Prognóza poptávky po energii a výkonu

Stream Analytics
Event Hubs
Machine Learning
SQL Database
Data Factory
Power BI

Nápad řešení Solution Idea

Pokud se chcete podívat, jak nás rozšířit tento článek o další informace, podrobnosti implementace, doprovodné materiály nebo příklady kódu, dejte nám vědět s názory na GitHubu.If you'd like to see us expand this article with more information, implementation details, pricing guidance, or code examples, let us know with GitHub Feedback!

Přečtěte si, jak Microsoft Azure může pomáhat přesně vypovědět špičky v poptávce na energetické produkty a služby, aby vaši společnost poskytovala konkurenční výhodu.Learn how Microsoft Azure can help accurately forecast spikes in demand for energy products and services to give your company a competitive advantage.

Toto řešení je postavené na spravovaných službách Azure: Azure Stream Analytics, Event Hubs, Azure Machine Learning, Azure SQL Database, Data Factory a Power BI.This solution is built on the Azure managed services: Azure Stream Analytics, Event Hubs, Azure Machine Learning, Azure SQL Database, Data Factory and Power BI. Tyto služby běží v prostředí s vysokou dostupností, které jsou opravené a podporované, takže se můžete soustředit na vaše řešení, a ne na prostředí, ve kterém běží.These services run in a high-availability environment, patched and supported, allowing you to focus on your solution instead of the environment they run in.

ArchitekturaArchitecture

Diagram architektury Stáhnout SVG této architektury.Architecture Diagram Download an SVG of this architecture.

KomponentyComponents

  • Azure Stream Analytics: Stream Analytics agreguje data o spotřebě energie téměř v reálném čase pro zápis do Power BI.Azure Stream Analytics: Stream Analytics aggregates energy consumption data in near real-time to write to Power BI.
  • Event Hubs ingestuje nezpracovaná data o spotřebě energie a předá je do Stream Analytics.Event Hubs ingests raw energy consumption data and passes it on to Stream Analytics.
  • Azure Machine Learning: Machine Learning vypovídá požadavky na energii v konkrétní oblasti na základě přijatých vstupů.Azure Machine Learning: Machine Learning forecasts the energy demand of a particular region given the inputs received.
  • Azure SQL Database: SQL Database ukládá výsledky předpovědi přijaté z Azure Machine Learning.Azure SQL Database: SQL Database stores the prediction results received from Azure Machine Learning. Tyto výsledky se pak spotřebují na řídicím panelu Power BI.These results are then consumed in the Power BI dashboard.
  • Data Factory zpracovává orchestraci a plánování přeškolení modelu hodin.Data Factory handles orchestration and scheduling of the hourly model retraining.
  • Power BI vizualizuje data spotřeby energie z Stream Analytics a předpokládaný požadavek na energii od SQL Database.Power BI visualizes energy consumption data from Stream Analytics as well as predicted energy demand from SQL Database.

Další krokyNext steps