Ignorar Navegação

Otimização do Abastecimento Energético

Numa rede energética, os consumidores de energia interagem com vários tipos de componentes de abastecimento, comercialização e armazenamento de energia, tais como subestações, baterias, parques eólicos e painéis solares, micro-turbinas, bem como ofertas de resposta à procura, para fazer face às respetivas necessidades e minimizar o custo de alocação de energia. Para tal, o operador da rede tem de determinar a quantidade de energia que cada tipo de recurso deve alocar durante um período de tempo, atendendo aos preços de solicitação de diferentes tipos de recursos e às capacidades e características físicas dos mesmos.

Esta solução baseia-se no Cortana Intelligence Suite e em ferramentas open source externas, e calcula a alocação ideal de unidades de energia de diversos tipos de recursos energéticos. Esta solução demonstra a capacidade do Cortana Intelligence Suite de acomodar ferramentas externas para resolver problemas de otimização numérica paralelizados num Azure Batch de Máquinas Virtuais do Azure.

Descrição

Nota: se já tiver implementado esta solução, clique aqui para ver a sua implementação.

Poupe tempo e permita que um destes parceiros de SI qualificados o ajude com uma prova de conceito, implementação e integração desta solução.

Custo Diário Estimado: $12

Para obter mais informações sobre como esta solução é criada, visite o guia de soluções no GitHub.

Tempo de Aprovisionamento Estimado: 15 Minutos

Uma rede energética é constituída por consumidores de energia, bem como por diversos tipos de componentes de abastecimento, comercialização e armazenamento de energia: as subestações aceitam a intensidade da corrente ou exportam a energia excessiva; as baterias podem descarregar energia ou armazená-la para utilização futura; parques eólicos e painéis solares (geradores com agendamento automático), micro-turbinas (geradores acumuláveis) e ofertas de resposta à procura, todos eles podem ser contratados para satisfazer a procura dos consumidores na rede. Os custos de solicitação de diferentes tipos de recursos variam, ao passo que as capacidades e as características físicas de cada tipo de recurso limitam a expedição do recurso. Perante todas estas condicionantes, um dos principais desafios que um operador de rede inteligente tem de enfrentar é determinar a quantidade de energia que cada um dos tipos de recursos deve alocar durante um período de tempo, de modo a que a procura de energia prevista da rede seja satisfeita.

Esta solução oferece uma solução inteligente baseada no Azure, que tira partido de ferramentas open source externas, que determina a alocação ideal de unidades de energia de diversos tipos de recursos energéticos para uma rede energética. O objetivo é otimizar o custo global em que estas alocações incorrem e satisfazer, simultaneamente, a procura de energia. Esta solução demonstra a capacidade do Azure de acomodar ferramentas externas, como o Pyomo e CBC, para resolver problemas de otimização numérica em grande escala, como programação linear inteira mista, paralelizando várias tarefas de otimização num Azure Batch de Máquinas Virtuais do Azure. Os outros produtos envolvidos são: Armazenamento de Blobs do Azure, Armazenamento de Filas do Azure, Aplicação Web do Azure, Base de Dados SQL do Azure, bem como o Power BI.

Detalhes técnicos e fluxo de trabalho

  1. Os dados de exemplo são transmitidos pelos Azure Web Jobs recentemente implementados. O WebJob utiliza dados relacionados com recursos a partir do Azure SQL para gerar os dados simulados.
  2. O simulador de dados fornece estes dados simulados ao Armazenamento do Azure e escreve mensagens na Fila de Armazenamento, que serão utilizadas no resto do fluxo da solução.
  3. Outro WebJob monitoriza a fila de armazenamento e inicia uma tarefa do Azure Batch assim que a mensagem na fila esteja disponível.
  4. O serviço Azure Batch, juntamente com as Máquinas Virtuais de Ciência de Dados, é utilizado para otimizar o abastecimento de energia de um tipo de recurso específico em função dos dados recebidos.
  5. A Base de Dados SQL do Azure é utilizada para armazenar os resultados de otimização recebidos do serviço Azure Batch. Depois, estes resultados são consumidos no dashboard do Power BI.
  6. Por último, o Power BI é utilizado para a visualização dos dados.

Exclusão de Responsabilidade

©2017 Microsoft Corporation. Todos os direitos reservados. A informação é fornecida "tal como está" e pode ser alterada sem aviso prévia. A Microsoft não faz garantias, de forma expressa ou implícita, em relação à informação aqui fornecida. Foram utilizados dados de terceiros para gerar a Solução. É responsável por respeitar os direitos de outros, incluindo a aquisição e conformidade com as licenças relevantes para criar conjuntos de dados semelhantes.

Arquiteturas de soluções relacionadas

Previsão do Nível dos Tanques de Petróleo e Gás

Hoje em dia, a maioria das instalações opera de forma reativa a problemas nos níveis dos tanques. Muitas vezes, este modo de operação leva a derramamentos, encerramentos de emergência, custos de remediação elevados, problemas regulamentares, reparações dispendiosas e multas. A previsão do nível dos tanques ajuda a gerir e a diminuir estes e outros problemas.