Pomiń nawigację

Optymalizacja dostaw energii

W sieci energetycznej odbiorcy energii mają do czynienia z różnego rodzaju składnikami związanymi z obrotem energią, jej dostarczaniem i magazynowaniem, które mają na celu spełnienie wymagań odbiorców i zminimalizowanie kosztów zużycia energii. Wśród nich można wymienić podstacje, akumulatory, farmy wiatrowe i panele słoneczne, mikroturbiny, a także oferty na żądanie. W tym celu operator sieci musi określić, ile energii powinien zużywać każdy rodzaj zasobów w określonym przedziale czasowym, biorąc pod uwagę ceny za pozyskanie różnych rodzajów zasobów oraz ich pojemność i cechy fizyczne.

To rozwiązanie jest oparte na pakiecie Cortana Intelligence Suite i zewnętrznych narzędziach typu „open source”, a jego zadaniem jest obliczanie optymalnych zobowiązań jednostek energetycznych z różnych rodzajów zasobów energii. To rozwiązanie demonstruje zdolność pakietu Cortana Intelligence Suite do uwzględniania zewnętrznych narzędzi i rozwiązywania równoległych problemów z optymalizacją numeryczną za pośrednictwem usługi Azure Batch w ramach usługi Azure Virtual Machines.

Opis

Uwaga: Jeśli masz już wdrożone to rozwiązanie, kliknij tutaj, aby wyświetlić to wdrożenie.

Zaoszczędź czas i zwróć się do jednego z wyszkolonych partnerów SI o pomoc w potwierdzeniu jakości koncepcji, przeprowadzeniu wdrożenia i integracji tego rozwiązania.

Szacowany dzienny koszt: $12

Aby uzyskać więcej informacji o tym, jak zbudowane jest to rozwiązanie, zapoznaj się z przewodnikiem po rozwiązaniu w witrynie GitHub.

Szacowany czas aprowizacji: 15 minut

Sieć energetyczna składa się z odbiorców energii, a także różnego rodzaju składników związanych z obrotem energią oraz jej dostarczaniem i magazynowaniem. Wśród nich można wymienić: a) podstacje, które przyjmują energię elektryczną lub rozdzielają jej nadmiar, b) akumulatory, które mogą dostarczać energię lub przechowywać ją do użycia w przyszłości, c) farmy wiatrowe i panele słoneczne (samozasilające się generatory), d) mikroturbiny (generatory dyspozycyjne) oraz e) oferty na żądanie — wszystkie mają na celu spełnienie wymagań odbiorców w ramach danej sieci. Koszty pozyskania poszczególnych typów zasobów są różne, natomiast pojemności i cechy fizyczne zasobów powodują ograniczenia podczas ich przesyłania. Biorąc pod uwagę wszystkie te ograniczenia, głównym wyzwaniem, któremu musi sprostać operator inteligentnej sieci, jest ustalenie, ile energii każdy z typów zasobów powinien zużywać w danym przedziale czasowym, aby możliwe było zaspokojenie prognozowanego zapotrzebowania na energię z sieci.

Takie podejście zapewnia inteligentne rozwiązanie oparte na platformie Azure, wykorzystujące zewnętrzne narzędzia typu „open source”, które określają optymalne zobowiązania jednostek energetycznych różnych rodzajów zasobów energii dla danej sieci energetycznej. Celem jest zminimalizowanie całkowitych kosztów poniesionych przez te zobowiązania przy jednoczesnym zaspokojeniu zapotrzebowania na energię. To rozwiązanie świadczy o zdolności platformy Azure do uwzględniania zewnętrznych narzędzi, takich jak Pyomo i CBC, na potrzeby rozwiązywania problemów z optymalizacją numeryczną na dużą skalę, które mogą wynikać między innymi z mieszanego programowania liniowo-całkowitoliczbowego i równoległego wykonywania wielu zadań optymalizacyjnych za pośrednictwem usługi Azure Batch w ramach usługi Azure Virtual Machines. Inne powiązane produkty to Azure Blob Storage, Azure Queue Storage, Azure SQL Database, aplikacja internetowa platformy Azure, a także usługa Power BI.

Szczegóły techniczne i przepływ pracy

  1. Przykładowe dane są przesyłane strumieniowo przez nowo wdrożone zadania Azure Web Jobs. Zadanie Web Job korzysta z danych związanych z zasobami usługi Azure SQL w celu generowania symulowanych danych.
  2. Symulator danych przekazuje te symulowane dane do usługi Azure Storage i zapisuje komunikat w kolejce magazynu, która będzie używana w pozostałej części przepływu rozwiązania.
  3. Kolejne zadanie Web Job monitoruje kolejkę magazynu i inicjuje zadanie usługi Azure Batch, gdy wiadomość w kolejce jest dostępna.
  4. Usługa Azure Batch wraz z maszynami wirtualnymi analizy danych jest używana do optymalizacji dostaw energii z określonego rodzaju zasobów po uwzględnieniu otrzymanych danych wejściowych.
  5. Baza danych SQL Azure służy do przechowywania wyników optymalizacji otrzymanych z usługi Batch Azure. Te wyniki są następnie używane na pulpicie nawigacyjnym usługi Power BI.
  6. Na końcowym etapie usługa Power BI przeprowadza wizualizację wyników.

Zrzeczenie odpowiedzialności

© 2017 Microsoft Corporation. Wszelkie prawa zastrzeżone. Te informacje są udostępniane w stanie „jak są” i mogą ulec zmianie bez powiadomienia. Firma Microsoft nie udziela żadnych gwarancji, jawnych ani dorozumianych, w związku z informacjami przedstawionymi tutaj. Do wygenerowania rozwiązania wykorzystano dane innej firmy. Na Tobie spoczywa odpowiedzialność za przestrzeganie praw innych, w tym za uzyskanie odpowiednich licencji i postępowanie zgodnie z nimi przy tworzeniu podobnych zbiorów danych.

Powiązane architektury rozwiązań

Prognozowanie poziomu napełnienia zbiorników z ropą naftową i gazem

W większości współczesnych instalacji przemysłowych problemy z poziomem napełnienia zbiorników są rozwiązywane dopiero po ich wystąpieniu. Prowadzi to często do wycieków, wyłączeń awaryjnych, drogich operacji usuwania skutków awarii, problemów z prawem, kosztownych napraw oraz kar pieniężnych. Aby uniknąć tych i innych problemów oraz sprawnie sobie z nimi radzić, można skorzystać z rozwiązania do prognozowania poziomu napełnienia zbiorników.