Прогнозирование спросаDemand Forecasting

Концепция решения Solution Idea

Если вы хотите ознакомиться с этой статьей, дополнительные сведения (сведения о реализации, рекомендации по ценам, примеры кода и т. д.), сообщите нам о отзывах в GitHub!If you'd like to see us expand this article with more information (implementation details, pricing guidance, code examples, etc), let us know with GitHub Feedback!

Точное прогнозирование пиков по запросу продуктов и услуг может дать компании конкурентное преимущество.Accurately forecasting spikes in demand for products and services can give a company a competitive advantage. Это решение нацелено на прогнозирование спроса в пределах сектора энергии.This solution focuses on demand forecasting within the energy sector.

АрхитектураArchitecture

Схема архитектуры . Скачайте SVG этой архитектуры.Architecture diagram Download an SVG of this architecture.

ОбзорOverview

Точное прогнозирование пиков по запросу продуктов и услуг может дать компании конкурентное преимущество.Accurately forecasting spikes in demand for products and services can give a company a competitive advantage. Чем выше прогноз, тем больше они могут масштабироваться по мере роста спроса, и тем меньше вероятность их возникновения на ненужном складе.The better the forecasting, the more they can scale as demand increases, and the less they risk holding onto unneeded inventory. К вариантам использования относятся прогнозирование спроса на продукт в розничной или Интернет-магазине, прогнозирование посещения больницы и ожидаемое энергопотребление.Use cases include predicting demand for a product in a retail/online store, forecasting hospital visits, and anticipating power consumption.

Это решение нацелено на прогнозирование спроса в пределах сектора энергии.This solution focuses on demand forecasting within the energy sector. Хранение электроэнергии не является экономически целесообразным, поэтому коммунальным сетям и электростанциям необходимо прогнозировать будущие объемы потребления энергии, чтобы добиться эффективного баланса между спросом и предложением.Storing energy is not cost-effective, so utilities and power generators need to forecast future power consumption so that they can efficiently balance the supply with the demand. Недостаточное предложение в периоды пиковой нагрузки может привести к перебоям в электроснабжении.During peak hours, short supply can result in power outages. Избыточное предложение, напротив, приводит к нерациональному расходованию ресурсов.Conversely, too much supply can result in waste of resources. Современные технологии прогнозирования позволяют составлять подробные расписания пиков спроса и предложения в определенный день, благодаря чему поставщик электроэнергии может оптимизировать ее производство.Advanced demand forecasting techniques detail hourly demand and peak hours for a particular day, allowing an energy provider to optimize the power generation process. Это решение, использующее Cortana Intelligence, позволяет компаниям, использующим энергию, быстро реализовать эффективные технологии прогнозирования в бизнесе.This solution using Cortana Intelligence enables energy companies to quickly introduce powerful forecasting technology into their business.

СведенияDetails

Cortana Intelligence Suite предоставляет средства расширенной аналитики с помощью компонентов Microsoft Azure приема данных, хранения данных, обработки данных и расширенной аналитики — все элементы, которые необходимы для создания прогноза спроса для решения Energy.The Cortana Intelligence Suite provides advanced analytics tools through Microsoft Azure - data ingestion, data storage, data processing and advanced analytics components - all of the essential elements for building an demand forecasting for energy solution.

Это решение сочетает несколько служб Azure для предоставления мощных преимуществ.This solution combines several Azure services to provide powerful advantages. Концентраторы событий собирают данные о потреблении в реальном времени.Event Hubs collects real-time consumption data. Stream Analytics выполняет статистическую обработку данных потоковой передачи и делает их доступными для визуализации.Stream Analytics aggregates the streaming data and makes it available for visualization. SQL Azure сохраняет и преобразует данные о потреблении.Azure SQL stores and transforms the consumption data. Машинное обучение реализует и выполняет модель прогнозирования.Machine Learning implements and executes the forecasting model. PowerBI визуализирует энергопотребление в реальном времени, а также результаты прогноза.PowerBI visualizes the real-time energy consumption as well as the forecast results. Наконец, фабрика данных управляет и планирует весь поток данных.Finally, Data Factory orchestrates and schedules the entire data flow.

Кнопка "развернуть" запустит рабочий процесс, который будет развертывать экземпляр решения в группе ресурсов в указанной подписке Azure.The 'Deploy' button will launch a workflow that will deploy an instance of the solution within a Resource Group in the Azure subscription you specify. Решение содержит несколько служб Azure (описанных ниже), а также веб-задание, моделирующее данные, поэтому сразу после развертывания вы получите работающее комплексное решение.The solution includes multiple Azure services (described below) along with a web job that simulates data so that immediately after deployment you have a working end-to-end solution. Образец данных этого решения имитируется из общедоступных данных из NYISO.The sample data of this solution is simulated from publicly available data from the NYISO.

Технические сведения и рабочий процессTechnical details and workflow

  1. Пример данных передается в поток с помощью вновь развернутых веб-заданий Azure.The sample data is streamed by newly deployed Azure Web Jobs.
  2. Эти синтетические веб-каналы данных поступают в концентраторы событий Azure и службу SQL Azure в виде точек данных или событий, которые будут использоваться в оставшейся части потока решения.This synthetic data feeds into the Azure Event Hubs and Azure SQL service as data points or events, that will be used in the rest of the solution flow.
  3. Azure Stream Analytics проанализируйте данные, чтобы обеспечить аналитику практически в реальном времени во входном потоке из концентратора событий и непосредственно опубликовать в PowerBI для визуализации.Azure Stream Analytics analyze the data to provide near real-time analytics on the input stream from the event hub and directly publish to PowerBI for visualization.
  4. Машинное обучение Azure используется для прогнозирования спроса на энергию определенного региона с учетом полученных входных данных.Azure Machine Learning is used to make forecast on the energy demand of particular region given the inputs received.
  5. База данных SQL Azure используется для хранения результатов прогноза, полученных от Машинное обучение Azure.Azure SQL Database is used to store the prediction results received from Azure Machine Learning. Затем эти результаты используются на панели мониторинга Power BI.These results are then consumed in the Power BI dashboard.
  6. Фабрика данных Azure обрабатывает оркестрации и планирует повторное обучение почасовой модели.Azure Data Factory handles orchestration, and scheduling of the hourly model retraining.
  7. Наконец, Power BI используется для визуализации результатов, чтобы пользователи могли отслеживать потребление энергии в регионе в режиме реального времени и использовать прогнозный спрос для оптимизации процесса создания или распределения питания.Finally, Power BI is used for results visualization, so that users can monitor the energy consumption from a region in real time and use the forecast demand to optimize the power generation or distribution process.

Сведения о ценахPricing Info

Ваша подписка Azure, используемая для развертывания, будет взимать плату за использование служб, используемых в этом решении.Your Azure subscription used for the deployment will incur consumption charges on the services used in this solution. Сведения о ценах см. на странице цен на Azure.For pricing details, visit the Azure Pricing Page.