2026年人工智能智慧能源基础考试题库及答案

2026年人工智能智慧能源基础考试题库及答案一、单项选择题（每题2分，共30分）1.在智慧能源系统中，以下哪项最能体现“源-网-荷-储”协同的核心思想？A.光伏逆变器MPPT算法优化B.基于深度强化学习的实时电价预测C.分布式储能参与一次调频的聚合控制D.智能电表非侵入式负荷辨识答案：C解析：源-网-荷-储协同强调多环节互动，C项通过聚合分布式储能参与电网调频，直接体现四方协同。2.联邦学习在区域综合能源系统隐私保护中的主要作用是：A.降低通信带宽B.避免原始数据出域C.提高模型精度D.减少训练轮次答案：B解析：联邦学习仅交换梯度或模型参数，原始数据保留本地，解决“数据孤岛+隐私”矛盾。3.对于含高比例可再生能源的电网，以下哪种损失函数更适合训练短期风电功率预测模型？A.MAEB.HuberC.PinballD.MSE答案：C解析：Pinball损失可直接优化分位数，适合表征风电不确定性，便于后续鲁棒调度。4.在深度Q网络（DQN）用于家庭能量管理时，经验回放机制主要解决：A.非平稳环境B.非马尔可夫性C.样本相关性与非均匀分布D.连续动作空间答案：C解析：经验回放通过随机采样打破时序相关，稳定训练过程。5.压缩空气储能（CAES）在智慧能源中的关键AI赋能环节是：A.地下洞穴密封检测的声发射信号小波包分解B.透平入口温度预测的双向LSTMC.储气库应力场有限元建模D.膨胀机叶片3D打印路径优化答案：B解析：温度预测精度直接影响CAES出力计划，双向LSTM可捕捉长时序依赖。6.当使用图神经网络（GNN）进行配电网拓扑辨识时，节点特征最不必要的是：A.电压幅值B.注入有功C.线路型号D.用户年龄答案：D解析：用户年龄与电气拓扑无因果关系，引入反而增加噪声。7.在智慧能源数字孪生中，以下哪项最能体现“闭环自治”？A.实时渲染3D变电站B.基于孪生体滚动优化的在线模型矫正C.无人机巡检图像缺陷识别D.区块链绿电凭证交易答案：B解析：滚动优化+模型矫正形成“感知-决策-执行-修正”闭环。8.对于光伏-储能-充电桩微网，若采用模型预测控制（MPC），其预测时域长度P与电池循环寿命的关系：A.P越长，寿命一定缩短B.P越短，寿命一定延长C.存在最优P使寿命最大化D.二者无关答案：C解析：过长P导致模型失配，过短则频繁充放，均加剧老化；需权衡。9.在基于Transformer的跨区域日前电价预测中，位置编码（PositionalEncoding）主要解决：A.多变量量纲差异B.时间序列顺序信息丢失C.注意力稀疏D.梯度消失答案：B解析：Transformer本身无递归，需显式注入时序顺序。10.当利用深度生成模型进行光伏场景生成时，评价样本多样性的常用指标是：A.MAPEB.InceptionScoreC.FréchetDistanceD.SIL答案：C解析：FréchetDistance度量真实与生成分布距离，兼顾精度与多样性。11.对于风电场群协同无功电压控制，采用多智能体PPO时，以下哪种奖励塑形最合理？A.仅最小化网损B.仅最大化无功裕度C.最小化电压偏差+最小化无功调节成本D.最大化风机有功出力答案：C解析：需兼顾电压质量与调节经济性，避免无功设备频繁动作。12.在智慧能源区块链中，若采用“联盟链+IPFS”架构，IPFS主要解决：A.共识效率B.智能合约安全C.大文件存储与哈希寻址D.跨链原子交换答案：C解析：IPFS链下存储计量数据文件，链上仅存哈希，减轻区块膨胀。13.当利用小样本元学习进行用户基线负荷估计时，最关键的先验是：A.用户收入B.气象聚类相似日C.电表品牌D.变压器容量答案：B解析：相似日提供可迁移的负荷模式，支撑元学习快速适应。14.在氢能-电力耦合系统中，电解槽功率跟踪采用滑模控制（SMC）的主要优势是：A.消除稳态误差B.对参数摄动与外部扰动鲁棒C.开关频率固定D.无需电流传感器答案：B解析：SMC通过切换面设计对扰动不变，适合可再生能源波动场景。15.对于基于深度强化学习的碳捕集集成优化，状态空间若包含烟气CO₂浓度，其量纲处理应优先采用：A.最大最小归一化B.Z-scoreC.对数化D.不变，直接输入答案：C解析：CO₂浓度动态范围大且呈右偏，对数化可压缩量纲并稳定训练。二、多项选择题（每题3分，共15分；多选少选均不得分）16.在智慧能源AI模型攻防中，以下哪些属于白盒攻击手段？A.FGSMB.C&WC.黑箱查询生成对抗样本D.PGD答案：A、B、D解析：白盒指已知模型参数，FGSM、C&W、PGD均需梯度信息；C为黑盒。17.关于数字孪生变电站中AI辅助故障诊断，以下数据可作为多模态输入的有：A.红外热像B.局部放电PRPD谱图C.保护SOE报文D.变压器油中溶解气体浓度答案：A、B、C、D解析：四者分别对应图像、二维谱图、文本、时序向量，构成多模态。18.在基于深度强化学习的微网能量管理奖励设计中，以下哪些子项有助于降低电池老化？A.充放电循环等效成本B.深度放电惩罚C.温度越限惩罚D.售电收益最大化答案：A、B、C解析：D项可能鼓励大电流充放，加剧老化；A、B、C均直接抑制老化因子。19.当利用图卷积网络（GCN）进行配电网电压估计时，以下哪些做法可提升外推能力？A.节点特征加入电气距离B.使用切比雪夫多项式滤波器C.在损失函数中加入拓扑对抗扰动正则D.仅使用节点电压作为标签答案：A、B、C解析：A引入物理先验，B控制局部感受野，C提升鲁棒；D与泛化无关。20.在智慧能源联邦学习系统中，以下哪些技术可缓解Non-IID问题？A.FedProxB.客户端本地数据增强C.分层聚合D.差分隐私噪声答案：A、B、C解析：D仅保护隐私，不改善Non-IID；A限制本地漂移，B平衡分布，C按聚类聚合。三、判断题（每题1分，共10分；正确打“√”，错误打“×”）21.在基于深度强化学习的电动汽车充放电调度中，动作空间若设计为连续功率，则必须采用DDPG或SAC等算法，DQN无法直接处理。答案：√解析：DQN仅适用于离散动作，连续动作需策略梯度或Actor-Critic。22.使用LSTM进行超短期光伏功率预测时，将云层图片作为外生变量直接输入网络，必然提升精度。答案：×解析：若图片信息冗余或引入噪声，反而降低精度，需合理特征提取。23.在智慧能源场景中，Transformer的位置编码可采用正弦函数也可采用可学习向量，二者效果一定相同。答案：×解析：可学习向量在数据充足时更灵活，小样本可能过拟合，效果不一定相同。24.对于氢储能系统，燃料电池启停次数越少，其预期寿命越长。答案：√解析：启停伴随膜干湿循环与机械应力，减少可延缓老化。25.在基于图神经网络的电网异常检测中，图结构越稠密，模型推理速度一定越慢。答案：×解析：若采用采样邻居或稀疏化技巧，稠密图也可加速。26.联邦学习框架下，各客户端上传模型梯度而非原始数据，因此不存在隐私泄露风险。答案：×解析：梯度仍可被反推敏感信息，需加差分隐私或加密。27.当使用深度生成对抗网络（GAN）进行风电场景生成时，判别器损失越低，生成样本质量一定越高。答案：×解析：判别器过强导致梯度消失，生成器无法更新，出现模式崩塌。28.在碳排放流计算中，若电网拓扑不变而仅负荷波动，则支路碳流率与节点碳势呈线性关系。答案：√解析：碳流方程为线性系统，拓扑不变时碳势与碳流率满足线性映射。29.对于压缩空气储能，膨胀机入口温度越高，系统往返效率一定越高。答案：×解析：温度过高需额外冷却，否则材料限制导致效率下降，存在最优区间。30.在智慧能源AI模型部署中，使用TensorRT加速推理必然导致模型精度下降。答案：×解析：若仅做算子融合与精度校准，FP16可保持精度无损。四、简答题（每题8分，共24分）31.简述基于深度强化学习的微网“源-网-荷-储”协同优化中，如何设计状态空间以兼顾可观测性与隐私保护，并给出一种降维方法。答案：状态空间应包含可观测电气量（如光伏出力、负荷需求、电池SOC、购售电价、电压越限标志），剔除用户敏感属性（如家庭作息）。为降低维度，可采用变分自编码器（VAE）提取低维潜变量：设原始状态s∈ℝⁿ，经编码器qφ(z|s)得潜变量z∈ℝᵈ（d≪n），解码器pθ(s|z)重构。训练损失ℒ=𝔼qφ(z|s)[logpθ(s|z)]−DKL(qφ(z|s)‖p(z))，其中p(z)=𝓝(0,I)。训练完成后，用z替代s输入智能体，既压缩维度又隐藏原始敏感信息。32.说明在氢能-电力耦合系统中，如何利用数字孪生实现电解槽功率跟踪的在线参数辨识，并给出递推最小二乘（RLS）更新公式。答案：构建电解槽半经验模型：Vcell=Vrev+rI+αln(I)+βI²，其中r、α、β随老化漂移。数字孪生体实时采集(Vcell,I,T)，以r、α、β为待辨识参数θ=[r,α,β]ᵀ。定义观测矩阵Hk=[Ik,ln(Ik),Ik²]，输出yk=Vcell,k−Vrev。RLS更新：Kk=Pk−1Hkᵀ(λ+HkPk−1Hkᵀ)⁻¹θ̂k=θ̂k−1+Kk(yk−Hkθ̂k−1)Pk=1/λ(I−KkHk)Pk−1其中λ∈(0,1]为遗忘因子，用于跟踪时变参数。孪生体每秒更新θ̂k，并下发至物理控制器实现自适应跟踪。33.阐述在跨区域电价预测中，如何利用联邦Transformer兼顾区域差异与全局共性，并说明聚合策略。答案：各区域客户端构建本地Transformer，共享编码器-解码器架构，但保留区域嵌入向量Eᵢ。训练时，本地目标为最小化区域电价预测损失ℒᵢ。服务器采用分层聚合：(1)全局注意力权重聚合：Wglobal=∑ᵢ(nᵢ/N)Wᵢ，其中nᵢ为样本数，N=∑nᵢ；(2)区域嵌入保留本地：Eᵢ不共享，以捕捉区域差异；(3)输出层个性化：各区域保留私有全连接层。为防止过拟合，加入FedProx正则：ℒ=ℒᵢ+μ/2‖Wᵢ−Wglobal‖²。推理时，区域模型加载全局注意力与私有嵌入，实现“共性+个性”预测。五、计算题（共21分）34.（10分）某微网含光伏、电池、可中断负荷，采用模型预测控制（MPC）进行日内滚动优化。已知：预测时域P=6，控制时域M=3，步长15min；电池容量500kWh，最大充放功率100kW，效率ηc=ηd=0.95，初始SOC=0.3；光伏预测出力（kW）：[120,150,180,200,160,140]；刚性负荷（kW）：[80,90,100,110,95,85]；可中断负荷最大可削减20%，削减成本0.4元/kWh；电网实时电价（元/kWh）：[0.5,0.6,0.8,1.0,0.7,0.5]；目标函数：min∑k=0P−1[λkPgrid,kΔt+0.4Pcur,kΔt+0.1(SOCk−0.5)²]约束：0.1≤SOCk≤0.9，其余功率平衡。求：第一个控制周期（k=0）的最优充放电功率Pbat,0及可中断负荷削减量Pcur,0。答案：设Pbat>0为放电。功率平衡：Ppv,0=Pload,0+Pcur,0+Pgrid,0+Pbat,0目标函数对k=0项：J0=0.5Pgrid,0Δt+0.4Pcur,0Δt+0.1(SOC1−0.5)²其中Δt=0.25h，SOC1=SOC0+ηcPbat,0Δt/Ecap若Pbat,0<0；SOC1=SOC0−Pbat,0Δt/(ηdEcap)若Pbat,0≥0；Ecap=500kWh。将Pgrid,0=120−80−Pcur,0−Pbat,0=40−Pcur,0−Pbat,0代入：J0=0.5(40−Pcur,0−Pbat,0)·0.25+0.4Pcur,0·0.25+0.1(SOC1−0.5)²=10−0.125Pcur,0−0.125Pbat,0+0.1Pcur,0+0.1(SOC1−0.5)²=10−0.025Pcur,0−0.125Pbat,0+0.1(SOC1−0.5)²考虑SOC1表达式分段：Case1:Pbat,0≥0（放电）SOC1=0.3−Pbat,0·0.25/(0.95·500)=0.3−Pbat,0/1900J0=10−0.025Pcur,0−0.125Pbat,0+0.1(−0.2−Pbat,0/1900)²对Pbat,0求导：∂J0/∂Pbat,0=−0.125+0.2(−0.2−Pbat,0/1900)(−1/1900)=0解得Pbat,0=−0.2·0.2/1900+0.125·1900/0.2≈1187.5kW，超出100kW限值，取边界Pbat,0=100kW。此时SOC1=0.3−100/1900=0.247<0.1，违反约束，故Case1不可行。Case2:Pbat,0<0（充电）SOC1=0.3+|Pbat,0|·0.25·0.95/500=0.3+|Pbat,0|/2105.26J0=10−0.025Pcur,0+0.125|Pbat,0|+0.1(0.3+|Pbat,0|/2105.26−0.5)²=10−0.025Pcur,0+0.125|Pbat,0|+0.1(|Pbat,0|/2105.26−0.2)²对|Pbat,0|求导：0.125+0.2(|Pbat,0|/2105.26−0.2)/2105.26=0解得|Pbat,0|=(0.2−0.125·2105.26/0.2)·2105.26≈−1315kW，超出100kW，取|Pbat,0|=100kW（充电）。此时SOC1=0.3+100/2105.26=0.347，可行。再对Pcur,0求导：∂J0/∂Pcur,0=−0.025<0，故Pcur,0取最大可削减量：20%×80=16kW。验证功率平衡：Pgrid,0=40−16−(−100)=124kW>0，可行。因此：Pbat,0=−100kW（充电），Pcur,0=16kW。35.（11分）某区域电网含风电、光伏、火电，碳排放强度（tCO₂/MWh）分别为0、0、0.9。日前市场出清得到各机组出力计划（MWh）：风电：500光伏：300火电：400线路无阻塞。(1)计算系统平均碳排放因子（SCEF）；(2)若采用碳排放流理论，设负荷侧总需求为1200MWh，求节点碳势（tCO₂/MWh）；(3)若引入100MWh储能，在低谷时段充电200MWh（碳势0.6），高峰放电180MWh，效率90%，求储能放电碳势及减排量。答案：(1)系统总碳排放E=0·500+0·300+0.9·400=360tCO₂总电量G=500+300+400=1200MWhSCEF=E/G=360/1200=0.3tCO₂/MWh(2)无阻塞时，节点碳势等于SCEF，即0.3tCO₂/MWh(3)储能充电碳势0.6tCO₂/MWh，充入200MWh，含碳120tCO₂。放电能量180MWh，对应碳量120tCO₂，故放电碳势λbat=120/180=0.6667tCO₂/MWh若储能放电替代火电，原火电碳强度0.9tCO₂/MWh，减排量ΔE=(0.9−0.6667)·180=42tCO₂六、综合设计题（共20分）36.某沿海城市计划建设“风光-氢-储”一体化零碳智慧能源系统，规划容量：风电1GW、光伏0.5GW、电解槽200MW、燃料电池100MW、储氢罐50t（折合约1667MWh，LHV）、锂电池200MWh。请设计一套AI驱动的分层协同控制架构，要求：(1)给出三层功能划分与AI算法选型；(2)说明氢储能系统与电池储能的互补机制及AI决策变量；(3)阐述应对台风极端天气的AI预案触发逻辑；(4)给出评价零碳效果的核心KPI及计算公式。答案：(1)三层架构：感知层：边缘AI盒子，基于TinyYOLOv4进行风机叶片裂纹检测，基于1D-CNN进行光伏组串IV曲线异常诊断；协同层：区域级联邦强化学习，采用多智能体PPO，Agent对应电解槽、燃料电池、电