Bewerken

Optimalisatie van energietoevoer

Azure Batch
Azure Blob Storage
Azure Data Science Virtual Machines
Azure Queue Storage
Azure SQL Database

Oplossingsideeën

Dit artikel is een oplossingsidee. Als u wilt dat we de inhoud uitbreiden met meer informatie, zoals mogelijke use cases, alternatieve services, implementatieoverwegingen of prijsrichtlijnen, laat het ons dan weten door GitHub-feedback te geven.

Deze oplossing biedt een slimme oplossing op basis van Azure, waarbij externe opensource-hulpprogramma's worden toegepast, om de optimale energie-eenheidsverplichtingen van verschillende energiebronnen voor een energienet te bepalen. Het doel is de totale kosten van deze afgiften te minimaliseren en tegelijkertijd aan de energievraag te voldoen.

Architectuur

Architecture diagram that shows energy supply optimization.

Een Visio-bestand van deze architectuur downloaden.

Gegevensstroom

  1. De voorbeeldgegevens worden gestreamd door nieuw geïmplementeerde Azure-webtaken. De webtaak maakt gebruik van resourcegerelateerde gegevens uit Azure SQL om de gesimuleerde gegevens te genereren.
  2. De gegevenssimulator voedt deze gesimuleerde gegevens in Azure Storage en schrijft berichten in de opslagwachtrij die in de rest van de oplossingsstroom wordt gebruikt.
  3. Een andere webtaak controleert de opslagwachtrij en initieert een Azure-batchtaak zodra een bericht beschikbaar is in de wachtrij.
  4. De Azure-batchservice wordt samen met de Data Science Virtual Machines gebruikt om de energietoelevering van een specifiek energiebrontype te optimaliseren aan de hand van de ontvangen invoergegevens.
  5. Azure SQL Database wordt gebruikt om de optimalisatieresultaten op te slaan die worden ontvangen van de Azure-batchservice. Deze resultaten worden vervolgens gebruikt voor het Power BI-dashboard.
  6. Als laatste wordt Power BI gebruikt voor visualisatie van de resultaten.

Onderdelen

Belangrijke technologieën die worden gebruikt om deze architectuur te implementeren:

Scenariodetails

Een energienet bestaat uit energieverbruikers en verschillende soorten energieleverings-, handels- en opslagonderdelen: Substations accepteren energiebelasting of exporteert overmatige macht; Batterijen kunnen energie ontladen of opslaan voor toekomstig gebruik; Windfarms en zonnepaneel (zelfgeplande generatoren), micro-turbines (verzendbare generatoren) en vraagresponsboden kunnen allemaal worden ingeschakeld om aan de vraag van de consumenten binnen het raster te voldoen.

De kosten van het gebruik van verschillende energiebrontypen variëren. De capaciteit en de fysieke kenmerken van elk energiebrontype beperkt in welke mate de energiebron kan worden ingezet. Gezien al deze beperkingen moet de operator van het slimme raster zien hoeveel energie elk type van de resources gedurende een bepaalde periode moet doorvoeren. Hierdoor kan aan de voorspelde energievraag van het raster worden voldaan.

Potentiële gebruikscases

Deze oplossing demonstreert de mogelijkheid van Azure voor externe hulpprogramma's, zoals Pyomo en CBC, om grootschalige numerieke optimalisatieproblemen op te lossen, zoals mixed integer-lineair programmeren, waarbij meerdere optimalisatietaken worden parallelliseren via een Azure Batch of Azure Virtual Machines. Andere betrokken producten zijn Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database en Power BI.

Volgende stappen

Productdocumentatie:

Microsoft Learn-modules: