04
能源系统
治理高后果能源环境中的执行。
能源系统依赖速度、稳定性和安全裕度。AI 可以帮助预测需求、优化发电、调度电力、安排维护和响应扰动，但能源领域的执行很容易变成高后果行动。
优化不等于行动许可。系统可能找到一个高效命令，但这个命令仍然可能违反安全、储备、设备完整性或责任要求。
示例场景
AI 优化系统发现供需失衡，并建议改变调度优先级、降低负载、重新路由电力或覆盖设备设置。行动可能提升短期效率，却在其它位置制造安全或可靠性问题。
没有 LERA
如果没有 LERA，能源优化可能直接进入系统行动。模型建议会在授权、储备要求、安全裕度和下游责任被检查之前，变成电网操作。
结果可能是一种“技术上优化、制度上不安全”的行动：它很快、看似合理，而且一旦执行就很难纠正。
使用 LERA
使用 LERA 后，能源行动提案会在执行前先被分类。常规、可逆、被规则覆盖的行动可以走较轻路径；高影响或不可逆行动则需要更强判断和治理。
这样，该快的地方仍然可以快；危险能源行动则不能和普通优化使用同一条快速路径。
LERA 如何介入
- 判断：判断拟执行行动意味着什么，可能产生什么后果，以及不确定性是否可接受。
- 授权：明确谁有正当资格允许行动继续。
- 责任：在执行前绑定责任，而不是等事故发生后再追溯。
- 可靠性规则：为该情境应用相关的 WRS-C 和领域 WRS-D 条件。
- RCC：治理谁可以改变执行相关规则，以及规则变更如何授权和留痕。
- ECS：在执行边界之前，让行动保持可控制。
- 结果：在现实执行之前，将行动路由为允许、阻断或升级。
LERA 改变了什么
LERA 帮助区分能源智能和能源授权。它确保运营命令在影响物理系统前，仍然连接到安全、责任、规则和执行边界。