Nápady na řešení
Tento článek je myšlenkou řešení. Pokud chcete, abychom obsah rozšířili o další informace, jako jsou potenciální případy použití, alternativní služby, aspekty implementace nebo pokyny k cenám, dejte nám vědět tím, že nám poskytnete zpětnou vazbu k GitHubu.
Toto řešení poskytuje inteligentní řešení založené na Azure, které používá externí opensourcové nástroje k určení optimálních závazků energetické jednotky z různých energetických zdrojů pro energetickou síť. Cílem je minimalizovat celkové náklady vynaložené na tyto závazky a současně uspokojit poptávku po energii.
Architektura
Stáhněte si soubor aplikace Visio s touto architekturou.
Tok dat
- Ukázková data se streamují nově nasazenou funkcí Azure Web Jobs. Webová úloha používá data související s prostředky z Azure SQL k vygenerování simulovaných dat.
- Simulátor dat předá tato simulovaná data do služby Azure Storage a zapíše zprávu do fronty úložiště, která se použije ve zbývající části toku řešení.
- Jiná webová úloha monitoruje frontu úložiště a jakmile je v této frontě dostupná zpráva, iniciuje úlohu Azure Batch.
- Služba Azure Batch společně s virtuálními počítači pro datové vědy se používá k optimalizaci dodávek energie od určitého typu prostředku, a to na základě přijatých vstupů.
- Azure SQL Database se využívá k uložení výsledků optimalizace přijatých ze služby Azure Batch. Tyto výsledky se následně používají na řídicím panelu Power BI.
- A konečně k vizualizaci výsledků se používá Power BI.
Komponenty
Klíčové technologie používané k implementaci této architektury:
- Azure Batch
- Azure Blob Storage
- Virtuální počítače Azure Datová Věda
- Azure SQL Database
- Azure Queue Storage
- Řídicí panel Power BI
Podrobnosti scénáře
Energetická síť se skládá ze spotřebitelů energie a různých typů dodávek energie, obchodování a úložných složek: Rozvodna přijímají zatížení energie nebo exportují nadměrnou energii; Baterie mohou vybíjet energii nebo je ukládat pro budoucí použití; Nabídky větrných a solárních panelů (samoplánované generátory), mikro turbíny (dispečovatelné generátory) a nabídky odpovědí na poptávku mohou být zapojeny tak, aby uspokojily poptávku od spotřebitelů v síti.
Náklady na využití jednotlivých typů prostředků se liší, zatímco kapacity a fyzické charakteristiky těchto typů prostředků omezují nasazení prostředku. Vzhledem ke všem těmto omezením musí operátor inteligentní sítě čelit výzvě, s jakou spotřebou energie by se měl každý typ prostředků v průběhu časového rámce potvrdit. To umožňuje, aby byla splněna prognózovaná poptávka po energii z mřížky.
Potenciální případy použití
Toto řešení ukazuje schopnost Azure pojmout externí nástroje, jako je Pyomo a CBC, k řešení rozsáhlých problémů s numerickou optimalizací, jako je smíšené celočíselné programování, paralelizace více úloh optimalizace ve službě Azure Batch virtuálních počítačů Azure. Mezi další zahrnuté produkty patří Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database a Power BI.
Další kroky
Dokumentace k produktu:
- Co je Azure Batch?
- Co je Azure Blob Storage?
- Co je virtuální počítač Azure Datová Věda?
- Co je Azure SQL Database?
- Co je Azure Queue Storage?
- Úvod do řídicích panelů
Moduly Microsoft Learn:
- Vytvoření virtuálního počítače Datová Věda a připojení k němu
- Nasazení služby Azure SQL Database
- Prozkoumání služby Azure Blob Storage
- Spouštění paralelních úloh ve službě Azure Batch pomocí Azure CLI