Megoldásarchitektúra: Közüzemi energia- és áramellátási szükségletek előrejelzése

Ismerje meg, hogyan segíthet a Microsoft Azure az energiatermékek és -szolgáltatások csúcsterheléseit pontosan előrejelezni, és ezzel versenyelőnyhöz juttatni vállalatát.

Ez a megoldás az alábbi, Azure által felügyelt szolgáltatásokra épül: Stream Analytics, Event Hubs, Machine Learning Studio, SQL Database, Data Factory és Power BI. Ezek a szolgáltatások magas rendelkezésre állású környezetben futnak javítások és támogatás mellett, ami lehetővé teszi, hogy a környezet helyett a megoldásra tudjon fókuszálni.

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)

Implementálási segédlet

Termék Dokumentáció

Stream Analytics

A Stream Analytics közel valós időben összesíti a fogyasztási adatokat, és az adatokat a Power BI-ba továbbítja.

Event Hubs

Az Event Hubs nyers energiafogyasztási adatokat tölt be, és átadja azokat a Stream Analyticsnek.

Machine Learning Studio

A Machine Learning a kapott bemeneti adatok alapján előrejelzi egy adott régió energiaszükségletét.

SQL Database

Az SQL Database az Azure Machine Learning szolgáltatásból származó előrejelzési eredményeket tárolja. Az eredményeket ezt követően a Power BI irányítópultja használja fel.

Data Factory

A Data Factory kezeli az óraalapú modellbetanítás ütemezését és vezénylését.

Power BI

A Power BI megjeleníti a Stream Analyticsből származó fogyasztási adatokat és az SQL Database-ből származó energiaszükségleti előrejelzéseket.

Related solution architectures

Data Factory: Move data, orchestrate, schedule and monitor Power BI Data Simulator Web Job Azure Data Lake Store Spark on HDInsight

Kereslet-előrejelzés és ároptimalizálás marketinghez

Jelezze előre az ügyféligényeket, optimalizálja az árképzést, és maximalizálja a nyereségességet a Microsoft Azure big data- és speciális analitikai szolgáltatásaival.

Learn more