您现在访问的是微软AZURE全球版技术文档网站,若需要访问由世纪互联运营的MICROSOFT AZURE中国区技术文档网站,请访问 https://docs.azure.cn.

燃油和天然气液位预测

数据工厂
事件中心
机器学习
流分析
Synapse Analytics
Power BI

解决方案理念

如果想了解详细信息(例如潜在用例、替代服务、实现注意事项或定价指南)来扩展本文,请通过反馈GitHub告知我们!

如今,大多数设施都在被动的情况下运行。 这通常会导致泼溅、紧急关闭、昂贵的补救成本、法规问题、昂贵的维修和罚款。 箱级预测有助于管理和减少这些问题和其他问题。

通过利用可随时从传感器、计量和记录获得的实时和历史数据的强大功能,来创建预测,这有助于:

  • 阻止箱泄漏和紧急关闭
  • 发现硬件故障或故障
  • 计划维护、关闭和后勤
  • 优化运营和设施效率
  • 检测管道泄漏和撞击
  • 降低成本、罚款和停机时间

水箱级别预测过程从正确的输入开始。 油是通过计量进入设施,并发送到 tanks。 在优化过程中,将在 tanks 中监视和记录级别,然后通过传感器、计量和记录记录石油、天然气和水源输出。 然后使用设施中的数据进行预测;例如,每隔15分钟就可以进行预测。

Cortana Intelligence Suite 具有适应性,可对其进行自定义以满足设备和企业的不同要求。

体系结构

体系结构关系图 下载此体系结构的SVG

说明

有关如何构建此解决方案的更多详细信息,请访问GitHub中的解决方案指南。

Cortana Intelligence Suite 通过 Microsoft Azure 数据引入、数据存储、数据处理和高级分析组件提供高级分析工具,这些都是构建水箱级别预测解决方案的基本要素。

此解决方案结合了几项 Azure 服务,提供了强大的优势。 事件中心收集实时水箱级别的数据。 流分析聚合流数据并使其可供可视化。 Azure Synapse Analytics 存储和转换水箱级别的数据。 机器学习实现并执行预测模型。 Power BI 直观显示实时箱级和预测结果。 最后,数据工厂会协调和计划整个数据流。

"部署" 按钮将启动一个工作流,该工作流将在指定的 Azure 订阅中的资源组内部署解决方案的实例。 此解决方案包含如下所述的多个 Azure 服务 () ,以及用于模拟数据的 web 作业,以便在部署后立即拥有工作端到端解决方案。

部署后,请参阅部署后说明。

技术详细信息和工作流

  1. 数据馈送到 Azure 事件中心和 Azure Synapse 分析服务作为数据点或事件,将用于解决方案流的其余部分。
  2. Azure 流分析会分析数据,以便从事件中心为输入流提供近乎实时的分析,并直接发布到 Power BI 进行可视化。
  3. Azure 机器学习用于根据收到的输入,在特定区域的水箱级别进行预测。
  4. Azure Synapse Analytics 用于存储从 Azure 机器学习收到的预测结果。 然后,Power BI 仪表板中将使用这些结果。
  5. Azure 数据工厂负责处理每小时模型重新训练的业务流程和计划。
  6. 最后,Power BI 用于结果可视化,以便用户可以实时监视设备上的水箱级别并使用预测级别来防止泄漏。

组件

后续步骤