Kazanimlar:
- Yapay zeka yardımıyla veriden rapora uzanan bir Python analiz iş akışını uçtan uca kurabilme
- Üretilen kodu birim uyumu, sızıntı (leakage) ve tekrar-üretilebilirlik açısından doğrulayabilme
- Enerji projelerinde etik, gizlilik, siber güvenlik ve mühendis sorumluluğu sınırlarını uygulamaya dökebilme
Modul Sinavi
1. Enerji sistemleri mühendisliğinde bir AI çıktısının taşıdığı riski belirleyen temel ilke aşağıdakilerden hangisidir?
- A) Çıktının riski, o çıktı hatalı olduğunda doğuracağı zarara eşittir; doğrulama buna göre ölçeklenir ✔
- B) AI çıktısı akıcı ve kendinden emin yazıldığı için genellikle güvenlidir
- C) En güncel model kullanıldığında doğrulama gereksizdir
- D) Çıktı bir standarda atıf yapıyorsa ek kontrol gerekmez
Aciklama: Bir çıktının riski, o çıktı hatalı olduğunda doğuracağı zarara eşittir. Bir sunum metnindeki küçük hata zararsızken, bir röle koruma ayarındaki veya trafo yüklenme kararındaki hata teçhizat hasarı, kesinti ve can güvenliği riski doğurabilir; bu yüzden doğrulama yoğunluğu potansiyel zarara göre ölçeklenir.
2. Enerji zaman serisi verisini yapay zeka ile hazırlarken en sık görülen ve sonucu en çok bozan tuzak hangisidir?
- A) Grafik renklerinin yanlış seçilmesi
- B) Saat dilimi, yaz saati ve zaman damgası etiketi karışıklıkları ✔
- C) Dosya adının çok uzun olması
- D) Verinin CSV yerine Excel'de tutulması
Aciklama: Saat dilimi, yaz saati uygulaması (DST) ve zaman damgasının başlangıç/bitiş etiketi karışıklıkları enerji verisinde çok yaygındır; bir saatlik kayma, tüm gün-tipi ve tepe saat analizini bozar. Bu yüzden zaman ekseni her analizden önce tek bir standarda oturtulmalı ve AI çıktısı gün doğumu/tepe saat gibi fiziksel çapalarla sınanmalıdır.
3. Kısa vadeli yük tahmininde MAPE (Ortalama Mutlak Yüzde Hata) düşük görünürken tahminin yine de güvenilmez olabileceğini gösteren durum hangisidir?
- A) MAPE her zaman tahmin kalitesinin tam ve yeterli ölçüsüdür
- B) Ortalama düşük olsa da tepe saatlerde sistematik sapma olabilir ve şebeke tam orada kritiktir ✔
- C) MAPE yalnızca uzun vadeli tahminde anlamlıdır
- D) Düşük MAPE modelin fiziksel olarak da doğru olduğunu kanıtlar
Aciklama: MAPE ortalama bir hatadır; toplam iyi görünse bile tepe (peak) saatlerde ve mevsim geçişlerinde sistematik sapma olabilir. Şebeke dengesi tam da bu tepe anlarında kritiktir, dolayısıyla ortalama metrik iyi diye tahmin güvenli sayılamaz; hata, saat ve rejim bazında ayrıştırılarak incelenmelidir.
4. Güneş santralı üretim tahmininin makullüğünü sınamak için en sağlam fiziksel üst sınır hangisidir?
- A) Geçen yılın toplam faturası
- B) Işınım, panel alanı ve kurulu güçle sınırlı fiziksel üretim tavanı (gece sıfır dahil) ✔
- C) Modelin verdiği güven yüzdesi
- D) Rüzgar hızı ölçümü
Aciklama: Bir güneş santralı, güneş ışınımının ve panel kapasitesinin izin verdiğinden fazlasını üretemez; gece sıfır, öğle civarı tepe yapan ve kurulu güç ile modül alanının üst sınırladığı bir üretim beklenir. Model gece üretim veya kurulu gücü aşan değer verdiyse fiziksel olarak imkansızdır. Bu kontrol, tahmini istatistiğe bakmadan eler.
5. Akıllı şebekede bir AI optimizasyon önerisinin doğrudan uygulanmadan önce mutlaka geçmesi gereken süzgeç nedir?
- A) Önerinin en düşük maliyeti vermesi tek başına yeterlidir
- B) Modelin yüksek doğrulukta eğitilmiş olması yeterlidir
- C) Güvenlik kısıtları (gerilim, termal, N-1) kontrolü ve yetkili operatör onayı ✔
- D) Önerinin geçmiş verilere uyması yeterlidir
Aciklama: Şebeke güvenlik-kritiktir: gerilim, akım, termal ve N-1 (bir elemanın devre dışı kalması) kısıtlarını ihlal eden hiçbir öneri uygulanamaz. AI çıktısı önce bu güvenlik kısıtlarından geçirilir, sonra yetkili operatörün onayına sunulur; optimizasyon hiçbir zaman güvenlik kısıtının önüne geçmez.
6. Batarya depolama işletmesinde arbitraj (ucuza al, pahalıya sat) stratejisini AI ile kurarken sık atlanan ve kârı yanıltan maliyet hangisidir?
- A) İnternet bağlantı ücreti
- B) Çevrim başına degradasyon (yıpranma) ve verim kaybı maliyeti ✔
- C) Personelin kahve molası süresi
- D) Bataryanın rengi
Aciklama: Her şarj-deşarj çevrimi bataryayı yıpratır; degradasyon (sağlık kaybı) gerçek bir maliyettir ve garanti sınırlarını tüketir. Yalnızca fiyat farkına bakan bir arbitraj analizi, çevrim başına degradasyon maliyetini ve verim kaybını ihmal ederse kârı olduğundan yüksek gösterir ve bataryanın ömrünü kısaltır.
7. Kestirimci bakımda bir anomali tespit modelinin eşik değerini belirlerken temel denge hangisidir?
- A) Yanlış alarm ile kaçırılan arıza maliyetleri arasındaki bilinçli denge ✔
- B) Eşik her zaman mümkün olduğunca düşük tutulmalıdır
- C) Eşik yalnızca modelin doğruluk yüzdesine bakılarak belirlenir
- D) Eşik bir kez ayarlanınca hiç değiştirilmemelidir
Aciklama: Eşik düşürülürse yanlış alarm (arıza yokken alarm) artar ve ekip alarmlara güvenmez olur; eşik yükseltilirse kaçırılan arıza (gerçek arızanın atlanması) riski büyür. Doğru eşik, yanlış alarm maliyeti ile kaçırılan arızanın (örn. trafo patlaması) maliyeti arasında bilinçli bir dengedir ve ekipmanın kritikliğine göre ayarlanır.
8. Enerji verimliliği projesinde bir tasarruf iddiasını doğrulamak için ölçüm ve doğrulama (M&V) çerçevesinin temel mantığı nedir?
- A) Fatura tutarındaki her düşüş doğrudan tasarruf sayılır
- B) Tasarruf, düzeltilmiş taban çizgisi ile ölçülen tüketim arasındaki farktır ✔
- C) Tasarruf yalnızca üreticinin katalog değeriyle beyan edilir
- D) Tasarruf, modelin tahmin ettiği değere eşittir
Aciklama: Tasarruf doğrudan ölçülemez; ölçülen, önlem alındıktan sonraki tüketimdir. Tasarruf, 'önlem olmasaydı ne tüketilirdi' taban çizgisi ile ölçülen tüketim arasındaki farktır. Bu yüzden taban çizgisi modeli hava/üretim gibi değişkenlere göre düzeltilmeli, tasarruf bu düzeltilmiş referansa karşı hesaplanmalıdır.
9. Elektrik fiyat tahmini modelinde 'aşırı uyum' (overfitting) neden özellikle tehlikelidir?
- A) Modeli yavaşlattığı için
- B) Geçmişteki gürültüyü ezberler, gelecekte özellikle rejim değişince çöker ve yüksek güvenle yanıltır ✔
- C) Yalnızca daha fazla bellek kullandığı için
- D) Grafiklerin okunmasını zorlaştırdığı için
Aciklama: Aşırı uyum, modelin geçmiş verideki gürültüyü ve tekrarlanmayacak örüntüleri ezberlemesidir; geriye dönük test mükemmel görünür ama gelecekte çöker. Fiyat verisi rejim değiştirdiği (yakıt fiyatı şoku, mevzuat değişikliği) için ezberlenen örüntü geçersizleşir ve yüksek güvenle yanlış teklif verilmesine yol açar.
10. Saatlik karbon yoğunluğu (bir kWh elektriğin o saatteki gCO2 değeri) kavramı yük kaydırma için neden önemlidir?
- A) Karbon yoğunluğu her saat aynıdır, bu yüzden fark etmez
- B) Yalnızca fatura tutarını etkilediği için
- C) Yenilenebilir payına göre saatlik değişir; esnek yükü düşük yoğunluklu saate kaydırmak emisyonu azaltır ✔
- D) Yalnızca gece tarifesiyle ilgili olduğu için
Aciklama: Şebekenin karbon yoğunluğu saat içinde değişir: yenilenebilir üretimin yüksek olduğu saatlerde düşük, fosil santrallerin devreye girdiği tepe saatlerde yüksektir. Esnek yükleri düşük yoğunluklu saatlere kaydırmak, aynı enerjiyi tüketip daha az emisyon üretmeyi sağlar. Ortalama yıllık faktör bu fırsatı gizler.
11. Yapay zekanın ürettiği bir Python analiz kodunda 'veri sızıntısı' (data leakage) ne anlama gelir ve neden tehlikelidir?
- A) Verinin diskten silinmesi
- B) Modelin, tahmin anında elde olmayacak gelecek bilgisini eğitimde kullanması; test iyi ama gerçek kötü olur ✔
- C) Verinin internete sızması dışında bir anlamı yoktur
- D) Kodun çok yavaş çalışması
Aciklama: Veri sızıntısı, modelin eğitim sırasında gerçekte gelecekte bulunacak bilgiye erişmesidir; örneğin tahmin edilecek saatin gerçekleşen değerini öznitelik olarak kullanmak. Bu, geriye dönük testte kusursuz ama gerçekte işe yaramaz sonuç doğurur. Zaman serisinde geçmiş/gelecek sınırının kodda titizce korunması gerekir.
12. Enerji şirketine ait SCADA verisini genel bir AI aracına gönderirken doğru yaklaşım hangisidir?
- A) Tüm veriyi olduğu gibi göndermek en doğru sonucu verir
- B) Veriyi anonimleştirip yalnızca gereken teknik alt kümeyi, onaylı araçla paylaşmak ✔
- C) Veri nasılsa açık olduğu için önlem gereksizdir
- D) Yalnızca dosya adını değiştirmek yeterlidir
Aciklama: SCADA ve şebeke topoloji verisi kritik altyapı bilgisidir; olduğu gibi genel bir buluta gönderilmesi gizlilik, rekabet ve siber güvenlik riski doğurur. Doğru yaklaşım, saha/varlık adlarını temsili etiketlerle anonimleştirmek, yalnızca göreve gereken teknik alt kümeyi paylaşmak ve kurumun onaylı/kapalı araçlarını tercih etmektir.
13. Rüzgar üretim tahmininde 'kapasite faktörü' (üretilen enerjinin, tam kapasitede sürekli çalışsa üretilecek enerjiye oranı) neden makullük çapası olarak kullanılır?
- A) Sadece pazarlama amaçlı bir sayı olduğu için
- B) Faturayı doğrudan verdiği için
- C) Tipik aralığı (yaklaşık %25-45) bilinen, tahminin büyüklük mertebesini sınayan fiziksel bir ölçüt olduğu için ✔
- D) Türbin rengini belirlediği için
Aciklama: Karasal rüzgar santrallerinin kapasite faktörü tipik olarak yaklaşık yüzde 25-45 aralığındadır. Bir tahmin, uzun dönem ortalamada bu aralığın çok dışında (örn. yüzde 90) bir üretim öngörüyorsa fiziksel olarak makul değildir. Bu oran, ayrıntıya girmeden tahminin büyüklük mertebesini sınamayı sağlar.
14. Güvenlik-kritik bir enerji sistemi kararında yapay zekanın rolü en doğru nasıl tanımlanır?
- A) AI, yetkili mühendisin onayının yerine geçebilir
- B) AI hipotez ve taslak üretir; güvenlik-kritik kararın onayı ve sorumluluğu yetkili mühendiste kalır ✔
- C) AI yeterince güçlüyse insan onayı gereksizdir
- D) AI çıktısı hiçbir işe yaramaz, tümüyle göz ardı edilmelidir
Aciklama: Yapay zeka hızlı okuyan, örüntü yakalayan, taslak üreten güçlü bir asistandır; ama koruma ayarı, trafo yüklenme, şebeke manevrası gibi güvenlik-kritik kararlarda yetkin uzmanın onayının ve sorumluluğunun yerine geçmez. AI hipotez ve taslak üretir; kararı ve imzayı yetkili mühendis verir.