพอแล้ว
- C) การควบคุมข้อจำกัดด้านความปลอดภัย (แรงดันไฟฟ้า ความร้อน N-1) และการอนุมัติจากผู้ปฏิบัติงานที่ได้รับอนุญาต ✔
- D) คำแนะนำนั้นเหมาะสมกับข้อมูลในอดีตก็เพียงพอแล้ว
คำอธิบาย: เครือข่ายมีความสำคัญด้านความปลอดภัย: คำแนะนำใดๆ ที่ละเมิดข้อจำกัดแรงดันไฟฟ้า กระแสไฟฟ้า ความร้อน และ N-1 (ความล้มเหลวขององค์ประกอบ) ไม่สามารถนำมาใช้ได้ เอาต์พุต AI จะถูกส่งผ่านข้อจำกัดด้านความปลอดภัยเหล่านี้ก่อน จากนั้นจึงนำเสนอต่อผู้ปฏิบัติงานที่ได้รับอนุญาตเพื่อขออนุมัติ การเพิ่มประสิทธิภาพไม่เคยขัดขวางข้อจำกัดด้านความปลอดภัย
6. ต้นทุนใดที่มักถูกมองข้ามและทำให้กำไรเข้าใจผิดเมื่อกำหนดกลยุทธ์การเก็งกำไร (ซื้อถูก ขายสูง) ด้วย AI ในธุรกิจจัดเก็บแบตเตอรี่
- ก) ค่าธรรมเนียมการเชื่อมต่ออินเทอร์เน็ต
- B) การเสื่อมสภาพ (การสึกหรอ) และต้นทุนการสูญเสียประสิทธิภาพต่อรอบ ✔
- C) ระยะเวลาพักดื่มกาแฟของพนักงาน
- D) สีของแบตเตอรี่
คำอธิบาย: แต่ละรอบการชาร์จและคายประจุจะทำให้แบตเตอรี่หมด การเสื่อมสภาพ (การสูญเสียสุขภาพ) เป็นต้นทุนที่แท้จริงและทำให้ขีดจำกัดการรับประกันหมดลง การวิเคราะห์อนุญาโตตุลาการที่ดูเฉพาะส่วนต่างของราคาจะประเมินผลกำไรสูงเกินไป และทำให้อายุการใช้งานของแบตเตอรี่สั้นลง หากไม่สนใจต้นทุนการย่อยสลายและการสูญเสียประสิทธิภาพต่อรอบ
7. อะไรคือความสมดุลที่สำคัญในการกำหนดค่าเกณฑ์ของแบบจำลองการตรวจจับความผิดปกติในการบำรุงรักษาเชิงคาดการณ์?
- A) ความสมดุลระหว่างการรับรู้ที่ผิดพลาดและต้นทุนความล้มเหลวที่พลาดไป ✔
- B) ควรรักษาเกณฑ์ให้ต่ำที่สุดเท่าที่จะเป็นไปได้เสมอ
- C) เกณฑ์กำหนดโดยพิจารณาจากเปอร์เซ็นต์ความแม่นยำของแบบจำลองเพียงอย่างเดียว
- D) เมื่อตั้งค่าเกณฑ์แล้ว ไม่ควรเปลี่ยนแปลง
คำอธิบาย: หากเกณฑ์ลดลง สัญญาณเตือนที่ผิดพลาด (สัญญาณเตือนเมื่อไม่มีข้อผิดพลาด) จะเพิ่มขึ้น และทีมงานจะไม่ไว้วางใจสัญญาณเตือน หากเกณฑ์เพิ่มขึ้น ความเสี่ยงของข้อผิดพลาดที่พลาด (ข้อบกพร่องที่เกิดขึ้นจริงที่หายไป) จะเพิ่มขึ้น เกณฑ์ที่ถูกต้องคือความสมดุลระหว่างต้นทุนของการแจ้งเตือนที่ผิดพลาดและต้นทุนของข้อผิดพลาดที่พลาด (เช่น หม้อแปลงระเบิด) และจะมีการปรับตามวิกฤตของอุปกรณ์
8. อะไรคือตรรกะพื้นฐานของกรอบงานการวัดและตรวจสอบ (M&V) ในการตรวจสอบการเรียกร้องการประหยัดในโครงการประสิทธิภาพพลังงาน
- A) การลดจำนวนใบแจ้งหนี้ทุกครั้งจะถือเป็นการประหยัดโดยตรง
- B) การประหยัดคือความแตกต่างระหว่างค่าพื้นฐานที่ปรับแล้วและปริมาณการใช้ที่วัดได้ ✔
- C) การประหยัดจะประกาศตามมูลค่าแค็ตตาล็อกของผู้ผลิตเท่านั้น
- D) การประหยัดเท่ากับที่แบบจำลองคาดการณ์
คำอธิบาย: การออมไม่สามารถวัดได้โดยตรง สิ่งที่วัดได้คือการบริโภคหลังจากใช้ความระมัดระวังแล้ว การประหยัดคือความแตกต่างระหว่างการบริโภคที่วัดได้กับค่าพื้นฐาน 'สิ่งที่จะถูกบริโภคโดยไม่มีการวัด' ดังนั้นจึงต้องแก้ไขแบบจำลองพื้นฐานสำหรับตัวแปรต่างๆ เช่น สภาพอากาศ/การผลิต การประหยัดที่คำนวณโดยเทียบกับการอ้างอิงที่ปรับเปลี่ยนนี้
9. เหตุใด 'การติดตั้งมากเกินไป' จึงเป็นอันตรายอย่างยิ่งในรูปแบบการพยากรณ์ราคาไฟฟ้า?
- A) เพราะมันทำให้โมเดลช้าลง
- B) จดจำเสียงในอดีต ล่มสลายในอนาคต โดยเฉพาะเมื่อระบอบการปกครองเปลี่ยนแปลง และหลอกลวงด้วยความมั่นใจสูง ✔
- C) เพียงเพราะมันใช้หน่วยความจำมากขึ้น
- D) เพราะมันทำให้กราฟิกอ่านยาก
คำอธิบาย: การติดตั้งมากเกินไปคือเมื่อแบบจำลองจดจำสัญญาณรบกวนและรูปแบบในข้อมูลประวัติที่จะไม่เกิดซ้ำ การทดสอบย้อนกลับดูสมบูรณ์แบบแต่จะล้มเหลวในอนาคต เมื่อข้อมูลราคาเปลี่ยนแปลงไป (การเปลี่ยนแปลงราคาเชื้อเพลิง การเปลี่ยนแปลงกฎหมาย) รูปแบบที่จดจำจะไม่ถูกต้องและนำไปสู่การเสนอราคาที่ไม่ถูกต้องและมีความมั่นใจสูง
10. เหตุใดแนวคิดเรื่องความเข้มข้นของคาร์บอนรายชั่วโมง (ค่า gCO2 ของไฟฟ้าหนึ่ง kWh ต่อชั่วโมง) จึงมีความสำคัญต่อการเปลี่ยนภาระ
- ก) ความหนาแน่นของคาร์บอนเท่ากันทุกๆ ชั่วโมง ดังนั้นจึงไม่สำคัญ
- B) เนื่องจากจะมีผลกับจำนวนใบแจ้งหนี้เท่านั้น
- C) แตกต่างกันไปทุกชั่วโมงขึ้นอยู่กับหุ้นที่ต่ออายุได้ การเปลี่ยนภาระที่ยืดหยุ่นไปเป็นชั่วโมงที่มีความเข้มข้นต่ำจะช่วยลดการปล่อยก๊าซเรือนกระจก ✔
- D) เนื่องจากเกี่ยวข้องกับอัตราค่าไฟฟ้ากลางคืนเท่านั้น
คำอธิบาย: ความเข้มข้นของคาร์บอนในโครงข่ายจะแตกต่างกันไปทุกชั่วโมง โดยจะอยู่ในระดับต่ำในช่วงเวลาที่มีการผลิตพลังงานหมุนเวียนสูงและจะสูงในช่วงชั่วโมงเร่งด่วนเมื่อโรงไฟฟ้าฟอสซิลเข้าสู่ระบบออนไลน์ การเปลี่ยนโหลดที่ยืดหยุ่นไปเป็นชั่วโมงเร่งด่วนต่ำช่วยให้ใช้พลังงานเท่าเดิมแต่ปล่อยก๊าซน้อยลง ปัจจัยประจำปีโดยเฉลี่ยซ่อนโอกาสนี้ไว้
11. 'ข้อมูลรั่วไหล' หมายถึงอะไรในโค้ดวิเคราะห์ Python ที่ผลิตโดยปัญญาประดิษฐ์ และเหตุใดจึงเป็นอันตราย
- A) การลบข้อมูลจากดิสก์
- B) โมเดลใช้ข้อมูลในอนาคตในการฝึกอบรมซึ่งจะไม่สามารถใช้ได้ในขณะที่คาดการณ์ บททดสอบเป็นสิ่งที่ดี แต่ความเป็นจริงนั้นแย่ ✔
- C) ข้อมูลไม่มีความหมายอื่นใดนอกจากการรั่วไหลสู่อินเทอร์เน็ต
- D) รหัสทำงานช้ามาก
คำอธิบาย: ข้อมูลรั่วไหลเกิดขึ้นเมื่อโมเดลเข้าถึงข้อมูลที่จะพบได้จริงในอนาคตระหว่างการฝึกอบรม เช่น การใช้ค่าจริงของชั่วโมงที่จะคาดการณ์เป็นแอตทริบิวต์ ซึ่งส่งผลให้เกิดการทดสอบย้อนกลับที่สมบูรณ์แบบแต่ในความเป็นจริงแล้วไม่มีประโยชน์ ขอบเขตอดีต/อนาคตในอนุกรมเวลาจะต้องได้รับการดูแลอย่างระมัดระวังในโค้ด
12. อะไรคือแนวทางที่ถูกต้องในการส่งข้อมูล SCADA ของบริษัทพลังงานไปยังเครื่องมือ AI ทั่วไป?
- A) การส่งข้อมูลทั้งหมดตามที่ได้รับจะให้ผลลัพธ์ที่แม่นยำที่สุด
- B) ปกปิดข้อมูลและแบ่งปันเฉพาะส่วนย่อยทางเทคนิคที่จำเป็นด้วยเครื่องมือที่ได้รับอนุมัติ ✔
- C) ข้อควรระวังไม่จำเป็นเนื่องจากข้อมูลยังคงเปิดอยู่
- D) แค่เปลี่ยนชื่อไฟล์ก็เพียงพอแล้ว
คำอธิบาย: ข้อมูล SCADA และโทโพโลยีเครือข่ายเป็นข้อมูลโครงสร้างพื้นฐานที่สำคัญ การส่งไปยังคลาวด์สาธารณะในลักษณะที่ก่อให้เกิดความเสี่ยงด้านความเป็นส่วนตัว การแข่งขัน และความปลอดภัยทางไซเบอร์ แนวทางที่ถูกต้องคือการไม่เปิดเผยชื่อไซต์/สินทรัพย์ด้วยแท็กตัวแทน แบ่งปันเฉพาะส่วนย่อยทางเทคนิคที่จำเป็นสำหรับงาน และเลือกใช้เครื่องมือที่สถาบันอนุมัติ/ปิด
13. เหตุใด 'ปัจจัยด้านความจุ' (อัตราส่วนของพลังงานที่ผลิตได้ต่อพลังงานที่จะผลิตได้หากทำงานอย่างต่อเนื่องอย่างเต็มประสิทธิภาพ) จึงใช้เป็นจุดยึดความสมเหตุสมผลในการพยากรณ์การผลิตลม
- ก) เนื่องจากเป็นตัวเลขเพื่อวัตถุประสงค์ทางการตลาดเท่านั้น
- B) เพราะเขาออกใบแจ้งหนี้โดยตรง
- ค) เนื่องจากเป็นเกณฑ์ทางกายภาพที่ทดสอบลำดับความสำคัญของการทำนายโดยมีช่วงปกติที่ทราบ (ประมาณ 25-45%) ✔
- D) เพราะเป็นตัวกำหนดสีของกังหัน
คำอธิบาย: ปัจจัยด้านกำลังการผลิตของฟาร์มกังหันลมบนบกโดยทั่วไปจะอยู่ในช่วงประมาณร้อยละ 25-45 การคาดการณ์นั้นไม่น่าจะเป็นไปได้ทางกายภาพ หากคาดการณ์การผลิตด้วยค่าเฉลี่ยระยะยาวซึ่งอยู่นอกช่วงนี้ได้ดี (เช่น 90 เปอร์เซ็นต์) อัตราส่วนนี้ทำให้คุณสามารถทดสอบลำดับความสำคัญของการทำนายโดยไม่ต้องลงรายละเอียด
14. บทบาทของปัญญาประดิษฐ์ในการตัดสินใจระบบพลังงานที่มีความสำคัญต่อความมั่นคงสามารถกำหนดได้อย่างแม่นยำที่สุดได้อย่างไร
- A) AI สามารถแทนที่การอนุมัติของวิศวกรที่ได้รับอนุญาตได้
- B) AI สร้างสมมติฐานและโครงร่าง การอนุมัติและความรับผิดชอบในการตัดสินใจที่มีความสำคัญด้านความปลอดภัยยังคงเป็นของวิศวกรที่ได้รับอนุญาต ✔
- C) หาก AI มีพลังเพียงพอ การยืนยันของมนุษย์ก็ไม่จำเป็น
- D) เอาต์พุต AI ไม่มีประโยชน์และควรละเว้นโดยสิ้นเชิง
คำอธิบาย: ปัญญาประดิษฐ์เป็นผู้ช่วยอันทรงพลังที่อ่านเร็ว จับรูปแบบ สร้างแบบร่าง แต่ไม่ได้แทนที่การอนุมัติและความรับผิดชอบของผู้เชี่ยวชาญที่มีความสามารถในการตัดสินใจที่มีความสำคัญด้านความปลอดภัย เช่น การปรับการป้องกัน การโหลดหม้อแปลง การเคลื่อนตัวของเครือข่าย AI สร้างสมมติฐานและโครงร่าง วิศวกรผู้มีอำนาจเป็นผู้ตัดสินใจและลงนาม