Az energiaellátás optimalizálása

Batch
Blob Storage
Data Science Virtual Machine
Queue Storage
SQL Database

Solution Idea

Ha szeretné látni, hogyan bővítjük ki ezt a cikket olyan további információkkal, mint a lehetséges esetek, az alternatív szolgáltatások, az implementációval kapcsolatos megfontolások vagy a díjszabási útmutató, GitHub visszajelzéssel!

Leírás

Az energiahálózatok energiafogyasztásból, valamint különböző típusú energiaellátási, kereskedelmi és tárolási összetevőkből áll: Az alállomások elfogadják az energiaterhelést, vagy túlzott teljesítményt exportálnak; Az akkumulátorok energiafelhasználást okozhatnak, vagy tárolhatnak későbbi használatra; A szélfarmok és napelempanelek (önkiszolgáló generátorok), a mikroturbinák (diszpécser generátorok) és a keresleti válaszra vonatkozó ajánlattételek mind a hálózaton belüli fogyasztók igényének kielégítése érdekében foglalkoznak. A különböző típusú erőforrások kiszállításának költségei eltérőek, az egyes erőforrástípusok kapacitásai és fizikai jellemzői pedig korlátozzák az erőforrás elküldését. Ezen korlátozások miatt az intelligens hálózat operátorának központi kihívásnak kell lennie, hogy az egyes erőforrás-típusokat mekkora energiafelhasználással kell véglegesülni egy adott időkereten belül, hogy a hálózat előrejelezze az energiaigényt.

Ez a megoldás egy Azure-alapú intelligens megoldást biztosít, amely külső, nyílt forráskódú eszközöket alkalmaz, és meghatározza az energiahálózat különböző energiaerőforrásokkal kapcsolatos optimális energiaegység-kötelezettségvállalásait. A cél az, hogy minimalizálja a kötelezettségvállalások által felmerülő teljes költséget, ugyanakkor kielégítse az energiaigényt. Ez a megoldás bemutatja, hogy az Azure hogyan tud külső eszközöket ( például Pyomo és CBC) használni olyan nagy léptékű numerikus optimalizálási problémák megoldásához, mint a vegyes egész szám-lineáris programozás, vagy több optimalizálási feladat párhuzamosítása az Azure Azure Batch-Virtual Machines. Az egyéb érintett termékek közé tartozik az Azure Blob Storage, az Azure Queue Storage, az Azure Web App, Azure SQL Database és Power BI.

A megoldással kapcsolatos további részletekért keresse fel a megoldás útmutatóját a GitHub.

Architektúra

Architektúradiagram Az architektúra SVG-fájlját töltheti le.

Technikai részletek és munkafolyamat

  1. A mintaadatokat az újonnan üzembe helyezett Azure Web Jobs streameli. A webes feladat az Azure-erőforrásokhoz kapcsolódó adatokat SQL a szimulált adatok létrehozásához.
  2. Az adatszimulátor betáplált adatokat küld az Azure Storage-ba, és üzenetet ír egy Storage Queue-ba, amely a megoldásfolyam többi részében lesz használva.
  3. Egy másik webes feladat monitorozza a tárolási üzenetsort, és Azure Batch egy új feladatot, amint elérhetővé válik az üzenetsorban lévő üzenet.
  4. A Azure Batch data science Virtual Machines és a szolgáltatás egy adott erőforrástípusból származó energiaellátás optimalizálására használható a kapott bemenetek alapján.
  5. Azure SQL Database a szolgáltatástól kapott optimalizálási eredmények tárolására Azure Batch használható. Ezeket az eredményeket ezután az irányítópult Power BI fel.
  6. Végül a Power BI az eredmények megjelenítésére használható.