Navigáció kihagyása

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, Azure Event Hubs-eseményközpontok, Machine Learning Studio, Azure 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.

Üzembe helyezés az Azure-ban

Az architektúra Azure-ban történő üzembe helyezéséhez használhatja az alábbi, előre elkészített sablont

Üzembe helyezés az Azure-ban

Üzembe helyezett megoldás megtekintése

Forecast energy and power demand for utilitiesLearn how Microsoft Azure can help accurately forecast spikes in demand for energy products and services to give your company a competitive advantage.Azure Data FactoryEnergy Demand Forecast(SQL)Energy Demand Forecast(Machine Learning)Geography Data(Blob Storage)Power BISample DataRaw event data queue(Event Hubs)Stream Analysis and Data Movement(Stream Analytics)

Implementálási segédlet

Termékek/Leírás Dokumentáció

Stream Analytics

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

Azure Event Hubs-eseményközpontok

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.

Azure 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.

Kapcsolódó megoldásarchitektúrák