Edit

Bagikan melalui

Pengoptimalan pasokan energi

Azure Batch
Azure Blob Storage
Azure Data Science Virtual Machines
Azure Queue Storage
Azure SQL Database

Ide solusi

Artikel ini menjelaskan ide solusi. Arsitek cloud Anda dapat menggunakan panduan ini untuk membantu memvisualisasikan komponen utama untuk implementasi umum arsitektur ini. Gunakan artikel ini sebagai titik awal untuk merancang solusi yang dirancang dengan baik yang selaras dengan persyaratan spesifik beban kerja Anda.

Solusi ini menyediakan solusi cerdas berbasis Azure, yang menerapkan alat sumber terbuka eksternal, untuk menentukan komitmen unit energi optimal dari berbagai sumber daya energi untuk jaringan energi. Tujuannya adalah untuk meminimalkan keseluruhan biaya yang dikeluarkan oleh komitmen ini sambil memenuhi permintaan energi.

Sistem

Diagram arsitektur yang menunjukkan pengoptimalan pasokan energi.

Unduh file Visio arsitektur ini.

Aliran data

  1. Data sampel dialirkan oleh Azure Web Jobs yang baru disebarkan. Pekerjaan web menggunakan data terkait sumber daya dari Azure SQL untuk menghasilkan data simulasi.
  2. Simulator data mengumpankan data simulasi ini ke Azure Storage dan menulis pesan di Antrean Penyimpanan yang akan digunakan di sisa alur solusi.
  3. Web Job lain memantau antrean penyimpanan dan memulai pekerjaan Azure Batch setelah pesan dalam antrean tersedia.
  4. Layanan Azure Batch bersama dengan Data Science Virtual Machines digunakan untuk mengoptimalkan pasokan energi dari jenis sumber daya tertentu mengingat input yang diterima.
  5. Azure SQL Database digunakan untuk menyimpan hasil pengoptimalan yang diterima dari layanan Azure Batch. Hasil ini kemudian digunakan di dasbor Power BI.
  6. Terakhir, Power BI digunakan untuk visualisasi hasil.

Komponen

Teknologi utama yang digunakan untuk mengimplementasikan arsitektur ini:

Detail skenario

Jaringan energi terdiri dari konsumen energi, dan berbagai jenis komponen pasokan, perdagangan, dan penyimpanan energi: Gardu induk menerima beban daya atau mengekspor daya yang berlebihan; Baterai dapat melepaskan energi atau menyimpannya untuk digunakan di masa mendatang; Ladang angin dan panel surya (generator terjadwal mandiri), turbin mikro (generator yang dapat dikirim), dan tawaran respons permintaan semuanya dapat dilibatkan untuk memenuhi permintaan dari konsumen di dalam jaringan.

Biaya meminta berbagai jenis sumber daya bervariasi, sedangkan kapasitas dan karakteristik fisik dari setiap jenis sumber daya membatasi pengiriman sumber daya. Mengingat semua batasan ini, tantangan yang harus dihadapi operator kisi pintar adalah berapa banyak energi yang harus diterapkan setiap jenis sumber daya selama jangka waktu tertentu. Hal ini memungkinkan prakiraan permintaan energi dari kisi terpenuhi.

Kemungkinan kasus penggunaan

Solusi ini menunjukkan kemampuan Azure untuk mengakomodasi alat eksternal, seperti Pyomo dan CBC, untuk memecahkan masalah pengoptimalan numerik skala besar seperti pemrograman linear bilangan bulat campuran, yang menyejajarkan beberapa tugas pengoptimalan melalui Azure Batch dari Azure Virtual Machines. Produk lain yang terlibat termasuk Azure Blob Storage, Azure Queue Storage, Azure Web App, Azure SQL Database, dan Power BI.

Langkah berikutnya

Dokumentasi produk:

Modul Microsoft Learn: