Prognoser för efterfrågan på energi och ström

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

Lösnings idé Solution Idea

Om du vill se den här artikeln med mer information, implementerings information, prissättnings vägledning eller kod exempel kan du berätta för oss med GitHub feedback!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!

Lär dig hur Microsoft Azure kan få bättre prognoser för toppar i efter frågan på energi produkter och tjänster för att ge företaget en konkurrens för del.Learn how Microsoft Azure can help accurately forecast spikes in demand for energy products and services to give your company a competitive advantage.

Den här lösningen bygger på de Azure-hanterade tjänsterna: Azure Stream Analytics, Event Hubs, Azure Machine Learning, Azure SQL Database, Data Factory och 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. De här tjänsterna körs i en miljö med hög tillgänglighet, korrigeras och stöds, så att du kan fokusera på din lösning i stället för den miljö som de körs i.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.

ArkitekturArchitecture

Arkitektur diagram Ladda ned en SVG -arkitektur.Architecture Diagram Download an SVG of this architecture.

KomponenterComponents

  • Azure Stream Analytics: Stream Analytics aggregerar energi förbruknings data i nära real tid för att skriva till Power BI.Azure Stream Analytics: Stream Analytics aggregates energy consumption data in near real-time to write to Power BI.
  • Event Hubs matar in rå energi förbruknings data och skickar dem vidare till Stream Analytics.Event Hubs ingests raw energy consumption data and passes it on to Stream Analytics.
  • Azure Machine Learning: Machine Learning prognostiserar energi efter frågan för en viss region som har fått de indata som tagits emot.Azure Machine Learning: Machine Learning forecasts the energy demand of a particular region given the inputs received.
  • Azure SQL Database: SQL Database lagrar de förutsägelse resultat som tagits emot från Azure Machine Learning.Azure SQL Database: SQL Database stores the prediction results received from Azure Machine Learning. Dessa resultat förbrukas sedan i Power BI instrument panelen.These results are then consumed in the Power BI dashboard.
  • Data Factory hanterar dirigering och schemaläggning av omskolningen av Tim modellen.Data Factory handles orchestration and scheduling of the hourly model retraining.
  • Power BI visualiserar energi förbruknings data från Stream Analytics samt förväntad energi efter frågan från SQL Database.Power BI visualizes energy consumption data from Stream Analytics as well as predicted energy demand from SQL Database.

Nästa stegNext steps