Optymalizacja dostaw energii

Batch
Blob Storage
Maszyny wirtualne Data Science Virtual Machine
Queue Storage
SQL Database

Pomysł na rozwiązanie

Jeśli chcesz, abyśmy rozszerzyli ten artykuł o więcej informacji, takich jak potencjalne przypadki użycia, alternatywne usługi, zagadnienia dotyczące implementacji lub wskazówki dotyczące cen, daj nam znać, GitHub opinie!

Opis

Siatka energii składa się z odbiorców energii i różnych typów składników dostaw energii, handlu i magazynowania: Podstacji akceptują obciążenie zasilania lub eksportują nadmierną moc; Baterii mogą powodować zużycie energii lub przechowywać je do użytku w przyszłości; Farmy wiatrowe i panel słoneczny (generatory z własnym harmonogramem), mikro turbiny (generatory do wysyłki) i oferty odpowiedzi na zapotrzebowanie mogą być zaangażowane w spełnianie zapotrzebowania odbiorców w sieci. Koszty pozyskiwania różnych typów zasobów różnią się, podczas gdy pojemności i cechy fizyczne poszczególnych typów zasobów ograniczają wysyłkę zasobu. Biorąc pod uwagę wszystkie te ograniczenia, centralnym wyzwaniem, przed jakim musi zmierzyć się operator sieci inteligentnej, jest to, ile energii każdy typ zasobów powinien zatwierdzać w danym okresie, aby prognozowane zapotrzebowanie na energię z sieci było spełnione.

To rozwiązanie zapewnia inteligentne rozwiązanie oparte na platformie Azure, które stosuje zewnętrzne narzędzia typu open source w celu określenia optymalnych zobowiązań jednostek energii z różnych zasobów energii dla sieci energetycznej. Celem jest zminimalizowanie ogólnego kosztu wynikającego z tych zobowiązań przy jednoczesnym spełnianiu zapotrzebowania na energię. To rozwiązanie demonstruje zdolność platformy Azure do łączenia narzędzi zewnętrznych, takich jak Pyomo i CBC, w celu rozwiązywania problemów optymalizacji numerycznej na dużą skalę, takich jak programowanie liniowe mieszane liczb całkowitych, przetwarzanie równoległe wielu zadań optymalizacji w Azure Batch usługi Azure Virtual Machines. Inne zaangażowane produkty obejmują usługi Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database i Power BI.

Aby uzyskać więcej informacji na temat sposobu zbudowania tego rozwiązania, odwiedź przewodnik po rozwiązaniu w GitHub.

Architektura

Diagram architektury Pobierz format SVG tej architektury.

Szczegóły techniczne i przepływ pracy

  1. Przykładowe dane są przesyłane strumieniowo przez nowo wdrożone zadania WebJOce platformy Azure. Zadanie internetowe używa danych związanych z zasobami z usługi Azure SQL do generowania symulowanych danych.
  2. Symulator danych wysyła te symulowane dane do usługi Azure Storage i zapisuje komunikat w usłudze Storage Queue, który będzie używany w pozostałej części przepływu rozwiązania.
  3. Inne zadanie web job monitoruje kolejkę magazynu i inicjuje Azure Batch, gdy komunikat w kolejce jest dostępny.
  4. Usługa Azure Batch razem z usługą Data Science Virtual Machines jest używana do optymalizowania dostaw energii z określonego typu zasobu, biorąc pod uwagę odebrane dane wejściowe.
  5. Azure SQL Database służy do przechowywania wyników optymalizacji otrzymanych z Azure Batch usługi. Te wyniki są następnie używane na pulpicie nawigacyjnym Power BI nawigacyjnym.
  6. Na koniec Power BI wizualizacji wyników.