燃油和天然气液位预测

今天,大多数设备都被动地应对液位问题。这往往会导致溢出、紧急关闭、昂贵的补救费用、监管问题、高额的维修费用和罚款。液位预测有助于管理和减少这些问题和其他问题。

利用传感器、计量器和记录仪器中现成的实时数据和历史数据创建预测,可帮助:

  • 防止液体溢出和紧急关闭
  • 发现硬件故障或失灵
  • 计划维护、关闭和物流工作
  • 优化运营和设备效率
  • 检测管道泄漏和撞击
  • 降低成本、罚款和故障时间

液位预测过程从井道注入开始。燃油通过计量器注入设备,然后送往油罐时,系统会对燃油进行测量。提炼过程中,系统会监视并记录油罐中的液位,然后通过传感器、计量器和记录仪器记录燃油、天然气和水的输出。然后利用来自设备的数据进行预测;例如,可以每 15 分钟进行一次预测。

Cortana Intelligence Suite 有很强的适应能力,并且可对其进行自定义,以满足设备和公司的各种需求。

+ 显示更多 – 简略显示

描述

有关如何构建此解决方案的更多详细信息,请查看 GitHub 中的解决方案指南。

Cortana Intelligence Suite 在 Microsoft Azure 中提供数据引入、数据存储、数据处理和高级分析组件等高级分析工具,这些全是构建液位预测解决方案的必备要素。

该解决方案整合了多项 Azure 服务,提供强大的优势。事件中心收集实时液位数据。流分析聚合流数据并使其实现可视化。Azure Synapse Analytics 存储并转换液位数据。机器学习实现和执行测试模型。Power BI 直观显示实时液位和预测结果。最后,数据工厂会规划和安排整个数据流。

“部署”按钮将启动一个工作流,进而在所指定的 Azure 订阅的资源组内部署一个解决方案实例。该解决方案包含多项 Azure 服务(如下所述),还有一项 Web 作业可模拟数据,使你在部署后立即拥有工作端到端解决方案。

部署完毕后,请在此处查看部署后的操作说明。

技术详细信息和工作流

  1. 该数据作为数据点或事件馈入 Azure 事件中心和 Azure Synapse Analytics 服务,以供解决方案流的其他部分使用。
  2. Azure 流分析进行数据分析,以对来自事件中心的输入流提供近乎实时的分析,同时直接发布给 Power BI 进行可视化。
  3. Azure 机器学习用于根据所接收的输入预测特定区域的液位。
  4. Azure Synapse Analytics 用于存储来自 Azure 机器学习的预测结果。然后这些结果将在 Power BI 仪表板中使用。
  5. Azure 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。
  6. 最后,Power BI 用于直观显示该结果,以便用户实时监视设备液位并使用预测液位来阻止溢出。

免责声明

©2017 Microsoft Corporation。保留所有权利。此信息按“原样”提供且可能更改,恕不另行通知。Microsoft 不就此处提供的信息做任何明示和默示的担保。第三方数据用于生成解决方案。你必须尊重他人的权利,包括在创建类似数据集之前获得相关许可并遵循此等许可。

燃油和天然气液位预测今天,大多数设备都被动地应对液位问题。这往往会导致溢出、紧急关闭、昂贵的补救费用、监管问题、高额的维修费用和罚款。液位预测有助于管理和减少这些问题和其他问题。

相关解决方案体系结构