Løsningsarkitektur: Forutsi behovet for energi og kraft for leverandører

Finn ut hvordan Microsoft Azure kan hjelpe deg med å forutsi topper i behovet for energiprodukter og -tjenester for å gi konkurransefordeler for bedriften din.

Denne løsningen er bygget på følgende Azure-administrerte tjenester: Stream Analytics, Event Hubs, Machine Learning, SQL Database, Data Factory og strøm~~POS=TRUNC BI. Disse tjenestene kjører i et miljø med høy tilgjengelighet med oppdateringer og støtte. Dette gir deg mulighet til å fokusere på løsningen din i stedet for miljøet den skal kjøres i.

Forutsi behovet for energi og kraft | Microsoft Azure Diagram som viser forholdet mellom åtte produkter og tjenester, representert av ikoner. Lengst til venstre finner du et ikon som representerer prøvedata. Det ikonet er koblet med enveispiler til to andre ikoner: ett for Event Hubs og ett for SQL Database. Event Hubs mottar data og sender dem til Stream Analytics, vist til høyre igjennom en enveispil. Stream Analytics tar også geografiske data fra Azure Blob Storage, som er koblet nedenfra med en enveispil. Stream Analytics skriver så til Power BI, som vises helt til høyre i diagrammet. Hvis vi går tilbake igjen så viser prøvedataene også flyter inn i SQL Database, som vises med en toveiskobling med Azure Machine Learning for å generere prediktive modeller. SQL Database er også koblet med en rett linje til Azure Data Factory, som orkestrerer og planlegger modellomtrening. SQL Database skriver også til Power BI som vises som nevnt helt til høyre. 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)

Implementeringsveiledning

Produkter Dokumentasjon

Stream Analytics

Stream Analytics samler energiforbruksdata i nær sanntid som skrives til Power BI.

Event Hubs

Event Hubs importerer rå energiforbruksdata og sender dem videre til Stream Analytics.

Machine Learning

Machine Learning forutser energibehovet for et angitt område med informasjonen som mottas.

SQL Database

SQL Database lagrer de prediktive resultatene som mottas fra Azure Machine Learning-tjenesten. Disse resultatene brukes deretter i Power BI-dashbordet.

Data Factory

Datafabrikkhåndtak orkestrering og planlegging av den timebaserte modellomtreningen.

strøm~~POS=TRUNC BI

Power BI visualiserer energiforbruksdata fra Stream Analytics i tillegg til forutsagt energibehov fra SQL Database.

Relaterte løsningsarkitekturer