View a markdown version of this page

公用程式的 Meter Data Analytics - 公用程式的 Meter Data Analytics
計量表資料分析圖深入閱讀圖表歷史記錄

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

公用程式的 Meter Data Analytics

發佈日期：2024 年 9 月 17 日 (圖表歷史記錄)

使用此架構，您可以建置現代計量資料分析解決方案。這些解決方案可改善營運和客戶洞見的儀表資料可用性。解決方案使用適當的資料存放區、分析和 AI/ML 工具來解鎖資料孤島。使用案例包括電表和電路異常偵測、電路平衡、能源盜竊預防和需求預測。關鍵服務包括用於串流的 Amazon Kinesis、AWS Glue用於 ETL 的 Amazon SageMaker AI 用於 ML，以及用於時間序列儲存的 Amazon Timestream。

計量表資料分析圖

參考架構圖，顯示如何使用 Amazon Kinesis、 AWS Glue SageMaker AI、Amazon Timestream 和 Amazon Bedrock 為公用程式建置計量資料分析。

下列步驟說明此架構的資料管道和分析元件：

  1. 從各種來源擷取資料，包括計量資料管理系統 (MDMS)、前端系統 (HES)、客戶資訊系統 (CIS) 和地理資訊系統 (GIS)。

  2. 根據您的使用案例 AWS ，使用批次和串流方法將客戶和計量資料擷取至 。從多個工具中選擇，例如AWS Lambda用於自訂轉接器、AWS Transfer Family用於 SFTP、AWS Storage Gateway用於批次處理，以及用於串流資料的 Amazon Kinesis 和 Amazon Simple Queue Service。

  3. 使用時間序列資料庫服務 Amazon Timestream，有效率地存放和分析計量資料。為關鍵任務應用程式提供near-real-time的儀表板和時間序列分析。

  4. 使用 自動化擷取、轉換和載入 (ETL) 程序 AWS Glue，包括檔案轉換、重複資料刪除和附加價值處理，例如執行計量資料驗證、估算和編輯 (VEE) 程序，以及建立帳單決定因素。使用 Amazon S3 Glacier 作為低成本儲存，以實現封存複本和保留合規。將最終策劃的資料集存放在 Amazon Simple Storage Service 儲存貯體中，做為下游分析和 ML 工作的資料湖單一事實來源。使用 AWS Glue 將資料結構描述探索和中繼資料標記自動化。

  5. 透過搭配 Amazon Redshift 使用標準 SQL，查詢資料倉儲和資料湖中結構化和半結構化資料或時間序列的 PB。使用 Amazon EMR 執行複雜的分析，並使用 Amazon Athena 對湖和倉儲執行資料探索查詢。

  6. 使用 SageMaker AI 偵測網格異常、預測能源用量，以及預測設備故障。使用 Amazon Bedrock 整合與您的電表資料聊天。

  7. 使用 Amazon Quick Sight 或 Amazon Managed Service for Grafana建立和發佈互動式儀表板，其中包含 AI/ML 洞察。從任何裝置存取儀表板，並將其內嵌到您的應用程式和網站。使用 Amazon Pinpoint 主動與客戶溝通，以測量客戶跨多個管道的參與度，包括電子郵件、簡訊和行動推播通知。搭配 Amazon Pinpoint 使用分析和 ML 輸出，建立個人化的客戶目標客群和行銷活動。

  8. 使用 AWS 安全、身分和合規服務來確保您的資料安全無虞。

深入閱讀

如需詳細資訊，請參閱下列資源：

圖表歷史記錄

若要接收有關此參考架構圖表的更新，請訂閱 RSS 摘要。

變更描述日期

初次出版

首先發佈參考架構圖。

2024 年 9 月 17 日

RSS 訂閱需求

若要訂閱 RSS 更新，您必須為正在使用的瀏覽器啟用 RSS 外掛程式。