Идеи решения
Эта статья является идеей решения. Если вы хотите расширить содержимое с дополнительными сведениями, такими как потенциальные варианты использования, альтернативные службы, рекомендации по реализации или рекомендации по ценам, сообщите нам, предоставив отзыв GitHub.
Это решение предоставляет интеллектуальное решение на основе Azure, применяя внешние средства с открытым исходным кодом, чтобы определить оптимальные обязательства по единицам энергии из различных энергетических ресурсов для энергетической сетки. Цель — минимизировать затраты, связанные с выполнением этих обязательств, и при этом удовлетворить спрос на энергию.
Архитектура
Скачайте файл Visio для этой архитектуры.
Поток данных
- Развернутые веб-задания Azure выполняют потоковую передачу примера данных. Веб-задание использует данные, связанные с ресурсами из SQL Azure, для создания имитированных данных.
- Симулятор данных передает эти имитированные данные в служба хранилища Azure и записывает сообщение в очереди служба хранилища, которая будет использоваться в остальной части потока решения.
- Другое веб-задание отслеживает очередь хранилища и запускает задание пакетной службы Azure, когда сообщение в очереди становится доступным.
- Пакетная служба Azure и виртуальные машины для обработки и анализа данных используются для оптимизации поставок энергии, полученной из определенного типа ресурсов, с учетом полученных входных данных.
- Результаты оптимизации, получаемые из пакетной службы Azure, сохраняются в Базе данных SQL Azure. Затем эти результаты используются на панели мониторинга в Power BI.
- И наконец, результаты визуализируются с помощью Power BI.
Компоненты
Ключевые технологии, используемые для реализации этой архитектуры:
- Пакетная служба Azure
- Хранилище BLOB-объектов Azure
- Azure Виртуальная машина для обработки и анализа данных
- База данных SQL Azure
- Хранилище очередей Azure
- Панель мониторинга Power BI
Подробности сценария
Энергетическая сетка состоит из потребителей энергии и различных типов энергетических поставок, торгов и компонентов хранения: подстановки принимают нагрузку питания или экспортируют чрезмерную мощность; Батареи могут выгрузить энергию или сохранить ее для будущего использования; Windfarms и солнечная панель (самопланированные генераторы), микротурбины (диспетчеризируемые генераторы) и ставки ответа на спрос могут быть задействованы для удовлетворения спроса от потребителей в сетке.
Стоимость подготовки к поставке различных типов ресурсов различается, в то время как мощность и физические характеристики каждого типа ресурсов накладывают определенные ограничения на доставку ресурсов. Учитывая все эти ограничения, задача оператора интеллектуальной сетки должна столкнуться с тем, сколько энергии каждый тип ресурсов должен зафиксировать с течением времени. Это позволяет удовлетворить прогнозируемый спрос на энергию из сетки.
Потенциальные варианты использования
Это решение демонстрирует способность Azure размещать внешние инструменты, такие как Pyomo и CBC, для решения крупномасштабных задач по оптимизации числовых чисел, таких как смешанное целое числового программирования, параллелизация нескольких задач оптимизации через пакетная служба Azure Azure Виртуальные машины. Другие связанные продукты включают Хранилище BLOB-объектов Azure, очередь Azure служба хранилища, веб-приложение Azure, База данных SQL Azure и Power BI.
Следующие шаги
Документация по продукту:
- Что такое пакетная служба Azure?
- Что такое хранилище BLOB-объектов Azure?
- Что такое Виртуальная машина для обработки и анализа данных Azure?
- Что такое База данных SQL Azure
- Что такое Хранилище очередей Azure?
- Общие сведения о панелях мониторинга
Модули Microsoft Learn.
- Создание и подключение к Виртуальная машина для обработки и анализа данных
- Развертывание База данных SQL Azure
- Изучение хранилища BLOB-объектов Azure
- Выполнение параллельных задач в пакетная служба Azure с помощью Azure CLI