Ignorar navegação

Otimização de fornecimento de energia

Em uma rede de energia, os consumidores de energia são conectados com diversos tipos de componentes de fornecimento, troca e armazenamento de energia, tais como subestações, baterias, parques eólicos e painéis solares, microturbinas, bem como ofertas de resposta à demanda, a fim de suprir as respectivas necessidades e minimizar o custo do compromisso de energia. Para fazer tudo isso, o operador da rede deve determinar a quantidade de energia que cada tipo de recurso deve entregar em um período determinado, considerando os preços da solicitação dos diferentes tipos de recursos, bem como as capacidades e as características físicas deles.

Esta solução é criada com base na Cortana Intelligence Suite e em ferramentas externas de software livre e ela calcula os compromissos unitários de energia ideais dos diversos tipos de recursos energéticos. Essa solução demonstra a capacidade do Cortana Intelligence Suite de acomodar ferramentas externas para resolver problemas paralelizados de otimização numérica em um Lote do Azure de Máquinas Virtuais do Azure.

Descrição

Observação: se você já implantou esta solução, clique aqui para exibir sua implantação.

Economize tempo e deixe que um desses parceiros de SI treinados lhe ajude com uma prova de conceito e com a implantação e integração dessa solução.

Custo diário estimado: $12

Para obter mais detalhes de como essa solução é criada, visite o guia da solução no GitHub.

Tempo de provisionamento estimado: 15 minutos

Uma rede de energia consiste em consumidores de energia, bem como nos diversos tipos de componentes de fornecimento, troca e armazenamento de energia: subestações recebem carga de energia ou exportam energia excedente; baterias podem descarregar energia ou armazená-la para uso futuro; parques eólicos e painéis solares (geradores autoprogramados), microturbinas (geradores sob demanda) e ofertas de resposta a demandas; tudo isso pode ser acionado para satisfazer a demanda dos consumidores na rede. Os custos da solicitação dos diferentes tipos de recursos variam, ao passo que as capacidades e as características físicas de cada tipo de recurso limitam o envio do recurso. Considerando todas essas restrições, um desafio crucial que um operador de rede inteligente deve enfrentar é prever a quantidade de energia que cada tipo de recurso deve entregar durante um período determinado, de modo que a demanda prevista de energia da rede seja satisfeita.

Esta solução oferece uma resposta inteligente baseada no Azure, aproveitando ferramentas externas de software livre, que determinam o compromisso unitário ideal de energia dos diversos tipos de recursos de uma rede de energia. A meta é minimizar o custo geral incorrido por esses compromissos, satisfazendo ao mesmo tempo a demanda de energia. Esta solução demonstra a capacidade do Azure de acomodar ferramentas externas, tais como Pyomo e CBC, para resolver problemas numéricos de otimização em larga escala como programação mista inteiro-linear, paralelizando várias tarefas de otimização em um Lote do Azure de Máquinas Virtuais do Azure. Outros produtos envolvidos incluem o Armazenamento de Blobs do Azure, o Armazenamento de Filas do Azure, o Aplicativo Web do Azure, o Banco de Dados SQL do Azure e também o Power BI.

Detalhes técnicos e fluxo de trabalho

  1. Os dados de exemplo são transmitidos por Trabalhos da Web do Azure implantados recentemente. O trabalho da Web usa dados relacionados com recursos do SQL do Azure para gerar os dados simulados.
  2. O simulador de dados alimenta esses dados simulados no Armazenamento do Azure e grava mensagens na fila do Armazenamento, as quais serão usadas no restante do fluxo da solução.
  3. Outro Trabalho da Web monitora a fila do armazenamento e inicializa um trabalho do Lote do Azure assim que a mensagem está disponível na fila.
  4. O serviço Lote do Azure, juntamente com as Máquinas virtuais de ciência de dados, é usado para otimizar o fornecimento de energia de um tipo de recurso específico, considerando as entradas recebidas.
  5. O Banco de Dados SQL do Azure é usado para armazenar os resultados da otimização recebidos do serviço Lote do Azure. Em seguida, esses resultados são consumidos no dashboard do Power BI.
  6. Finalmente, o Power BI é usado para a visualização dos resultados.

Aviso de isenção de responsabilidade

© 2017 Microsoft Corporation. Todos os direitos reservados. Estas informações são fornecidas “no estado em que se encontram” e poderão ser alteradas sem aviso. A Microsoft não oferece garantias, expressas ou implícitas, com relação às informações aqui fornecidas. Dados de terceiros foram utilizados para gerar esta Solução. Você é responsável por respeitar os direitos de terceiros, incluindo a obtenção e o cumprimento de licenças relevantes com o intuito de criar conjuntos de dados similares.

Arquiteturas de solução relacionadas

Previsão de nível de óleo e gás do tanque

Hoje, a maioria das instalações operam reativamente a problemas nos níveis de tanques. Isso geralmente resulta em derramamentos, desligamentos de emergência, custos de remediação caros, problemas regulatórios, reparos caros e multas. A previsão do nível de tanque ajuda a gerenciar e mitigar esses e outros problemas.