Direkt zum Hauptinhalt

Energie-Grid-Betriebs-Referenzarchitektur

Diese Architektur hilft Ihnen, Integrationen mit gängigen Branchenquellen und -senken in Netzwerkbetrieben zu verstehen. Sie skizziert die besten Praxis-Designmuster in der gesamten Lakehouse-Architektur.

Energy Grid Operations Reference Architecture

Datenfluss und wichtige Designmuster

  1. Erfassung
    Energieproduzenten erfassen Daten in massivem Umfang und Geschwindigkeit von proprietären Quellen wie AMI, SCADA und Historikern. Mit nativen Datenaustauschfunktionen mit AVEVA CONNECT können Teams problemlos hochvolumige, hochgeschwindige Integrationen direkt von OSI PI konfigurieren oder Nachrichtenbusse wie Kafka und Confluent nutzen. Für sich langsamer ändernde Daten aus Asset-Management-Systemen und ERP-Systemen bietet Lakeflow Connect eine Out-of-the-Box inkrementelle Erfassung von Quellen wie SAP, Oracle und Salesforce.
  2. Datenspeicherung
    Betriebs- und IT-Daten werden in Bronze-Tabellen abgelegt und dann gereinigt und können in Silber-Tabellen gemischt und angereichert werden, um konsolidierte Ansichten von Asset-, Netzwerkleistungs- und Kundendaten zu erstellen. Diese Daten können dann den Geschäftseinheiten als wiederverwendbare Datenressourcen in allen Geschäftsbereichen zur Verfügung gestellt werden, wodurch eine vertrauenswürdige Datenbasis für Betrieb und Analytik geschaffen wird.
  3. ETL
    DLT-Daten werden als Batch oder in Echtzeit verarbeitet, und außerhalb der Reihenfolge liegende Ereignisse und CDC können mit Einzeiligen Konfigurationen behandelt werden, sodass Sensordaten und Ereignisse nahezu in Echtzeit aggregiert und direkt über Databricks SQL oder als Merkmale, die Echtzeit-Anomalieerkennungs- und Nachfrageprognosemodelle speisen, an Betriebs-Dashboards geliefert werden können.
  4. Berichterstattung und Apps
    Daten und Erkenntnisse können in BI-Tools für Compliance- und Nachhaltigkeitsberichte aufbereitet werden, während Echtzeitdaten und interaktive Datenprodukte in benutzerdefinierten Databricks Apps Frontends für Ingenieurteams implementiert werden können, um die Gesundheit von Assets zu überwachen, Grid Insight Apps und andere interaktive Prognose- und Szenariosimulations-Schnittstellen.
  5. KI-Agent
    Mit Mosaic AI können Sie robuste multimodale KI-Agenten erstellen, die mit mehreren Systemen interagieren und Kontext aus Ihrem Netzwerk liefern. Bringen Sie intelligente Suche von SOP-Dokumenten, Live-Sensordaten und Inventarbilder zusammen, um als Assistent für Ihre Außenteams zu dienen, bei der Diagnose von Assets zu helfen, die Inventarsuche mit Vor-Ort-Fotos durchzuführen und die Feedback-Schleife zu schließen, indem Sie Updates zu Arbeitsaufträgen und Inventar in Ihrem ERP bereitstellen.

Empfohlen

Intelligentes Data Warehousing auf Databricks

Referenzarchitektur

Intelligentes Data Warehousing auf Databricks
Referenzarchitektur für die Datenaufnahme

Referenzarchitektur

Referenzarchitektur für die Datenaufnahme
Referenzarchitektur für die Prognose von Kreditverlusten

Branchenarchitektur

Referenzarchitektur für die Prognose von Kreditverlusten