היכן צריכה להסתיים סמכותו של מודל בינה מלאכותית בתכנון רשת החשמל
סקר חיבור מתחיל בבקשה להוספת פרויקט לרשת חשמל. מודל בינה מלאכותית יכול לסייע בפענוח הבקשה הזו. אני רוצה שסמכותו תהיה תלויה בשאלה שהוא אכן מסוגל להשיב עליה. קריאת בקשה ומתן המלצה לגבי מה שיש לבדוק בסקר הן תחומי אחריות שונים, גם כאשר ממשק יחיד מציג את שתי התוצאות.
עמדת התכנון שלי היא שיש לאפשר למודל קליטה להציע פרשנות, כאשר המקור שלה נותר זמין לבדיקה. המלצת רשת צריכה לשמר את החישוב ואת הכלל שיצרו אותה. הפרדה זו חשובה כאשר שני הפלטים נשמעים בעלי ביטחון זהה, אך נשענים על ראיות שונות. היא גם יוצרת מחויבות תובענית יותר: אם הפרשנות שגויה, המערכת זקוקה לנתיב גלוי לעדכון נתוני הקלט ולבחינה מחודשת של ההמלצה.
בקשה המתוארת היטב עדיין עשויה לדרוש סקר שדרוג
הדגמת GridLens שלנו משתמשת בבקשות סינתטיות וברשת חשמל סינתטית כדי להפוך הבחנה זו לניתנת לבדיקה. נבחן לדוגמה את Tessera Compute, בקשה מוזנת של 750 MW עם ציון מוכנות גבוה תחת כללי הקליטה שהוגדרו בהדגמה. ציון זה מתאר את מוכנות הבקשה. הוא אינו מודד את יכולתה של הרשת לקלוט את הבקשה.
בסינון התרמי בזרם ישר (DC) של ההדגמה, העומס המשויך הגרוע ביותר בתרחיש הבסיס הוא 92.3% מהמגבלה התרמית של הקו הרלוונטי. תרחיש הבסיס מניח כי הקווים המנוטרים נמצאים בשירות. לאחר שקו מנוטר אחד מוצא מכלל פעולה, העומס המשויך הגרוע ביותר מגיע ל-112.4%. ההמלצה המוגדרת הופכת לסקר שדרוג.
להבדל המספרי יש משמעות מעשית בתוך מודל זה: תוצאה הנמוכה מהמגבלה בתרחיש הבסיס אינה סוגרת את תרחיש ההשבתה. הראיות מזהות את ענף 548 ל-247 כענף המגביל הגרוע ביותר, תחת השבתת קו 1 ל-248. מתכנן יכול לערער על תנאי הרשת הספציפי שמאחורי ההמלצה במקום להתווכח על נימתו של סיכום.
זוהי המחשה תחומה. הסינון מתייחס להספק המבוקש ב-MW כאל הזרקה מאוזנת על ידי צומת slack, לרבות בקשות עומס כבד; אין זה סקר פיזי מאומת של משיכת עומס. הוא מכסה קבוצה נבחרת של השבתות קווי תמסורת שאינם רדיאליים, ואינו כולל היתכנות של מתח AC והספק עיוור, יציבות מעברית והיווצרות איים (islanding). עומסי יתר קיימים הם תנאי רקע בסיסיים ולא אילוצים המיוחסים לפרויקט. אפילו תוצאה נקייה תהיה המלצה לסקר, ולא אישור חיבור או קביעה שהרשת כולה בטוחה.
בתוך גבולות אלה, הדוגמה עדיין עונה על שאלת תכנון מועילה. המלצת השדרוג מחייבת חישוב רשת. תיאור רהוט יותר של שליטה באתר או של הקיבולת המבוקשת אינו יכול לפתור את הענף שבעומס יתר. מתן סמכות למודל הקליטה לשכתב את ההמלצה יאפשר לראיות הנוגעות לשאלה אחת להחליף ראיות הנוגעות לשאלה אחרת.
העניקו לסיוע השפעה מוגדרת
מערכת GridLens שומרת על חילוץ אופציונלי בסיוע מודל כייעוץ בלבד. סרטון המייסד מציג ניתוח העושה שימוש חוזר בתגובת מודל אמיתית שנשמרה. הוא יכול להציג שדות בקשה שחולצו וראיות מוכנות, אך אינו משנה את המלצת סינון התור השמורה או את סדר הסקרים. סינון התור המלא משתמש בחילוץ דטרמיניסטי, חישובי רשת ומדיניות מוגדרת; הוא אינו מבקש ממודל שפה להנפיק את הכרעת התכנון.
אני מעדיף גבול זה משום שבודק יכול לדעת מה שינה הסיוע. כאשר מודל מציע פרשנות חדשה לצד תוצאה קיימת, ההבדל נותר זמין לבדיקה. אילו אותה פעולה הייתה משנה בחשאי המלצה שמורה, הבודק היה נדרש גם לקבוע אילו נתוני קלט השתנו, האם החישובים בוצעו שוב, ואיזו גרסה מייצג סדר הסקרים המוצג. זוהי טענה מרחיקת לכת מכפי שתגובת חילוץ מסוגלת לבסס בכוחות עצמה.
קיימים לפחות שני תפקידים מתקבלים על הדעת עבור מודל בתהליך עבודת תכנון. הוא יכול להסביר תוצאה שהושלמה באמצעות הראיות שנשמרו, או להציע נתוני קלט עבור חישוב חדש. שני התפקידים יכולים להועיל. התפקיד השני דורש תהליך עדכון מחמיר יותר, מכיוון ששינוי בקלט עשוי לשנות את התוצאה בהמשך הזרם. שינוי נקודת החיבור, למשל, אינו רק משפט מנוסח טוב יותר בסיכום הבקשה; הוא משנה את המקום שבו הבקשה מיוצגת במודל הרשת.
עבור מערכת מקיפה יותר, תקן התכנון שלי הוא להפוך את המעבר הזה למפורש. תיקון מוצע צריך לזהות את קטע המקור, את הערך הישן ואת הערך החדש. לאחר שהתקבל באמצעות תהליך הבדיקה הרלוונטי, עליו להפוך לקלט לחישוב נפרד, שאת תוצאתו ניתן להשוות לתוצאה הקודמת. זוהי דרישת תכנון מוצעת, ולא יכולת המודגמת בפעולה המייעצת של GridLens.
המחיר הוא בדיקה נוספת וניהול גרסאות. דריסה אוטומטית פשוטה יותר להצגה ודורשת פחות שלבים גלויים. אך היא מסתירה בדיוק את המידע הדרוש כדי להכריע האם ההמלצה החדשה ראויה להסתמכות. אני מקבל את העבודה הנוספת כאשר התיקון משנה את השאלה הפיזית הנחקרת.
תשובה דטרמיניסטית יכולה להיות שגויה במדויק
השארת המודל מחוץ להכרעה אינה מספיקה כשלעצמה. חישוב דטרמיניסטי יכול לפעול בעקביות על קלט שגוי. התגובה הנכונה לסיבוך זה היא לבדוק את הקלט, במקום להתייחס לדטרמיניזם כהוכחה לתקינות.
נניח, באופן היפותטי, שבקשה נוקבת באופן מעורפל בשתי נקודות חיבור אפשריות. סיכום עשוי לבחור באחת מהן ולהישמע משכנע. הרצת הסינון התרמי שוב ושוב בנקודה שנבחרה לא תפתור את כוונת מגיש הבקשה. העמימות דורשת הבהרה בטרם יוכל איזה מהחישובים לענות על השאלה המיועדת. ב-GridLens, נקודת חיבור בלתי פתורה או רמת ביטחון בחילוץ הנמוכה מסף ה-0.60 שהוגדר מנתבות את הבקשה לבדיקה אנושית. זהו נתיב עבור ראיות בלתי פתורות, ולא החלטה הנדסית שהושלמה.
אותה הפרדה חלה על מוכנות. ציון המוכנות של ההדגמה הוא יוריסטיקה הנגזרת מראיות הבקשה. ציון גבוה אינו יכול לבטל אילוץ תרמי, וציון נמוך אינו מעיד על כשל מכוון. אני רוצה שההמלצה תסביר איזה סוג של אי-ודאות נותר. ראיות בקשה חסרות דורשות צעד המשך שונה מעומס יתר מוגדר תחת השבתה ספציפית.
זו הסיבה שאינני רוצה שמספר ביטחון בודד יישא את ההחלטה כולה. הדבר יאלץ בודקים להסיק האם ערך נמוך מתאר חילוץ בלתי ודאי, היערכות מסחרית בלתי שלמה או מצב רשת תובעני. שמירה על שאלות אלו נפרדות מאפשרת לבודק להתחקות אחר הראיות שעשויות באמת לשנות את התוצאה.
שפטו את ההמלצה לפי מסלול העדכון שלה
המדריך ההסבר של GridLens מציג את תהליך העבודה המוקלט ואת הראיות שלו. קריטריון התכנון הרחב יותר הוא לשאול מה יידרש להשתנות כדי שהמלצה תשתנה: שדה בקשה שתוקן, הנחת רשת שונה או מדיניות סקר אחרת. לכל אחד מאלה יש מקור שונה וסיבה שונה לבדיקה.
הנה סקירת המייסד של גבול זה ב-GridLens.
אני שופט תהליך עבודת תכנון בסיוע בינה מלאכותית לפי מידת היותו הופך תלויות אלו לגלויות. תגובת מודל מועילה יכולה להפנות תשומת לב לעובדה חסרה או להציע תיקון. הסתמכות על המלצת התכנון דורשת תיעוד של נתוני הקלט, החישוב והכלל התומכים בה. המערכת זוכה לסמכות רבה יותר כאשר בודק יכול להתחקות אחר אי-הסכמה עד לראיות שיוכלו ליישב אותה.
