Přeskočit navigaci

Optimalizace dodávek energie

V energetické síti využívají spotřebitelé energie různé typy komponent zajišťujících dodávky, obchodování a ukládání energie, jako jsou rozvodny, baterie, větrné farmy a solární panely, mikroturbíny a nabídky reagující na poptávku, aby uspokojili své požadavky a minimalizovali náklady na energetické závazky. Aby to bylo možné, musí operátor sítě určit, k jakému množství energie se mají jednotlivé typy prostředků během časového období zavázat, a zároveň brát v úvahu náklady na využití různých typů prostředků a jejich kapacity a fyzické charakteristiky.

Toto řešení je postavené na Cortana Intelligence Suite a externích opensourcových nástrojích a vypočítává optimální závazky energetických jednotek z různých typů energetických zdrojů. Toto řešení ukazuje schopnost Cortana Intelligence Suite začleňovat externí nástroje pro řešení paralelizovaných problémů numerické optimalizace nad službou Azure Batch pro Azure Virtual Machines.

Popis

Poznámka: Pokud jste toto řešení už nasadili, můžete ho zobrazit kliknutím sem.

Šetřete čas a nechte některého ze školených partnerů SI, aby vám pomohli s testováním konceptu, nasazením i integrací tohoto řešení.

Odhadované denní náklady: $12

Další podrobnosti o postupu sestavení tohoto řešení najdete v průvodci řešením na GitHubu.

Odhadovaný čas zřízení: 15 minut

Energetická síť sestává ze spotřebitelů energie, a také různých typů komponent zajišťujících dodávky, obchodování a ukládání energie: rozvodny přijímají napájecí zátěž nebo exportují nadbytečnou energii; baterie mohou energii poskytovat nebo ukládat pro budoucí použití; větrné farmy a solární panely (generátory s vlastním plánem), mikroturbíny (pohotovostní generátory) a nabídky reagující na poptávku, to vše lze zapojit do uspokojování požadavků spotřebitelů v síti. Náklady na využití jednotlivých typů prostředků se liší, zatímco kapacity a fyzické charakteristiky těchto typů prostředků omezují nasazení prostředku. Hlavním problémem, který musí operátor sítě řešit, při všech těchto omezeních je, k jakému množství energie se mají jednotlivé typy prostředků během časového období zavázat, aby se uspokojily odhadované požadavky na energii ze sítě.

Toto řešení poskytuje inteligentní řešení založené na Azure využívající externí opensourcové nástroje, které určuje optimální závazky energetických jednotek z různých typů zdrojů energie v energetické síti. Cílem je minimalizovat celkové náklady vynaložené na tyto závazky a současně uspokojit poptávku po energii. Toto řešení ukazuje schopnost Azure začleňovat externí nástroje, jako je Pyomo a CBC, pro řešení problémů numerické optimalizace ve velkém měřítku, jako je smíšené celočíselné lineární programování, s paralelním zpracováním několika optimalizačních úloh nad službou Azure Batch pro Azure Virtual Machines. Mezi další využité produkty patří Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database a také Power BI.

Technické údaje a pracovní postup

  1. Ukázková data se streamují nově nasazenou funkcí Azure Web Jobs. Webová úloha využívá data související s prostředky z Azure SQL pro vygenerování simulovaných dat.
  2. Simulátor dat předá tato simulovaná data do Azure Storage a napíše zprávu ve frontě úložiště, která se použije ve zbytku toku řešení.
  3. Jiná webová úloha monitoruje frontu úložiště a jakmile je v této frontě dostupná zpráva, iniciuje úlohu Azure Batch.
  4. 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.
  5. Azure SQL Database se využívá k uložení výsledků optimalizace přijatých ze služby Azure Batch. Tyto výsledky se následně používají na řídicím panelu Power BI.
  6. A konečně k vizualizaci výsledků se používá Power BI.

Právní omezení

© 2017 Microsoft Corporation. Všechna práva vyhrazena. Tyto informace se poskytují „tak, jak jsou“ a mohou se bez předchozího upozornění změnit. Společnost Microsoft neposkytuje s ohledem na uvedené informace žádné záruky, ať už výslovné, nebo implikované. K vytvoření řešení byla použita data třetích stran. Zodpovídáte za respektování práv ostatních, včetně pořízení náležitých licencí pro vytváření podobných datových sad a jejich dodržování.

Související architektury řešení

Prognózování hladiny v nádržích s ropou a plynem

V současné době většina zařízení reaguje na problémy s hladinou v nádržích reaktivně. To často vede k rozlévání, nouzovému vypínání, nákladnému odstraňování problémů, problémům v oblasti právních předpisů, drahým opravám a pokutám. Prognózování hladiny v nádržích pomáhá zvládnout a zmírnit tyto i další problémy.