Architektura řešení: Prognóza poptávky po energii a výkonu pro veřejné služby

Zjistěte, jak Microsoft Azure může pomoci přesně předpovídat špičky poptávky po energetických produktech a službách a přinést tak vaší společnosti konkurenční výhodu.

Toto řešení je vybudováno na službách spravovaných pomocí Azure: Stream Analytics, Event Hubs, Machine Learning, SQL Database, Data Factory a Power BI. Tyto služby se spouští v prostředí s vysokou dostupností, opravují se a je pro ně dostupná podpora. Díky tomu se můžete zaměřit na své řešení, a ne na prostředí, ve kterém se spouští.

Prognóza poptávky po energii a výkonu | Microsoft Azure Diagram znázorňující vztah mezi osmi produkty a službami reprezentovanými ikonami. Úplně vlevo je ikona představující ukázková data. Tato ikona je propojena prostřednictvím jednosměrných šipek s dalšími dvěma ikonami: jedna představuje službu Event Hubs a druhá představuje službu SQL Database. Event Hubs přijímá data a prostřednictvím jednosměrné šipky je předává do služby Stream Analytics znázorněné napravo od Event Hubs. Stream Analytics přijímá také geografická data ze služby Azure Blob Storage, která je připojená odspodu pomocí jednosměrné šipky. Stream Analytics pak zapisuje do služby Power BI, která je v diagramu znázorněna úplně vpravo. Když se vrátíte, vidíte, že ukázková data se přenášejí také do služby SQL Database, která je znázorněna v obousměrném propojení se službou Azure Machine Learning za účelem generování prediktivních modelů. SQL Database je také propojena přímou čárou se službou Azure Data Factory, která orchestruje a plánuje přetrénování modelů. SQL Database také zapisuje do služby Power BI, která je znázorněna úplně vpravo, jak už bylo uvedeno. Azure Data Factory Energy Demand Forecast(SQL) Energy Demand Forecast(Machine Learning) Geography Data(Blob Storage) Power BI Sample Data Raw event data queue(Event Hubs) Stream Analysis and Data Movement(Stream Analytics)

Pokyny k implementaci

Produkty Dokumentace

Stream Analytics

Stream Analytics téměř v reálném čase agreguje data o spotřebě energie a zapisuje je do Power BI.

Event Hubs

Event Hubs ingestuje nezpracovaná data o spotřebě energie a předává je do Stream Analytics.

Machine Learning

Machine Learning na základě přijatých vstupů předpovídá poptávku po energii v konkrétní oblasti.

SQL Database

SQL Database ukládá výsledky předpovědí přijaté ze služby Azure Machine Learning. Tyto výsledky se následně používají na řídicím panelu Power BI.

Data Factory

Data Factory zajišťuje orchestraci a plánování přetrénování modelu každou hodinu.

Power BI

Power BI vizualizuje data o spotřebě energie ze Stream Analytics i předpokládanou poptávku po energii ze služby SQL Database.

Související architektury řešení