Ottimizzazione della fornitura di energia

In una rete elettrica, i consumatori di energia usano vari tipi di componenti di fornitura, commercio e stoccaggio dell'energia, ad esempio sottostazioni, batterie, parchi eolici e pannelli solari, microturbine, nonché offerte per domanda e risposta per soddisfare le rispettive domande e ridurre i costi dell'impegno per l'energia. A questo scopo, l'operatore della rete deve determinare la quantità di energia da impegnare per ogni tipo di risorse per un intervallo di tempo, in base ai prezzi della richiesta di vari tipi di risorse e le capacità e le caratteristiche fisiche di tali risorse.

Questa soluzione è basata su Cortana Intelligence Suite e su strumenti open source esterni e consente di calcolare gli impegni di unità di energia ottimali da vari tipi di risorse energetiche. Questa soluzione dimostra la possibilità di usare in Cortana Intelligence Suite strumenti esterni per risolvere problemi di ottimizzazione numerici parallelizzati in un'istanza di Azure Batch di macchine virtuali di Azure.

Descrizione

Nota: se hai già distribuito questa soluzione, fai clic qui per visualizzare la distribuzione.

Risparmia tempo e lasciati aiutare da uno di questi partner di integrazione strategica (SI, Strategic Integration) per il modello di verifica, la distribuzione e l'integrazione di questa soluzione.

Costo stimato giornaliero: $12

Per altri dettagli sulla struttura di questa soluzione, vedere la guida relativa alla soluzione in GitHub.

Tempo stimato per il provisioning: 15 minuti

Una rete energetica è costituita dai consumatori di energia e da vari tipi di componenti di fornitura, commercio e stoccaggio dell'energia: le sottostazioni accettano il carico energetico o esportano l'energia in eccesso. Le batterie possono scaricare l'energia o stoccarla per l'utilizzo futuro. I parchi eolici e i pannelli solari (generatori con pianificazione automatica), le microturbine (generatori distribuibili) e le offerte per domanda e risposta possono essere tutti coinvolti per soddisfare la domanda dei consumatori nella rete. I costi per la richiesta di diversi tipi di risorse possono variare, mentre le capacità e le caratteristiche fisiche di ogni tipo di risorsa limitano l'erogazione della risorsa. Dati tutti questi vincoli, una delle problematiche principali che deve essere affrontata da un operatore di rete intelligente è determinare la quantità di energia da impegnare per ogni tipo di risorse per un intervallo di tempo, affinché la domanda di energia prevista dalla rete venga soddisfatta.

Questa è una soluzione intelligente basata su Azure, che sfrutta strumenti open source esterni e che determina gli impegni di unità di energia ottimali da vari tipi di risorse energetiche per un rete elettrica. L'obiettivo è quello di ridurre i costi complessivi sostenuti da questi impegni, soddisfacendo al contempo la domanda di energia. Questa soluzione dimostra la possibilità di usare in Azure strumenti esterni, ad esempio Pyomo e CBC, per risolvere problemi di ottimizzazione numerici su larga scala, come la programmazione lineare intera mista, grazie alla parallelizzazione di più attività di ottimizzazione in un'istanza di Azure Batch di macchine virtuali di Azure. Sono inclusi anche altri prodotti, come Archiviazione BLOB di Azure, Archiviazione code di Azure, App Web di Azure, Database SQL di Azure e Power BI.

Dettagli tecnici e flusso di lavoro

  1. Lo streaming dei dati di esempio viene eseguito da processi Web di Azure appena distribuiti. Il processo Web usa i dati correlati alle risorse da Azure SQL per generare i dati simulati.
  2. Il simulatore dei dati passa i dati simulati ad Archiviazione di Azure ed esegue la scrittura del messaggio nella coda di archiviazione che verrà usata nella parte rimanente del flusso della soluzione.
  3. Un altro processo Web monitora la coda di archiviazione e avvia un processo di Azure Batch non appena il messaggio nella coda è disponibile.
  4. Il servizio Azure Batch in combinazione con macchine virtuali di data science viene usato per ottimizzare la fornitura di energia da un tipi di risorsa specifico in base agli input ricevuti.
  5. Il database SQL di Azure viene usato per archiviare i risultati dell'ottimizzazione ricevuti dal servizio Azure Batch. Questi risultati vengono quindi utilizzati nel dashboard di Power BI.
  6. Infine, per la visualizzazione dei risultati si usa Power BI.

Dichiarazione di non responsabilità

©2017 Microsoft Corporation. Tutti i diritti sono riservati. Queste informazioni vengono fornite "così come sono" e sono soggette a modifiche senza preavviso. Microsoft non fornisce alcuna garanzia, espressa o implicita, in merito alle informazioni fornite qui. Per la generazione della soluzione sono stati usati dati di terze parti. La responsabilità per il rispetto dei diritti di altri, inclusi l'acquisizione e la conformità delle licenze rilevanti per la creazione di set di dati simili, è a tuo carico.

Architetture delle soluzioni correlate

Previsione dei livelli delle cisterne di petrolio e gas

Al giorno d'oggi, la maggior parte delle strutture adotta un approccio di tipo reattivo ai problemi relativi ai livelli delle cisterne. Questo spesso genera versamenti, chiusure di emergenza, procedure di bonifica costose, problemi normativi e spese elevate per riparazioni e multe. La previsione del livello delle cisterne consente di gestire e risolvere questi e altri problemi.