Enerji Tedariği İyileştirmesi

Bir enerji şebekesinde, enerji tüketicileri, taleplerinin karşılanması ve enerji taahhüdü maliyetlerinin en aza inmesi için şalt sahaları, bataryalar, rüzgar çiftlikleri, güneş panelleri, mikro türbinler ve talep yanıt teklifleri gibi çeşitli enerji sağlayan, takas eden ve depolayan bileşenlerle etkileşime girer. Bunu yapmak için, şebeke operatörü, farklı kaynak türlerini isteme ücretlerini ve bu kaynakların kapasitesi ve fiziksel özelliklerini göz önüne alarak, tüm kaynak türlerinin bir zaman dilimi içinde ne kadar enerji taahhüt etmesi gerektiğini belirlemelidir.

Bu çözüm, Cortana Intelligence Suite ve dış açık kaynak araçlardan yola çıkarak yapılmıştır. Çeşitli enerji kaynakları türlerinden gelen en uygun enerji ünitesi taahhütlerini hesaplar. Bu çözüm, Cortana Intelligence Suite özelliğini uyumlu dış araçlara göstererek, Azure Sanal Makineleri’nin Azure Batch’i üzerinde paralelleştirilmiş sayısal iyileştirme sorunlarını çözer.

+ Daha fazla göster – Daha az göster

Açıklama

Bu eğitimli SI iş ortaklarından birinin, bu çözümün kavram kanıtı, dağıtımı ve tümleştirmesinde size yardımcı olmasına izin vererek zamandan kazanın.

Tahmini Günlük Maliyet: $12

Bu çözümün nasıl oluşturulduğu hakkında daha fazla bilgi edinmek için, GitHub’daki çözüm kılavuzunu ziyaret edin.

Enerji şebekesi, enerji tüketicileriyle birlikte enerji sağlayan, takas eden ve depolayan çeşitli bileşenlerden oluşur: Şalt sahaları enerji yükünü alır veya aşırı enerjiyi dışarı aktarır. Bataryalar enerjiyi boşaltabilir veya ileride kullanmak üzere depolayabilir. Rüzgar çiftlikleri ve güneş paneli (kendi kendine zamanlanan üreticiler), mikro türbinler (dağıtılabilir üreticiler) ve talep yanıt tekliflerinin tümü, şebeke içindeki tüketicilerden gelen talepleri karşılayabilir. Farklı türdeki kaynakları isteme maliyeti değişiklik göstermekle birlikte, her kaynak türünün kapasitesi ve fiziksel özellikleri, kaynakların dağıtımını sınırlar. Tüm bu kısıtlamalar dikkate alındığında, bir akıllı şebeke operatörünün yüzleşmesi gereken merkezi zorluk, şebekeden gelen öngörülen enerji talebinin karşılanması için tüm kaynak türlerinin bir zaman dilimi içerisinde ne kadar enerji taahhüt etmesi gerektiğidir.

Bu çözüm, Azure tabanlı bir akıllı çözüm sunar. Dış açık kaynak araçlarından yararlanarak, bir enerji şebekesi için çeşitli enerji kaynakları türlerinden gelecek olan en uygun enerji ünitesi taahhüdünü belirler. Hedef, enerji talebini karşılarken, bu taahhütlerden oluşan toplam maliyeti en aza indirmektir. Bu çözüm, Azure özelliğini Pyomo ve CBC gibi uyumlu dış araçlara gösterir. Böylelikle karışık tamsayı-doğrusal programlama gibi büyük ölçekli sayısal iyileştirme sorunlarını çözerek, Azure Sanal Makineleri’nin Azure Batch’i üzerinde birden çok iyileştirme görevlerini paralelleştirir. İçerdiği diğer ürünler, Azure Blob Depolama, Azure Kuyruk Depolama, Azure Web App, Azure SQL Veritabanı ve Power BI.

Teknik ayrıntılar ve iş akışı

  1. Örnek veriler yeni dağıtılmış Azure Web İşlerinden alınır. Web işi, Azure SQL’deki kaynakla ilgili verileri kullanarak sanal veri oluşturur.
  2. Veri simülatörü, bu sanal verileri Azure Depolama’ya besler ve Depolama Kuyruğu’nda çözüm akışının kalanında kullanılacak olan iletiyi yazar.
  3. Başka bir Web İşi, depolama kuyruğunu izler ve kuyruktaki ileti kullanılabilir olduğunda bir Azure Batch işi başlatır.
  4. Azure Batch hizmeti, Veri Bilimi Sanal Makineleri ile birlikte, alınan girdilere göre belirli bir kaynak türünden gelen enerji tedariğini iyileştirmek için kullanılır.
  5. Azure SQL Veritabanı, Azure Batch hizmetinden alınan iyileştirme sonuçlarını depolamak için kullanılır. Bu sonuçlar daha sonra Power BI panosunda kullanılır.
  6. Son olarak da, sonuçların görselleştirilmesi için Power BI kullanılır.

Bildirim

© 2017 Microsoft Corporation. Tüm hakları saklıdır. Buradaki bilgiler “olduğu gibi” sağlanmıştır ve bildirim yapılmaksızın değiştirilebilir. Microsoft, işbu bilgilerle ilgili açık veya zımni herhangi bir garanti vermez. Çözüm oluşturulurken üçüncü taraf verileri kullanılmıştır. Benzer veri kümeleri oluşturmak için ilgili lisansları edinmek ve bunlara uymak dahil olmak üzere başkalarının haklarına saygılı olma sorumluluğu sizindir.

Energy Supply OptimizationIn an energy grid, energy consumers are engaged with various types of energy supplying, trading, and storage components such as substations, batteries, windfarms and solar panels, micro-turbines, as well as demand response bids, to meet their respective demands and minimize the cost of energy commitment. To do so, the grid operator must determine how much energy each type of the resources should commit over a time frame, given the prices of soliciting different types of resources and the capacities and the physical characteristics of them.

İlgili çözüm mimarileri

Oil and Gas Tank Level ForecastingToday, most facilities operate reactively to problems in tank levels. This often leads to spills, emergency shutdowns, expensive remediation costs, regulatory issues, costly repairs and fines. Tank level forecasting helps manage and abate these and other problems.

Petrol ve Doğalgaz Tank Düzeyi Tahmini

Bugün, çoğu tesis tank düzeyiyle ilgili sorunlara tepkisel olarak yanıt verir. Bu da genellikle taşma, acil kapatma, yüksek düzeltme maliyetleri, düzenleme sorunları, maliyetli onarımlar ve cezalara yol açar. Tank düzeyi tahmini, bu sorunun ve diğer sorunların yönetilmesine ve hafifletilmesine yardımcı olur.