Omitir navegación

Optimización del suministro de energía

En una red energética, se coordinan consumidores de energía con varios tipos de componentes de suministro, comercialización y almacenamiento de energía, como subestaciones, baterías, granjas eólicas, paneles solares y microturbinas, así como ofertas en respuesta a la demanda, para satisfacer sus respectivas demandas y minimizar el costo de la planificación energética. Para ello, el operador de la red debe determinar qué cantidad de energía debe planificarse para cada tipo de recurso para un período de tiempo determinado, teniendo en cuenta los precios de solicitar diferentes tipos de recursos y la capacidad y las características físicas de cada uno de ellos.

Esta solución se basa en Cortana Intelligence Suite y herramientas externas de código abierto, y calcula la planificación de energía óptima para varios tipos de recursos energéticos. La solución muestra la capacidad de Cortana Intelligence Suite de admitir herramientas externas para solucionar problemas de optimización numérica paralelizada con Azure Batch y Azure Virtual Machines.

Descripción

Nota: Si ya ha implementado esta solución, haga clic aquí para ver la implementación.

Ahorre tiempo y deje que le ayude alguno de estos asociados expertos en integración de sistemas con una prueba de concepto, la implementación y la integración de esta solución.

Costo diario estimado: $12

Para obtener más información sobre cómo se crea esta solución, visite la guía de la solución en GitHub.

Tiempo de aprovisionamiento estimado: 15 minutos

Una red energética consta de consumidores de energía y de varios tipos de componentes de suministro, comercialización y almacenamiento de energía: las subestaciones aceptan cargas de energía o exportan el exceso de energía; las baterías pueden descargar energía o almacenarla para un uso futuro; las granjas eólicas y los paneles solares (generadores autoprogramados), las microturbinas (generadores que se pueden administrar) y las ofertas en respuesta a la demanda se pueden coordinar para satisfacer la demanda de los consumidores de la red. Los costos de solicitar diferentes tipos de recursos varían, mientras que la capacidad y las características físicas de cada tipo de recurso limitan su administración. Con todas estas restricciones, el operador de una red inteligente se enfrenta a un desafío principal: qué cantidad de energía debe planificarse para cada tipo de recurso para un período de tiempo determinado, de modo que se satisfaga la demanda prevista de energía de la red.

Esta es una solución inteligente basada en Azure que aprovecha herramientas externas de código abierto y que determina planificaciones de energía óptimas de varios tipos de recursos para una red energética. El objetivo es minimizar el costo total que suponen estas planificaciones al tiempo que se satisface la demanda de energía. Esta solución muestra la capacidad de Azure para admitir herramientas externas, como Pyomo y CBC, con el fin de solucionar problemas de optimización numérica a gran escala, como la programación lineal entera mixta, mediante la paralelización de varias tareas de optimización con Azure Batch y Azure Virtual Machines. Otros productos implicados son Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database y Power BI.

Detalles técnicos y flujo de trabajo

  1. Los datos de ejemplo se transmiten mediante streaming a través de Azure WebJobs. El trabajo web utiliza los datos relacionados con los recursos procedentes de Azure SQL para generar datos simulados.
  2. El simulador de datos envía estos datos a Azure Storage y escribe un mensaje en Storage Queue, que se usa en el resto del flujo de la solución.
  3. Otro trabajo web supervisa la cola de almacenamiento e inicia un trabajo de Azure Batch cuando el mensaje de la cola está disponible.
  4. El servicio Azure Batch se utiliza, junto con máquinas virtuales de ciencia de datos, para optimizar el suministro de energía de un tipo de recurso concreto en función de los datos recibidos.
  5. Azure SQL Database se utiliza para almacenar los resultados de optimización recibidos del servicio Azure Batch. Estos resultados los consume después el panel de Power BI.
  6. Finalmente, se usa Power BI para la visualización de los resultados.

Declinación de responsabilidades

©2017 Microsoft Corporation. Todos los derechos reservados. Esta información se proporciona "tal cual" y puede cambiar sin previo aviso. Microsoft no ofrece ninguna garantía, ni expresa ni implícita, respecto a la información que aquí se proporciona. Para generar la solución, se utilizaron datos de terceros. Usted es responsable de respetar los derechos de otros, incluida la adquisición y el cumplimiento de las licencias correspondientes para crear conjuntos de datos similares.

Arquitecturas de soluciones relacionadas

Previsión del nivel de los depósitos de petróleo y gas

Actualmente, la mayoría de las instalaciones funcionan reaccionando a los problemas con los niveles de los depósitos. A menudo, esto da lugar a vertidos, cierres de emergencia, costos de reparación elevados, problemas normativos y costosas multas. La previsión del nivel de los depósitos facilita la administración y evita estos y otros problemas.