Lợi nhuận:
- Khả năng thiết lập quy trình phân tích Python từ đầu đến cuối từ dữ liệu đến báo cáo với sự trợ giúp của trí tuệ nhân tạo
- Khả năng xác minh mã được tạo về khả năng tương thích, rò rỉ và khả năng tái tạo của đơn vị
- Khả năng áp dụng các giới hạn về đạo đức, bảo mật, an ninh mạng và trách nhiệm của kỹ sư vào thực tiễn trong các dự án năng lượng
Thi học phần
1. Nguyên tắc cơ bản nào sau đây xác định rủi ro của đầu ra AI trong kỹ thuật hệ thống năng lượng?
- A) Rủi ro của một đầu ra bằng với tác hại mà nó có thể gây ra nếu đầu ra đó bị lỗi; thang đo xác nhận phù hợp ✔
- B) Đầu ra AI nói chung là an toàn vì nó được viết trôi chảy và tự tin
- C) Việc xác nhận là không cần thiết khi sử dụng mô hình mới nhất
- D) Nếu đầu ra đề cập đến một tiêu chuẩn thì không cần kiểm soát bổ sung
Giải thích: Rủi ro của một đầu ra bằng với tác hại mà nó sẽ gây ra nếu đầu ra đó bị lỗi. Mặc dù một lỗi nhỏ trong văn bản trình bày có thể vô hại nhưng một lỗi trong cài đặt bảo vệ rơle hoặc quyết định tải máy biến áp có thể gây hư hỏng thiết bị, mất điện và rủi ro về an toàn tính mạng; vì vậy cường độ xác minh sẽ tăng theo mức độ gây hại tiềm ẩn.
2. Cạm bẫy phổ biến nhất khi chuẩn bị dữ liệu chuỗi thời gian năng lượng bằng trí tuệ nhân tạo và điều gì làm sai lệch kết quả nhiều nhất?
- A) Lựa chọn màu sắc đồ họa không chính xác
- B) Múi giờ, thời gian tiết kiệm ánh sáng ban ngày và nhầm lẫn nhãn dấu thời gian ✔
- C) Tên tệp quá dài
- D) Giữ dữ liệu trong Excel thay vì CSV
Giải thích: Sự nhầm lẫn thẻ bắt đầu/kết thúc về múi giờ, thời gian tiết kiệm ánh sáng ban ngày (DST) và dấu thời gian rất phổ biến trong dữ liệu năng lượng; ca làm việc kéo dài một giờ sẽ làm sai lệch toàn bộ phân tích loại ngày và giờ cao điểm. Do đó, trục thời gian phải được chuẩn hóa trước mỗi lần phân tích và đầu ra AI phải được kiểm tra dựa trên các điểm cố định vật lý như thời gian mặt trời mọc/cao điểm.
3. Tình huống nào cho thấy rằng mặc dù MAPE (Lỗi phần trăm tuyệt đối trung bình) trong dự báo phụ tải ngắn hạn có vẻ thấp nhưng dự báo đó có thể vẫn không đáng tin cậy?
- A) MAPE luôn là thước đo đầy đủ và đầy đủ về chất lượng dự báo
- B) Mặc dù mức trung bình thấp nhưng có thể có sai lệch hệ thống trong giờ cao điểm và đó là lúc lưới điện rất quan trọng ✔
- C) MAPE chỉ có ý nghĩa trong dự báo dài hạn
- D) MAPE thấp chứng tỏ mô hình đúng về mặt vật lý
Giải thích: MAPE là sai số trung bình; Ngay cả khi tổng thể có vẻ tốt, vẫn có thể có những sai lệch mang tính hệ thống về giờ cao điểm và chuyển tiếp theo mùa. Sự cân bằng mạng rất quan trọng vào những thời điểm cao điểm này, vì vậy chỉ vì số liệu trung bình tốt không thể được coi là an toàn để dự đoán; Các lỗi cần được phân tích riêng biệt trên cơ sở thời gian và chế độ.
4. Giới hạn trên vật lý mạnh mẽ nhất để kiểm tra tính hợp lý của dự báo sản lượng nhà máy năng lượng mặt trời là gì?
- A) Tổng hóa đơn năm ngoái
- B) Trần sản xuất vật chất bị giới hạn bởi bức xạ, diện tích bảng điều khiển và công suất lắp đặt (bao gồm cả 0 vào ban đêm) ✔
- C) Phần trăm độ tin cậy được đưa ra bởi mô hình
- D) Đo tốc độ gió
Mô tả: Một nhà máy điện mặt trời không thể sản xuất nhiều hơn mức bức xạ mặt trời và công suất tấm pin cho phép; Sản lượng dự kiến sẽ bằng 0 vào ban đêm, đạt đỉnh điểm vào khoảng giữa trưa và bị giới hạn bởi diện tích mô-đun và nguồn điện được lắp đặt. Về mặt vật lý, điều đó là không thể nếu mô hình đưa ra giá trị vượt quá công suất sản xuất ban đêm hoặc công suất lắp đặt. Việc kiểm tra này sẽ loại bỏ dự đoán mà không cần xem số liệu thống kê.
5. Đề xuất tối ưu hóa AI phải vượt qua bộ lọc nào trước khi được triển khai trực tiếp vào lưới điện thông minh?
- A) Chỉ cần đề xuất đưa ra chi phí thấp nhất là đủ.
- B) Chỉ cần huấn luyện mô hình với độ chính xác cao là đủ
- C) Kiểm soát các hạn chế về an toàn (điện áp, nhiệt, N-1) và sự chấp thuận của người vận hành được ủy quyền ✔
- D) Chỉ cần đề xuất phù hợp với dữ liệu lịch sử là đủ
Mô tả: Mạng rất quan trọng về mặt an toàn: không thể thực hiện bất kỳ khuyến nghị nào vi phạm các hạn chế về điện áp, dòng điện, nhiệt và N-1 (lỗi phần tử). Đầu ra AI trước tiên được chuyển qua các ràng buộc bảo mật này và sau đó được trình lên nhà điều hành được ủy quyền để phê duyệt; Tối ưu hóa không bao giờ cản trở các hạn chế về bảo mật.
6. Chi phí nào thường bị bỏ qua và làm sai lệch lợi nhuận khi thiết lập chiến lược chênh lệch giá (mua rẻ, bán cao) với AI trong ngành kinh doanh pin lưu trữ?
- A) Phí kết nối Internet
- B) Chi phí xuống cấp (hao mòn) và tổn thất hiệu suất trên mỗi chu kỳ ✔
- C) Thời gian nghỉ giải lao của nhân viên
- D) Màu sắc của pin
Mô tả: Mỗi chu kỳ sạc-xả sẽ làm hao mòn pin; suy thoái (mất sức khỏe) là chi phí thực tế và vượt quá giới hạn bảo hành. Một phân tích chênh lệch giá chỉ nhìn vào chênh lệch giá sẽ đánh giá quá cao lợi nhuận và rút ngắn tuổi thọ của pin nếu bỏ qua chi phí xuống cấp và tổn thất hiệu quả trên mỗi chu kỳ.
7. Điểm cân bằng chính khi xác định giá trị ngưỡng của mô hình phát hiện bất thường trong bảo trì dự đoán là gì?
- A) Cân bằng có ý thức giữa cảnh báo sai và chi phí hỏng hóc bị bỏ sót ✔
- B) Ngưỡng phải luôn được giữ ở mức thấp nhất có thể
- C) Ngưỡng chỉ được xác định bằng cách xem xét tỷ lệ phần trăm chính xác của mô hình
- D) Khi ngưỡng đã được đặt, nó sẽ không bao giờ được thay đổi.
Giải thích: Nếu ngưỡng bị hạ xuống, cảnh báo sai (báo động khi không có lỗi) sẽ tăng lên và nhóm trở nên không tin tưởng vào cảnh báo; Nếu ngưỡng tăng lên, nguy cơ bỏ sót lỗi (thiếu lỗi thực tế) sẽ tăng lên. Ngưỡng chính xác là sự cân bằng có ý thức giữa chi phí của một cảnh báo sai và chi phí của một sự cố bị bỏ sót (ví dụ như nổ máy biến áp) và được điều chỉnh theo mức độ nghiêm trọng của thiết bị.
8. Logic cơ bản của khung đo lường và xác minh (M&V) để xác minh yêu cầu tiết kiệm trong một dự án tiết kiệm năng lượng là gì?
- A) Mỗi lần giảm số tiền trên hóa đơn được coi là khoản tiết kiệm trực tiếp
- B) Tiết kiệm là chênh lệch giữa mức tiêu dùng cơ bản được điều chỉnh và mức tiêu dùng đo được ✔
- C) Tiết kiệm chỉ được khai báo theo giá trị danh mục của nhà sản xuất
- D) Tiết kiệm bằng với những gì mô hình dự đoán
Giải thích: Tiết kiệm không thể đo lường một cách trực tiếp; Những gì được đo lường là mức tiêu thụ sau khi thực hiện các biện pháp phòng ngừa. Tiết kiệm là chênh lệch giữa mức tiêu dùng được đo lường và mức cơ bản 'những gì sẽ được tiêu thụ nếu không có thước đo'. Vì vậy, mô hình cơ sở phải được hiệu chỉnh đối với các biến số như thời tiết/sản xuất, mức tiết kiệm được tính toán dựa trên tham chiếu được điều chỉnh này.
9. Tại sao “overfitting” đặc biệt nguy hiểm trong mô hình dự báo giá điện?
- A) Vì nó làm mô hình chậm lại
- B) Nó ghi nhớ tiếng ồn của quá khứ, sụp đổ trong tương lai, đặc biệt là khi chế độ thay đổi và đánh lừa với độ tin cậy cao ✔
- C) Chỉ vì nó sử dụng nhiều bộ nhớ hơn
- D) Bởi vì nó làm cho đồ họa khó đọc
Giải thích: Overfitting là khi mô hình ghi nhớ nhiễu và các mẫu trong dữ liệu lịch sử sẽ không lặp lại; Backtesting có vẻ hoàn hảo nhưng lại gặp sự cố trong tương lai. Khi dữ liệu giá thay đổi chế độ (cú sốc giá nhiên liệu, thay đổi luật), mẫu đã ghi nhớ sẽ trở nên không hợp lệ và dẫn đến việc đặt giá thầu không chính xác với độ tin cậy cao.
10. Tại sao khái niệm cường độ carbon theo giờ (giá trị gCO2 của một kWh điện trong giờ đó) lại quan trọng đối với việc chuyển dịch phụ tải?
- A) Mật độ carbon là như nhau mỗi giờ, vì vậy nó không thành vấn đề
- B) Vì nó chỉ ảnh hưởng tới số tiền trên hóa đơn
- C) Thay đổi hàng giờ tùy thuộc vào phần tái tạo; Chuyển tải linh hoạt sang giờ cường độ thấp giúp giảm lượng khí thải ✔
- D) Bởi vì nó chỉ liên quan đến giá ban đêm
Giải thích: Cường độ carbon của lưới điện thay đổi theo giờ: thấp vào những giờ sản xuất năng lượng tái tạo cao và cao vào giờ cao điểm khi các nhà máy điện hóa thạch đi vào hoạt động. Việc chuyển tải linh hoạt sang giờ cao điểm thấp cho phép tiêu thụ cùng một lượng năng lượng nhưng tạo ra ít khí thải hơn. Yếu tố trung bình hàng năm ẩn giấu cơ hội này.
11. 'Rò rỉ dữ liệu' nghĩa là gì trong mã phân tích Python do trí tuệ nhân tạo tạo ra và tại sao nó lại nguy hiểm?
- A) Xóa dữ liệu khỏi đĩa
- B) Mô hình sử dụng thông tin đào tạo trong tương lai sẽ không có sẵn tại thời điểm dự đoán; Kiểm tra thì tốt nhưng thực tế thì tệ ✔
- C) Dữ liệu không có ý nghĩa gì ngoài việc rò rỉ ra internet
- D) Mã chạy rất chậm
Giải thích: Rò rỉ dữ liệu là khi mô hình truy cập thông tin thực sự sẽ được tìm thấy trong tương lai trong quá trình đào tạo; ví dụ: sử dụng giá trị thực của giờ để dự đoán làm thuộc tính. Điều này dẫn đến việc kiểm tra lại hoàn hảo nhưng vô ích trong thực tế. Ranh giới quá khứ/tương lai trong chuỗi thời gian phải được duy trì cẩn thận trong mã.
12. Cách tiếp cận chính xác khi gửi dữ liệu SCADA của công ty năng lượng tới một công cụ AI chung là gì?
- A) Gửi tất cả dữ liệu như hiện tại sẽ mang lại kết quả chính xác nhất
- B) Ẩn danh dữ liệu và chỉ chia sẻ tập hợp con kỹ thuật cần thiết bằng công cụ được phê duyệt ✔
- C) Biện pháp phòng ngừa là không cần thiết vì dữ liệu vẫn mở
- D) Chỉ cần thay đổi tên file là đủ
Mô tả: SCADA và dữ liệu cấu trúc liên kết mạng là thông tin cơ sở hạ tầng quan trọng; Gửi nó lên đám mây công cộng sẽ gây ra rủi ro về quyền riêng tư, cạnh tranh và an ninh mạng. Cách tiếp cận đúng là ẩn danh tên trang web/tài sản bằng thẻ đại diện, chỉ chia sẻ tập hợp con kỹ thuật cần thiết cho nhiệm vụ và chọn các công cụ đóng/được tổ chức phê duyệt.
13. Tại sao 'hệ số công suất' (tỷ lệ năng lượng được tạo ra so với năng lượng sẽ được tạo ra nếu nó hoạt động liên tục hết công suất) được sử dụng làm điểm tựa hợp lý trong dự báo sản lượng gió?
- A) Bởi vì nó chỉ là con số dành cho mục đích tiếp thị
- B) Bởi vì anh ấy đưa hóa đơn trực tiếp
- C) Bởi vì đây là tiêu chí vật lý kiểm tra thứ tự độ lớn của dự đoán, với phạm vi điển hình đã biết (khoảng 25-45%) ✔
- D) Bởi vì nó quyết định màu sắc của tuabin
Mô tả: Hệ số công suất của các trang trại gió trên bờ thường nằm trong khoảng 25-45%. Một dự báo là không hợp lý về mặt vật lý nếu nó dự đoán sản lượng trung bình dài hạn nằm ngoài phạm vi này (ví dụ: 90%). Tỷ lệ này cho phép bạn kiểm tra thứ tự mức độ dự đoán mà không đi sâu vào chi tiết.
14. Làm thế nào có thể xác định chính xác nhất vai trò của trí tuệ nhân tạo trong quyết định về hệ thống năng lượng quan trọng về an ninh?
- A) AI có thể thay thế sự chấp thuận của kỹ sư được ủy quyền
- B) AI tạo ra các giả thuyết và phác thảo; Việc phê duyệt và chịu trách nhiệm về quyết định quan trọng về an toàn vẫn thuộc về kỹ sư được ủy quyền ✔
- C) Nếu AI đủ mạnh thì không cần xác nhận của con người
- D) Đầu ra AI là vô ích và nên bỏ qua hoàn toàn
Mô tả: Trí tuệ nhân tạo là trợ thủ đắc lực giúp đọc nhanh, nắm bắt mẫu, tạo bản nháp; nhưng nó không thay thế sự chấp thuận và trách nhiệm của chuyên gia có thẩm quyền trong các quyết định quan trọng về an toàn như điều chỉnh bảo vệ, phụ tải máy biến áp, điều động mạng lưới. AI tạo ra các giả thuyết và phác thảo; Kỹ sư được ủy quyền đưa ra quyết định và ký tên.