Løsningsarkitektur: Prognosticer energi- og strømefterspørgsel for forsyningsselskaber

Få mere at vide om, hvordan Microsoft Azure kan hjælpe med præcist at prognosticere toppe i efterspørgslen efter energiprodukter og serviceydelser, så din virksomhed kan få en konkurrencemæssig fordel.

Løsningen er bygget på de administrerede Azure-tjenester: Stream Analytics, Event Hubs, Machine Learning, SQL Database, Data Factory og Power BI. Disse tjenester kører i et miljø med høj tilgængelighed, der rettes og understøttes, og det giver dig mulighed for at fokusere på din løsning i stedet for på det miljø, de køres i.

Prognosticer energi- og strømefterspørgsel | Microsoft Azure Diagram, der viser forholdet mellem otte produkter og serviceydelser – repræsenteret af ikoner. Længst til venstre ses et ikon, der repræsenteret eksempeldata. Dette ikon er forbundet med to andre ikoner via envejspile: en til Event Hubs og en til SQL Database. Event Hubs modtager dataene og sender dem videre til Stream Analytics, hvilket vises til højre vha. en envejspil. Stream Analytics modtager også geografiske data fra Azure Blob Storage, som der er oprettet forbindelse med nedefra vha. en envejspil. Stream Analytics skriver derefter til Power BI, hvilket vises yderst til højre i diagrammet. Hvis vi går tilbage, flyder eksempeldataene også til SQL Database, hvilket vises vha. en tovejsforbindelse med Azure Machine Learning til generering af forudsigende modeller. SQL Database er også forbundet med Azure Data Factory vha. en lige linje. Her tilrettelægges og planlægges gentræning af modeller. SQL Database skriver også til Power BI, hvilket som nævnt vises yderst til højre. 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)

Implementeringsvejledning

Produkter Dokumentation

Stream Analytics

Stream Analytics samler data om energiforbrug i næsten realtid for at skrive til Power BI.

Event Hubs

Event Hubs overfører rådata om energiforbrug og sender dem videre til Stream Analytics.

Machine Learning

Machine Learning prognosticerer energiefterspørgslen for et bestemt område på baggrund af de modtagne input.

SQL Database

SQL Database lagrer de forudsigelsesresultater, der modtages fra Azure Machine Learning-tjenesten. Disse resultater forbruges derefter i Power BI-dashboardet.

Data Factory

Data Factory håndterer tilrettelæggelse og planlægning af gentræningen af modeller hver time.

Power BI

Power BI visualiserer data for energiforbrug fra Stream Analytics samt den forudsagte energiefterspørgsel fra SQL Database.

Relaterede løsningsarkitekturer