解决方案体系结构:预测公用事业的能源和电力需求

了解 Microsoft Azure 如何帮助准确预测能源产品和服务的需求峰值,增强企业竞争优势。

此解决方案建立在 Azure 托管服务上:流分析, 事件中心, 机器学习, SQL 数据库, 数据工厂Power BI。这些服务在高度可用的环境中运行,进行了修补和支持,使你可以将精力集中在解决方案上,而非运行它们的环境上。

预测能源和电力需求 | Microsoft Azure 显示 8 种产品和服务(以图标表示)之间的关系的关系图。最左侧图标表示示例数据。该图标由单向箭头连接至其他两个图标:一个表示事件中心,另一个表示 SQL 数据库。事件中心接收数据并将其传递至流分析(显示为由单向箭头连接到事件中心右侧)。流分析还从 Azure Blob 存储中获取地理数据,该数据由单向箭头连接在下方。然后流分析写入到 Power BI(显示在图表最右侧)。往回看,示例数据还流入到 SQL 数据库以生成预测模型,该数据库显示为与 Azure 机器学习双向连接。SQL 数据库还由直线连接到 Azure 数据工厂,后者将安排模型的重新训练。SQL 数据库也写入到 Power BI(如前所述,显示在最右侧)。 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)

实施指南

产品 文档

流分析

流分析可几乎实时地聚合能耗数据以写入 Power BI。

事件中心

事件中心引入原始能耗数据并将其传递到流分析。

机器学习

机器学习会预测特定区域(假定收到输入)的能源需求。

SQL 数据库

SQL 数据库将存储来自 Azure 机器学习服务的预测结果。然后这些结果将在 Power BI 仪表板中使用。

数据工厂

数据工厂可处理每小时模型重训练的业务流程和进度安排。

Power BI

Power BI 将直观显示流分析中的能耗数据以及 SQL 数据库中预测的能源需求。

相关解决方案体系结构