“由于我们需要迅速应对不断变化的生产限制和不断变化的需求，我们不能依赖封闭或专有的解决方案。万博 尤文图斯有了MathWorks工具，我们可以得到更准确的结果，而且我们可以灵活地开发、更新和优化我们的模型，以响应不断变化的需求。”
Angel Caballero, Gas Natural Fenosa
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工具进行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。他们利用这些模型来预测发电能力和需求，并优化他们的发电资产组合。
来自伊比利亚电力市场的Angel Caballero说:“因为我们无法储存我们生产的电力，所以我们必须做好第二天出售的准备。”“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。”
为了充分利用其发电能力并创造最大利润，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;电力的峰值销售时间;能源使用模式；温度、风、雨预报;碳信用额价值;以及电网的传输能力。确定如何最好地分配需求涉及到解决一个复杂的优化问题，这超出了商业可用软件的能力。此外，很难根据西班牙电力市场的监管和市场环境的变化调整商业可用的模式。
“我们必须能够对法规、生产能力和需求模式的变化作出迅速反应，”Caballero说。“我们尝试使用商业软件包，但它不能提供我们需要的许多答案。在我们的情况下，封闭的系统不能很好地工作。我们需要一个开放的开发平台，可以用来开发我们自己的算法和计算。”
Gas Natural Fenosa的工程师使用MathWorks工具开发了预测需求、最小化生产成本和验证基础设施能力的模型。团队使用MATLAB®开发一套核心模型，分析可用数据，预测结果，并优化发电计划。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、天气预报和每个电厂的参数，包括最大停电、效率、成本和所有影响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。结果被写回数据库，市场交易员或其他模型可以在数据库中进行进一步处理。
为了开发一个风电场模型，卡瓦列罗使用MATLAB将历史风力强度测量与实际的风力产量关联起来。从一个简单的线性相关开始，他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。他们使用统计学和机器学习工具箱™来开发和评估价格模拟场景，并为管理头寸生成风险价值(VaR)报告。使用MATLAB Compiler™，该团队为每个模型创建了独立的程序。这些程序日夜自动运行，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万博1manbetx®为公司基础设施中的发电机行为建模。
响应时间减少了数月．这种结构使新的计算机程序能够快速投入生产。因为我们的MATLAB模型设计得灵活且可扩展，我们发现它很容易在一到两周内对监管变化做出反应。”Caballero说。“我们将不得不等待几个月，直到供应商将具有新规格的产品商业化。”
生产力增加了一倍．“用微软这样的语言开发我们的模型®Visual Basic®或者C语言是非常困难的，因为这些语言没有很多我们需要的特性和函数，”Caballero说。“要在没有MATLAB的情况下，在我们当前的开发时间框架内构建模型，我们需要两倍的人员。”
程序维护简化．有了MATLAB，程序就很容易维护。我们没有浪费时间创建纸质文档来解释模型的作用，”Caballero说。“MATLAB代码易于理解，而且实际上可以自我记录，因此一个人开发的程序可以被另一个人毫无困难地修改。”
カスタマーリファレンスプログラムに参加する
你也可以从以下列表中选择一个网站: