天然气天然Fenosa(现为自然能源集团S.A.)预测能源供应和需求
挑战
解决方案
结果
- 响应时间缩短了几个月
- 生产力增加了一倍
- 程序维护简化
“因为我们需要快速应对不断变化的生产约束和不断变化的需求，我们不能依赖于封闭或专有的解决方案。有了MathWorks工具，我们得到了更精确的结果——我们可以灵活地开发、更新和优化模型，以响应不断变化的需求。”
安吉尔·卡巴列罗，瓦斯天然公司
Gas Natural Fenosa(现为Naturgy Energy Group S.A.)是西班牙和拉丁美洲最大的综合天然气和电力公司，总发电能力超过1.3万兆瓦。该公司的投资组合包括煤炭、联合循环天然气、核能、风能和可再生能源资产。为了确定如何在批发市场上最好地销售电力，公司必须准确预测第二天的价格和需求，以及电力的可用性。
Gas Natural Fenosa使用MathWorks工具开发优化和预测包含历史使用模式、天气预报、生产成本和其他因素的模型。他们使用这些模型来预测产能和需求，并优化他们的发电资产组合。
Gas Natural Fenosa伊比利亚电力市场Forward Operations的Angel Caballero说:“因为我们不能储存我们生产的电力，我们必须准备好第二天出售。”“我们使用MathWorks工具开发的模型帮助我们优化生产资源。它们还使我们能够预测需求高峰时期，并在市场有利时提高我们的利润率。”
挑战
为了充分利用他们的发电能力并产生最大的利润，Gas Natural Fenosa需要了解电力消费和生产背后的因素。这些因素包括相对成本和发电资产的能力;电力销售高峰期;能源使用模式；温度、风和雨的预报;碳信用价值;以及电网的传输能力。确定如何最好地分配需求涉及解决一个复杂的优化问题，这超出了商用软件的能力。此外，很难使商业上可用的模式适应西班牙电力市场的监管和市场环境的变化。
“我们必须能够对法规、产能和需求模式的变化迅速作出反应，”Caballero说。“我们尝试使用一个商业软件包，但它不能提供我们需要的许多答案。在我们的情况下，封闭系统不能很好地工作。我们需要一个开放的开发平台来开发我们自己的算法和计算。”
解决方案
Gas Natural Fenosa工程师使用MathWorks工具开发预测需求、最小化生产成本和验证基础设施能力的模型。该团队使用了MATLAB®开发一套分析可用数据、预测结果和优化发电计划的核心模型。每个MATLAB模型访问一个中央数据库，以获取历史电力消耗和价格数据、天气预报和每个发电厂的参数，包括最大耗电量、效率、成本和所有影响发电厂调度的运行约束。该模型使用由市场团队开发和微调的算法处理数据。结果被写入数据库，由市场交易员或另一个模型访问以进行进一步处理。
为了开发风电场模型，Caballero使用MATLAB将历史风力强度测量值与实际风力发电量关联起来。他从一个简单的线性相关开始，利用底层技术的知识改进了模型。
该团队使用最优化工具箱™来解决线性规划问题——例如，在给定一组约束条件(包括碳上限和最大产能)的情况下，最小化可用生产工厂的生产成本。他们使用统计和机器学习工具箱™开发和评估价格模拟场景，并为管理职位生成风险价值(VaR)报告。使用MATLAB Compiler™，该团队为每个模型创建了独立的程序。这些日夜自动运行的程序使开发团队能够更好地管理更新并控制对模型的访问。
该团队使用了Simulink®为公司基础设施中的生成器的行为建模。
结果
响应时间缩短了几个月．“这种架构允许快速将新的计算机程序投入生产。因为我们的MATLAB模型设计得非常灵活和可扩展，我们发现它很容易在一两周内对监管变化做出反应。”Caballero说。“我们必须等上几个月，供应商才能将具有新规格的产品商业化。”
生产力增加了一倍．“用微软的语言开发我们的模型®Visual Basic®或者C语言会非常困难，因为这些语言没有很多我们需要的特性和函数，”Caballero指出。“在没有MATLAB的情况下，要在我们目前的开发时间框架内构建模型，我们需要双倍的人员。”
程序维护简化．“有了MATLAB，维护程序很容易。我们不会浪费时间制作纸质文档来解释模型的功能，”卡巴列罗说。“MATLAB代码很容易理解，而且实际上是自文档化的，因此一个人开发的程序可以被另一个人毫无困难地修改。”
2022世界杯八强谁会赢？产品使用
展示你的成功
加入客户参考计划
您也可以从以下列表中选择网站: