Arquitectura de solución: Previsión de la demanda energética para servicios públicos

Vea cómo Microsoft Azure puede ayudar a prever picos de demanda de productos y servicios energéticos, y dar así una ventaja competitiva a su empresa.

Esta solución está creada en los servicios administrados de Azure: Stream Analytics, Event Hubs, Machine Learning, SQL Database, Data Factory y Power BI. Estos servicios se ejecutan en un entorno de alta disponibilidad, revisado y compatible, lo que permite al usuario centrarse en la solución, en lugar de en el entorno en el que se ejecutan.

Previsión de la demanda energética | Microsoft Azure Diagrama que muestra la relación entre ocho productos y servicios, representados con iconos. En el extremo izquierdo, hay un icono que representa datos de ejemplo. Ese icono está conectado por flechas unidireccionales con otros dos iconos: uno para Event Hubs y otro para SQL Database. Event Hubs recibe los datos y se los pasa a Stream Analytics, que aparece a su derecha, conectado por una flecha unidireccional. Stream Analytics toma también datos geográficos de Azure Blob Storage, que está situado debajo, conectado por una flecha unidireccional. Después, Stream Analytics escribe en Power BI, que se encuentra en el extremo derecho del diagrama. Volviendo atrás, los datos de ejemplo fluyen también hacia SQL Database, que aparece conectado con Azure Machine Learning por una flecha bidireccional para generar modelos predictivos. SQL Database está conectado también por una línea recta a Azure Data Factory, que organiza y programa el reciclaje de los modelos. SQL Database escribe también en Power BI, que, como ya hemos mencionado, se muestra en el extremo derecho. 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)

Guía sobre la implementación

Productos Documentación

Stream Analytics

Stream Analytics agrega los datos de consumo energético casi en tiempo real para escribirlos en Power BI.

Event Hubs

Event Hubs ingiere datos de consumo energético sin procesar y se los pasa a Stream Analytics.

Machine Learning

Machine Learning prevé la demanda de energía de una región determinada en función de los datos recibidos.

SQL Database

SQL Database almacena los resultados de predicción recibidos del servicio Azure Machine Learning. Estos resultados los consume después el panel de Power BI.

Data Factory

Data Factory controla la orquestación y programación del reciclaje de los modelos cada hora.

Power BI

Power BI visualiza los datos de consumo energético procedentes de Stream Analytics y la demanda energética prevista de SQL Database.

Arquitecturas de soluciones relacionadas