描述
无需你动手,让这些经过培训的 SI 合作伙伴来帮助你进行此解决方案的概念证明、部署和整合。
估计日常成本:$12
有关如何构建此解决方案的更多详细信息,请查看 GitHub 中的解决方案指南。
能源网不仅包括能源消费者,还包括各类能源供应、交易和储存组成:变电站用于接受电力负荷或大量输出电力;电池可释放能量或储存能量供将来使用;风电场和太阳能电池板(自调度能源生成器)、微型涡轮机(可调度发电机)和需求响应报价都是能源网在满足客户需求时要考虑的因素。请求资源的成本随资源类型的不同而不同,而每种资源的容量和物理特性会限制资源的分配。在这些因素的制约下,智能能源网运营商必定会面临的一项核心挑战是,每种资源在一段时间内应产生多少能量才能满足能源网预测的能源需求。
该解决方案提供一种基于 Azure 的智能解决方案,利用外部开源工具确定能源网中各类能源的最佳能源机组组合。该方案的目标是在满足能源需求的同时尽可能减少这些组合所产生的总成本。该解决方案展示了 Azure 兼容外部工具(如 Pyomo 和 CBC)来解决大规模数值优化问题的能力,例如进行混合整数线性规划,在 Azure 虚拟机的 Azure Batch 上同时执行多个优化任务。涉及的其他产品包括 Azure Blob 存储、Azure 队列存储、Azure Web 应用、Azure SQL 数据库以及 Power BI。
技术详细信息和工作流
- 示例数据由新部署的 Azure Web 作业流式处理而来。Web 作业使用 Azure SQL 中与资源相关的数据生成模拟数据。
- 数据模拟器将此模拟数据馈入 Azure 存储,并将消息写入存储队列中,这些信息将在接下来的解决方案流程中用到。
- 另一 Web 作业监视存储队列,并在队列中的消息可用时启动 Azure Batch 作业。
- Azure Batch 服务结合数据科学虚拟机,共同根据接收的输入优化特定资源类型的能源供应。
- Azure SQL 数据库用于存储来自 Azure Batch 服务的优化结果。然后这些结果将在 Power BI 仪表板中使用。
- 最后,Power BI 可直观显示该结果。
免责声明
©2017 Microsoft Corporation。保留所有权利。此信息按“原样”提供且可能更改,恕不另行通知。Microsoft 不就此处提供的信息做任何明示和默示的担保。第三方数据用于生成解决方案。你必须尊重他人的权利,包括在创建类似数据集之前获得相关许可并遵循此等许可。