Lösningsarkitektur: Beräkna prognoser för efterfrågan på energi och ström för samhällsservice

Lär dig hur du med hjälp av Microsoft Azure kan beräkna prognoser för toppar i efterfrågan på energiprodukter och tjänster och därmed ge ditt företag konkurrensfördelar.

Den här lösningen har byggts på de hanterade Azure-tjänsterna: Stream Analytics, Event Hubs, Machine Learning Studio, SQL Database, Data Factory och Power BI. De här tjänsterna körs i en miljö med hög tillgänglighet, med korrigeringar och stöd, så att du kan fokusera på dina lösningar i stället för på den miljö som de körs i.

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)

Implementeringsanvisningar

Produkter Dokumentation

Stream Analytics

Stream Analytics sammanställer förbrukningsdata i nära realtid och skriver dem till Power BI.

Event Hubs

Event Hubs matar in råa energiförbrukningsdata och skickar dem vidare till Stream Analytics.

Machine Learning Studio

Machine Learning beräknar prognoser för efterfrågan på energi för en viss region med de indata som tagits emot.

SQL Database

SQL Database lagrar de förutsagda resultaten som tagits emot från Azure Machine Learning-tjänsten. Resultaten visas sedan på Power BI-instrumentpanelen.

Data Factory

Data Factory hanterar orkestrering samt schemaläggning av omskolningen av timmodellen.

Power BI

Power BI visualiserar energiförbrukningsdata från Stream Analytics samt den beräknade energiefterfrågan från SQL Database.

Närliggande lösningsarkitekturer

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

Beräkna prognoser för efterfrågan och prisoptimering för marknadsföring

Förutsäg kunders kommande efterfrågan och optimera prissättningen för maximal lönsamhet med Microsoft Azures tjänster för stordata och avancerad analys.

Läs mer