提升电力公司运营效率：利用智能传感器数据和 Amazon QuickSight 的第二部分

重点内容

本文探讨如何通过 Amazon QuickSight 中的生成式人工智能，帮助电力运营商快速分析电路故障，从而提升电力公司的运营效率。 介绍了 Amazon QuickSight 提供的新功能，包括执行摘要、数据讲述和自然语言查询能力，这些功能使得非技术用户也能轻松提取和分享业务洞察。快速识别电力系统中的问题，帮助提高可靠性和服务质量，以应对当前电力运营面临的挑战。

在电力行业，迅速识别电力系统中的问题对于确保运营效率至关重要。本文将讲述如何利用 Amazon QuickSight 的生成式人工智能功能，帮助电力运营商快速分析和识别电路故障，从而改善电力公司运营效率。

当前电力运营的挑战

电力系统主要由三个部分组成：发电、输电和配电。发电通过煤、天然气、核能和可再生能源如水电、太阳能和风能生产电力。输电系统将电能从发电厂运输到配电变电站，配电系统则将电能送至最终用户。然而，随着先进技术的发展，电力需求不断增加，维护稳定的电力供应变得尤为重要。

在配电网络中，故障往往导致停电事件。瞬时故障通常是由临时短路引起，而永久性故障则会造成较长时间的电力中断。因此，及时检测和准确诊断这些故障，有助于提升能源供应的可靠性和质量。例如，分析瞬时故障的模式，有助于识别树木遮挡电线的潜在问题，进而避免恶劣天气下的长期停电。

此外，商业用户常利用停电分析仪表盘提取数据和见解，为利益相关者准备报告。但是，复制并粘贴各种视图到不同文档中，可能导致数据失真和过时的问题，因为在 BI 系统外通常不能遵循治理协议。

解决方案概述

Amazon Q 在 QuickSight 中为工程师和运营人员提供了有效的解决方案。运营人员不仅可以使用开发人员创建的仪表盘，还可以通过自然语言查询来快速识别特定电路段的故障。通过结合负载信息，运营人员可以研究负载模式与故障模式之间的关系，从而以实时的方式解决问题，而无需创建仪表盘或请求开发团队的帮助。

Amazon Q 为 QuickSight 客户提供三种功能体验：

AI 自动回答用户的数据问题，助力商业决策；AI 辅助的数据讲述，帮助用户分享数据见解，推动团队决策；AI 加速的仪表盘构建，帮助商业分析师快速生成报告和仪表盘。

本文主要聚焦于如何帮助非技术用户充分利用这些新功能，快速获得业务见解，推动业务成果，并利用 QuickSight 中的生成式 BI 功能创建引人入胜的数据故事。

执行摘要功能

执行摘要允许用户快速生成仪表盘的关键洞察概览，而无需逐一分析各个可视化结果。 如下视频展示了，电力运营人员如何生成执行摘要，突出关键运营模式。这对于与高层管理人员及利益相关者简洁分享见解非常有用。

数据讲述能力

QuickSight 中的新数据讲述功能帮助用户将发现整合，分享见解，形成引人入胜的叙述。数据故事结合了数据驱动的见解、现实世界的专业知识和 AI，呈现引人入胜的设计。富有说服力的数据故事可帮助团队快速达成结论，推动商业决策。

用户可以在 QuickSight 中用自然语言输入故事描述，并选择希望叙述中使用的可视化内容，QuickSight 会快速生成一个故事。此外，用户可以控制 AI 生成文本的详细程度，定制叙述文本，应用出色的视觉主题，使内容更加生动。

在以下视频中，我们使用电力公司配电线路事件数据展示了 QuickSight 的讲故事能力。根据提供的自然语言提示，QuickSight 分析事件数据，识别出配电网络中的事件波动，并编织一个关于电路事件的引人注目的故事，配以相应的可视化和高层摘要。利用事件数据，我们能够更好地理解根本原因，并防止进一步的问题。

自然语言查询能力

传统上，BI 工程师或分析师会根据业务需求创建仪表盘。然而，商业用户可能会对仪表盘提出未预见的额外问题。例如，查看配电事件仪表盘的商业用户可能希望知道每个电路的停电分布，或将本周的停电事件趋势与上周、上个月或特定时间进行比较。借助 Amazon Q 的自然语言处理能力，用户无需学习如何创建仪表盘或撰写复杂查询。

相反，用户可以使用自然语言输入问题，例如“显示 ABC 变电站每个电路的事件分布”或“与去年同一时期相比，显示 ABC 变电站的事件分布。”Amazon Q 将提供多视觉回答和叙述性见解汇总，帮助用户快速提取所需的洞察。

结论

随着可再生技术的不断发展，微电网、分布式能源资源和电动车充电基础设施等新技术增加了电网的复杂性，使其更容易受到干扰。同时，自然灾害的频发和严重化，尤其是气候变化引发的野火，进一步加剧了电网的脆弱性，导致更频繁的服务中断。因此，快速解析电力停电数据、识别关键见解和可执行的建议，对于负责电网故障诊断的工程师至关重要。

本文强调了 QuickSight 如何利用生成式 AI 技术协助网络工程师和运营人员，借助自然语言处理和集成的生成式 AI 功能，提供有意义的见解，生成执行摘要，提出预测性维护建议等功能。

如需深入了解 QuickSight 及其生成式 AI 功能，请访问 QuickSight 社区。探索社区，提问、学习和与同行分享知识，获取更多 AWS 资源。

关于作者

Karthik Tharmarajan 是一名高级分析专业解决方案架构师，拥有丰富的企业数据分析和商业智能BI经验，擅长将 BI 解决方案与商业应用无缝集成，从而推动数据驱动的决策制定。

Bin Qiu 是 AWS 的全球合作伙伴解决方案架构师，20 多年在能源和电力行业的经验，专注于设计、领导和建设创新的智能电网项目。他热衷于帮助公用事业实现数字化和可持续变革。

Imran Rafique 是德勤咨询公司的高级经理，专注于能源、资源和工业实践，拥有 20 年以上的经验，致力于开发变革性的云解决方案，帮助客户提升云采用策略。

Charlie Zha 是硅谷独角兽创始人，曾担任硅谷独角兽 Delphix 的首席技术官，并在同一领域创办过另一家初创公司，为全球 500 强企业提供创新的 AI 模型和数字电网突破。

飞鱼加速器手机版