Прогнозирование энергопотребления и требований к питанию

Stream Analytics
Центры событий
Машинное обучение
База данных SQL
Фабрика данных
Power BI

Концепция решения Solution Idea

Если вы хотите ознакомиться с этой статьей, дополнительные сведения, сведения о реализации, рекомендации по ценам или примеры кода, сообщите нам о них.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!

Узнайте, как Microsoft Azure может помочь точно прогнозировать пиковые пики спроса на продукты и услуги, чтобы обеспечить конкурентное преимущество вашей компании.Learn how Microsoft Azure can help accurately forecast spikes in demand for energy products and services to give your company a competitive advantage.

Это решение построено на основе управляемых служб Azure: Azure Stream Analytics, концентраторов событий, машинное обучение Azure, базы данных SQL Azure, фабрики данных и 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. Эти службы работают в среде с высоким уровнем доступности, исправленной и поддерживаемой, что позволяет сосредоточиться на решении, а не на среде, в которой они работают.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.

ArchitectureArchitecture

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

ComponentsComponents

  • Azure Stream Analytics: Stream Analytics собирает данные о потреблении энергии практически в реальном времени для записи в Power BI.Azure Stream Analytics: Stream Analytics aggregates energy consumption data in near real-time to write to Power BI.
  • Концентраторы событий принимают данные необработанного энергопотребления и передают их в Stream Analytics.Event Hubs ingests raw energy consumption data and passes it on to Stream Analytics.
  • Машинное обучение Azure: машинное обучение прогнозирует спрос на энергию определенного региона с учетом полученных входных данных.Azure Machine Learning: Machine Learning forecasts the energy demand of a particular region given the inputs received.
  • База данных SQL Azure: в базе данных SQL хранятся результаты прогноза, полученные от машинное обучение Azure.Azure SQL Database: SQL Database stores 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.
  • Фабрика данных обрабатывает согласование и планирование почасовой модели.Data Factory handles orchestration and scheduling of the hourly model retraining.
  • Power BI визуализируют данные потребления энергии от Stream Analytics, а также прогнозируемый спрос на энергию из базы данных SQL.Power BI visualizes energy consumption data from Stream Analytics as well as predicted energy demand from SQL Database.

Дальнейшие действияNext steps