本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

# 公用事业的仪表数据分析
<a name="meter-data-analytics-utilities"></a>

发布日期：2024 年 ** 9 月 17 日 ([图表历史](#mda-history)) **

借助这种架构，您可以构建现代化的电表数据分析解决方案。这些解决方案提高了仪表数据的可用性，以获取运营和客户见解。该解决方案通过使用适当的数据存储、分析和 AI/ML 工具来解锁数据孤岛。用例包括仪表和电路异常检测、电路平衡、能量防盗和需求预测。主要服务包括[用于流式传输、ETL 的](https://docs.aws.amazon.com/streams/latest/dev/)亚马逊 Kinesis、[AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/)用于机器学习的[亚马逊 SageMaker AI 和](https://docs.aws.amazon.com/sagemaker/latest/dg/)用于时间序列存储的[亚马逊 Timestream ](https://docs.aws.amazon.com/timestream/latest/developerguide/)。

## 仪表数据分析图
<a name="mda-diagram"></a>

![参考架构图显示了如何使用亚马逊 Kinesis、、A SageMaker I AWS Glue、亚马逊 Timestream 和亚马逊 Bedrock 为公用事业构建仪表数据分析。](https://docs.aws.amazon.com/zh_cn/reference-architecture-diagrams/latest/meter-data-analytics-utilities/images/meter-data-analytics-utilities.png)


以下步骤描述了该架构的数据管道和分析组件：

1. 从各种来源摄取数据，包括仪表数据管理系统 (MDMS)、前端系统 (HES)、客户信息系统 (CIS) 和地理信息系统 (GIS)。

1. 根据您的用例，使用批处理和流式方法将 AWS 客户和仪表数据采集到。有多种工具可供选择，例如[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/)用于自定义适配器、[AWS Transfer Family](https://docs.aws.amazon.com/transfer/latest/userguide/what-is-aws-transfer-family.html) SFTP、[AWS Storage Gateway](https://docs.aws.amazon.com/storagegateway/latest/userguide/)用于批处理以及[用于流式数据的亚马逊 Kinesis 和](https://docs.aws.amazon.com/AWSSimpleQueueService/latest/SQSDeveloperGuide/)亚马逊简单队列服务。

1. 使用时间序列数据库服务 Amazon Timestream 高效地存储和分析仪表数据。为关键任务应用程序提供近乎实时的仪表板和时间序列分析。

1. 使用文件转换、重复数据删除和增值处理（例如运行仪表数据验证 AWS Glue、估算和编辑 (VEE) 流程以及创建计费决定因素）来自动执行提取、转换和加载 (ETL) 流程。使用 Amazon S3 Glacier 作为低成本存储，实现档案副本和保留合规性。将最终精选的数据集存储在 [ Amazon 简单存储服务存储](https://docs.aws.amazon.com/AmazonS3/latest/userguide/)桶中，作为下游分析和机器学习工作的数据湖单一事实来源。 AWS Glue 用于自动发现数据架构和元数据标记。

1. 使用标准 SQL 和 Amazon Redshift 在您的数据仓库和数据湖中查询 PB 级的结构化和半结构化数据或时间序列。[https://docs.aws.amazon.com/redshift/latest/mgmt/](https://docs.aws.amazon.com/redshift/latest/mgmt/)使用 [ Amazon EMR ](https://docs.aws.amazon.com/emr/latest/ManagementGuide/) 执行复杂分析，使用 A [ mazon Ath ](https://docs.aws.amazon.com/athena/latest/ug/) ena 对您的湖泊和仓库运行数据发现查询。

1. 使用 SageMaker AI 检测电网异常、预测能源使用情况和预测设备故障。使用 [ Amazon Bedrock ](https://docs.aws.amazon.com/bedrock/latest/userguide/) 集成来与您的仪表数据聊天。

1. 使用[亚马逊 Quick Sight ](https://docs.aws.amazon.com/quicksight/latest/developerguide/welcome.html) 或[亚马逊托管服务创建和发布包含 AI/ML 见解的交互式仪表板Grafana](https://docs.aws.amazon.com/grafana/latest/userguide/)。从任何设备访问仪表板并将其嵌入到您的应用程序和网站中。使用 [ Amazon Pinpoint ](https://docs.aws.amazon.com/pinpoint/latest/userguide/) 通过电子邮件、短信和移动推送通知等多种渠道衡量客户参与度，主动与客户沟通。通过使用 Amazon Pinpoint 的分析和机器学习输出，创建个性化的客户目标细分和营销活动。

1. 使用 AWS 安全、身份和合规服务来确保您的数据安全可靠。

## 延伸阅读
<a name="mda-further-reading"></a>

有关更多信息，请参阅以下资源：
+  [AWS 架构图标 ](https://aws.amazon.com/architecture/icons) 
+  [AWS 建筑中心 ](https://aws.amazon.com/architecture/) 
+  [AWS Well-Architected](https://aws.amazon.com/architecture/well-architected) 

## 图表历史
<a name="mda-history"></a>

要接收有关此参考架构图的更新，请订阅 RSS 提要。

| 变更 | 说明 | 日期 | 
| --- |--- |--- |
| [初次发布](#mda-history) | 参考架构图首次发布。 | 2024 年 9 月 17 日 | 

**RSS 订阅要求**  
要订阅 RSS 更新，必须为正在使用的浏览器启用 RSS 插件。