Otimização do Abastecimento Energético

Batch
Armazenamento de Blobs
Máquinas Virtuais de Ciência de Dados
Armazenamento de Filas
Base de Dados SQL

Ideia de solução

Se quiser ver-nos expandir este artigo com mais informações, detalhes de implementação, orientação de preços ou exemplos de código, informe-nos com o Feedback do GitHub!

Descrição

Uma rede energética é constituída por consumidores de energia e por vários tipos de componentes de fornecimento, comércio e armazenamento de energia: As subestações aceitam carga de energia ou exportam energia excessiva; As pilhas podem descarregar energia ou armazená-la para utilização futura; Os parques eólicos e o painel solar (geradores auto-programados), micro-turbinas (geradores despacháveis) e ofertas de resposta à procura podem ser todos empenhados em satisfazer a procura por parte dos consumidores dentro da rede. Os custos de solicitação de diferentes tipos de recursos variam, enquanto as capacidades e as características físicas de cada tipo de recurso limitam a expedição do recurso. Perante todos estes constrangimentos, um desafio central que o operador da rede inteligente deve enfrentar, é a quantidade de energia que cada tipo de recursos deve empenhar-se ao longo de um prazo, de modo a que a procura de energia prevista da rede seja satisfeita.

Esta solução fornece uma solução inteligente baseada em Azure, aplicando ferramentas externas de código aberto, para determinar os compromissos ideais da unidade de energia de vários recursos energéticos para uma rede de energia. O objetivo é minimizar os custos globais incorridos por estes compromissos, satisfazendo simultaneamente a procura de energia. Esta solução demonstra a capacidade do Azure de acomodar ferramentas externas, como o Pyomo e o CBC, para resolver problemas de otimização numérica em larga escala, tais como programação mista-linear, paralelamente a múltiplas tarefas de otimização sobre um Lote de Azure De Máquinas Virtuais Azure. Outros produtos envolvidos incluem Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database e Power BI.

Para mais detalhes sobre como esta solução é construída, visite o guia de solução no GitHub.

Arquitetura

Diagrama de arquitetura Descarregue um SVG desta arquitetura.

Detalhes técnicos e fluxo de trabalho

  1. Os dados da amostra são transmitidos pela Azure Web Jobs recentemente implantada. O trabalho web utiliza dados relacionados com recursos da Azure SQL para gerar os dados simulados.
  2. O simulador de dados alimenta estes dados simulados no Armazenamento Azure e escreve mensagem na Fila de Armazenamento, que será usada no resto do fluxo de solução.
  3. Outro Web Job monitoriza a fila de armazenamento e inicia um trabalho de Azure Batch uma vez que a mensagem na fila está disponível.
  4. O serviço Azure Batch juntamente com as Máquinas Virtuais da Ciência de Dados é utilizado para otimizar o fornecimento de energia a partir de um determinado tipo de recurso, dadas as entradas recebidas.
  5. A Base de Dados Azure SQL é utilizada para armazenar os resultados de otimização recebidos do serviço Azure Batch. Estes resultados são então consumidos no painel Power BI.
  6. Finalmente, o Power BI é utilizado para visualização de resultados.