Architecture de solution : Prévoir la demande en énergie et électricité pour les fournisseurs

Découvrez en quoi Microsoft Azure peut vous aider à prévoir précisément les pics de demande en services et produits énergétiques pour offrir à votre entreprise un avantage concurrentiel.

Cette solution est basée sur les services gérés Azure : Stream Analytics, Event Hubs, Machine Learning, SQL Database, Data Factory et la Power BI. Ces services sont exécutés dans un environnement à haute disponibilité et incluent des correctifs et un support. Vous pouvez ainsi vous concentrer sur votre solution plutôt que sur l’environnement dans lequel elle est exécutée.

Prévoir la demande en énergie et électricité | Microsoft Azure Schéma montrant la relation entre huit produits et services, représentés par des icônes. À l’extrémité gauche se trouve une icône qui représente l’exemple de données. Cette icône est connectée au moyen de flèches unidirectionnelles à deux autres icônes : une pour Event Hubs et une pour SQL Database. Event Hubs reçoit les données et les transmet à Stream Analytics, affiché à sa droite au moyen d’une flèche unidirectionnelle. Stream Analytics accepte également les données géographiques de Stockage Blob Azure, qui est connecté par en dessous avec une flèche unidirectionnelle. Stream Analytics écrit ensuite dans Power BI, qui est affiché à l’extrémité droite du schéma. Dans l’autre sens, l’exemple de données transite également dans SQL Database, qui est affiché dans une connexion bidirectionnelle avec Azure Machine Learning pour générer des modèles prédictifs. SQL Database est également connecté par une ligne droite à Azure Data Factory, qui orchestre et planifie la reformation des modèles. SQL Database écrit également dans Power BI, affiché à l’extrémité droite, comme indiqué. 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)

Conseils sur l’implémentation

Produits Documentation

Stream Analytics

Stream Analytics agrège les données sur la consommation d’énergie en quasi temps réel à écrire dans Power BI.

Event Hubs

Event Hubs ingère des données de consommation énergétiques brutes et les transmet à Stream Analytics.

Machine Learning

Machine Learning prévoit la demande en énergie d’une région donnée selon les entrées reçues.

SQL Database

SQL Database stocke les résultats de la prédiction reçus du service Azure Machine Learning. Ces résultats sont ensuite consommés dans le tableau de bord Power BI.

Data Factory

Data Factory gère l’orchestration et la planification de la reformation du modèle horaire.

Power BI

Power BI visualise la consommation d’énergie à partir de Stream Analytics, ainsi que la demande en énergie prédite à partir de SQL Database.

Architectures de solution associées