Enerji Tedariği İyileştirmesi

Batch
Blob Depolama
Veri Bilimi Sanal Makineleri
Kuyruk Depolama
SQL Veritabanı

Çözüm fikri Solution Idea

Daha fazla bilgi, uygulama ayrıntıları, fiyatlandırma Kılavuzu veya kod örneği ile bu makaleyi genişletmemizi istiyorsanız GitHub geri bildirimlerindenhaberdar olalım!If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

Enerji bir kılavuzda, enerji tüketicileri, kendi taleplerini karşılamak ve enerji taahhüdünü en aza indirmek için, alt istasyonlar, piller, WINI grupları ve Solar bölmeleri, mikro-turbinler ve talep yanıtı deklarasyonları gibi çeşitli enerji sağlama, ticari ve depolama bileşenleri türlerini kullanır.In an energy grid, energy consumers are engaged with various types of energy supplying, trading, and storage components such as substations, batteries, windfarms and solar panels, micro-turbines, as well as demand response bids, to meet their respective demands and minimize the cost of energy commitment. Bunu yapmak için Grid operatörü, her bir kaynak türünün bir zaman dilimine ne kadar enerji harcamalıdır, farklı türlerde kaynakları ve kapasiteleri ve bunların fiziksel özelliklerini oluşturma fiyatlarına verilmesinin belirlenmesi gerekir.To do so, the grid operator must determine how much energy each type of the resources should commit over a time frame, given the prices of soliciting different types of resources and the capacities and the physical characteristics of them.

Bu çözüm, Cortana Intelligence Suite ve dış açık kaynaklı araçların üzerine kurulmuştur ve çeşitli enerji kaynakları türlerindeki en iyi enerji birimi taahhütlerini hesaplar.This solution is built upon Cortana Intelligence Suite and external open-source tools, and it computes the optimal energy unit commitments from various types of energy resources. Bu çözüm, Azure sanal makinelerinin bir Azure Batch paralel sayısal iyileştirme sorunlarını gidermek için dış araçlara göz atmayı Cortana Intelligence Suite özelliğini gösterir.This solution demonstrates the ability of Cortana Intelligence Suite to accommodating external tools, to solve parallelized numerical optimization problems over an Azure Batch of Azure Virtual Machines.

MimariArchitecture

Mimari diyagramı Bu mimarinin bir SVG indirin.Architecture Diagram Download an SVG of this architecture.

DescriptionDescription

Zaman kazanın ve bu eğitilen iş ortaklarından birinin, bu çözüm için bir kavram kanıtı, dağıtım & tümleştirmesinde size yardımcı olmasına izin verin.Save time and let one of these trained SI partners help you with a proof of concept, deployment & integration of this solution.

Tahmini günlük maliyet: $12Estimated Daily Cost: $12

Bu çözümün nasıl derlenildiği hakkında daha fazla bilgi için GitHub'daki çözüm kılavuzunu ziyaret edin.For more details on how this solution is built, visit the solution guide in GitHub.

Enerji ve enerji tüketicilerinin yanı sıra çeşitli enerji sağlama, ticari ve depolama bileşenlerinden oluşan bir ızgara vardır: alt Istasyonlar, güç yükünü kabul eder veya aşırı güç dışa aktarır. Piller enerji tasarrufu sağlayabilir veya daha sonra kullanılmak üzere bu uygulamayı saklayabilir; CIO 'lar ve Solar paneli (kendi kendini planlayan oluşturucular), mikro-türlenebilir (dağıtılabilir koşullar) ve talep yanıtı Deklarasyonu, her türlü tüketiciden gelen talebi karşılayamaz.An energy grid consists of energy consumers, as well as various types of energy supplying, trading, and storage components: Substations accepts power load or exports excessive power; Batteries may discharge energy or store it for future use; Windfarms and solar panel (self-scheduled generators), micro-turbines (dispatchable generators), and demand response bids can all be engaged to satisfying the demand from the consumers within the grid. Farklı türlerde kaynakları bir yazma maliyetleri farklılık gösterir, ancak her kaynak türünün kapasitesi ve fiziksel özellikleri kaynağın gönderisine göre sınırlar.The costs of soliciting different types of resources vary, while the capacities and the physical characteristics of each resource type limit the dispatch of the resource. Bu kısıtlamaların hepsi, akıllı kılavuz işlecinin yüz yüze olması gereken tüm bu kısıtlamalar için, her bir kaynak türünün bir zaman dilimi üzerinden ne kadar enerji göndermesi gerektiğini, böylece kılavuzdaki tahmini enerji talebinin karşılanmasını sağlayacak şekilde sunulur.Given all these constraints, a central challenge the smart grid operator must face, is how much energy each type of the resources should commit over a time frame, so that the forecasted energy demand from the grid are satisfied.

Bu çözüm, bir enerji Kılavuzu için çeşitli enerji kaynakları türlerinden en iyi enerji birimi taahhütlerini belirleyen, dış açık kaynaklı araçlardan yararlanarak Azure tabanlı akıllı bir çözüm sunar.This solution provides an Azure-based smart solution, leveraging external open-source tools, that determines the optimal energy unit commitments from various types of energy resources for an energy grid. Amaç, enerji talebini karşılarken bu taahhütlerin sonucunda oluşan genel maliyeti en aza indirmektir.The goal is to minimize the overall cost incurred by these commitments while satisfying the energy demand. Bu çözüm, Azure 'un Pyomo ve CBC gibi dış araçların yanı sıra, karışık tamsayı doğrusal programlama gibi büyük ölçekli sayısal iyileştirme sorunlarını çözmesine ve Azure sanal makinelerinin bir Azure Batch birden çok iyileştirme görevinin paralelleştirilmesine olanak tanır.This solution demonstrates the ability of Azure to accommodating external tools, such as Pyomo and CBC, to solve large-scale numerical optimization problems such as mixed integer-linear programming, parallelizing multiple optimization tasks over an Azure Batch of Azure Virtual Machines. Azure Blob depolama, Azure kuyruk depolama, Azure Web uygulaması, Azure SQL veritabanı ve Power BI gibi diğer ürünler de vardır.Other involved products include Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database, as well as Power BI.

Teknik ayrıntılar ve iş akışıTechnical details and workflow

  1. Örnek veriler, yeni dağıtılan Azure Web Işleri tarafından akışla kaydedilir.The sample data is streamed by newly deployed Azure Web Jobs. Web işi, sanal verileri oluşturmak için Azure SQL 'deki kaynakla ilgili verileri kullanır.The web job uses resource related data from Azure SQL to generate the simulated data.
  2. Veri simülatörü, bu sanal verileri Azure depolama 'ya kaydeder ve çözüm akışında kullanılacak olan depolama kuyruğuna ileti yazar.The data simulator feeds this simulated data into the Azure Storage and writes message in Storage Queue, that will be used in the rest of the solution flow.
  3. Başka bir Web Işi, depolama sırasını izler ve sıradaki ileti kullanılabilir olduğunda bir Azure Batch işi başlatır.Another Web Job monitors the storage queue and initiate an Azure Batch job once message in the queue is available.
  4. Veri bilimi sanal makineleri ile birlikte Azure Batch hizmeti, alınan girişler verilen belirli bir kaynak türünden enerji kaynağını iyileştirmek için kullanılır.The Azure Batch service together with Data Science Virtual Machines is used to optimize the energy supply from a particular resource type given the inputs received.
  5. Azure SQL veritabanı, Azure Batch hizmetinden alınan en iyi duruma getirme sonuçlarını depolamak için kullanılır.Azure SQL Database is used to store the optimization results received from the Azure Batch service. Bu sonuçlar daha sonra Power BI panosunda tüketilecektir.These results are then consumed in the Power BI dashboard.
  6. Son olarak, Power BI sonuçlar görselleştirme için kullanılır.Finally, Power BI is used for results visualization.