Çözüm fikirleri
Bu makale bir çözüm fikridir. İçeriği olası kullanım örnekleri, alternatif hizmetler, uygulama konuları veya fiyatlandırma yönergeleri gibi daha fazla bilgiyle genişletmemizi isterseniz GitHub geri bildirimi sağlayarak bize bildirin.
Bu çözüm, bir enerji şebekesi için çeşitli enerji kaynaklarından en uygun enerji birimi taahhütlerini belirlemek için dış açık kaynak araçları uygulayan Azure tabanlı bir akıllı çözüm sağlar. Hedef, enerji talebini karşılarken, bu taahhütlerden oluşan toplam maliyeti en aza indirmektir.
Mimari
Bu mimarinin bir Visio dosyasını indirin.
Veri akışı
- Örnek veriler yeni dağıtılmış Azure Web İşlerinden alınır. Web işi, sanal verileri oluşturmak için Azure SQL'den kaynakla ilgili verileri kullanır.
- Veri simülatörü bu simülasyon verilerini Azure Depolama'ne aktarır ve çözüm akışının geri kalanında kullanılacak Depolama Kuyruğuna ileti yazar.
- Başka bir Web İşi, depolama kuyruğunu izler ve kuyruktaki ileti kullanılabilir olduğunda bir Azure Batch işi başlatır.
- Azure Batch hizmeti, Veri Bilimi Sanal Makineleri ile birlikte, alınan girdilere göre belirli bir kaynak türünden gelen enerji tedariğini iyileştirmek için kullanılır.
- Azure SQL Veritabanı, Azure Batch hizmetinden alınan iyileştirme sonuçlarını depolamak için kullanılır. Bu sonuçlar daha sonra Power BI panosunda kullanılır.
- Son olarak da, sonuçların görselleştirilmesi için Power BI kullanılır.
Bileşenler
Bu mimariyi uygulamak için kullanılan temel teknolojiler:
- Azure Batch
- Azure Blob Depolama
- Azure Veri Bilimi Sanal Makinesi s
- Azure SQL Veritabanı
- Azure Kuyruk Depolama
- Power BI Panosu
Senaryo ayrıntıları
Enerji şebekesi enerji tüketicilerinden ve çeşitli enerji tedarik, ticaret ve depolama bileşenlerinden oluşur: Trafo merkezleri güç yükünü kabul eder veya aşırı güç dışarı aktarır; Piller enerjiyi boşaltabilir veya gelecekte kullanmak üzere depolar; Rüzgarlıklar ve güneş panelleri (kendi kendine zamanlanan jeneratörler), mikro türbinler (gönderilebilir jeneratörler) ve talep yanıtı teklifleri, şebeke içindeki tüketicilerin talebini karşılamak için uygulanabilir.
Farklı türdeki kaynakları isteme maliyeti değişiklik göstermekle birlikte, her kaynak türünün kapasitesi ve fiziksel özellikleri, kaynakların dağıtımını sınırlar. Tüm bu kısıtlamalar göz önünde bulundurulduğunda akıllı şebeke operatörünün karşı karşıya olması gereken bir zorluk, her kaynak türünün bir zaman diliminde ne kadar enerji işlemesi gerektiğidir. Bu, kılavuzdan tahmin edilen enerji talebinin karşılanmasına olanak tanır.
Olası kullanım örnekleri
Bu çözüm, Azure'ın karma tamsayı doğrusal programlama gibi büyük ölçekli sayısal iyileştirme sorunlarını çözmek için Pyomo ve CBC gibi dış araçları barındırabilmesini ve Birden çok iyileştirme görevini Azure Batch Sanal Makineler üzerinde paralelleştirmeyi gösterir. İlgili diğer ürünler Azure Blob Depolama, Azure Kuyruk Depolama, Azure Web App, Azure SQL Veritabanı ve Power BI'dır.
Sonraki adımlar
Ürün belgeleri:
- Azure Batch nedir?
- Azure Blob depolama nedir?
- Azure Veri Bilimi Sanal Makinesi nedir?
- Azure SQL Veritabanı nedir?
- Azure Kuyruk Depolama nedir?
- Panolara giriş
Microsoft Learn modülleri:
- Veri Bilimi Sanal Makinesi oluşturma ve bağlanma
- Azure SQL Veritabanı dağıtma
- Azure Blob depolamayı keşfetme
- Azure CLI ile Azure Batch'te paralel görevleri çalıştırma