电力系统在运行中会产生庞大的数据信息，数据增长速度很快并且类型较多，这和大数据
的特征相符合。随着电网的不断发展和推进，系统内的数据源会不断增多，甚至会出现极
强的增长趋势。以往的数据处理技术已经不能满足当前发展需求。
01
智能电网大数据特征
智能电网在运行的过程中会不断产生庞大的数据，对数据按照来源进行划分，可以分为电力
企业内部和外部数据，其中内部数据包括数据采集与监控系统、生产管理系统、配电管理系
统、客户服务系统等，数据大多来源于关键应用系统；外部数据则一般来自于互联网、气象
信息系统、地理信息系统等，外部的数据较为分散，数据管理单位也各不相同。
可以看出智能电网数据具有多样性、来源多样的特征，半结构化、非结构化的数据数量在
不断增加，比如：客户服务系统中的语音数据、在线监测系统中的视频、图像数据，这些
都属于非结构化数据，这些数据价值密度不高，每种数据在采样、生命周期、频率方面都
各不相同。
02
智能电网、云计算以及大数据技术之间的联系
当前电网中基础设施还不完善，不能有效的对相应信息资源进行搜集、分析和存储，要解
决当前现状，就需要在电力系统中加入智能电网应用。
要对电网中的数据信息资源进行合理的使用，为决策提供有效的依据，就需要构建大数据
平台，实现科学决策。在构建的过程中，还需要加入云计算技术，将云计算技术和大数据
技术进行有机结合，实现企业对智能电网下各类数据信息的有效分析、计算与存储，为更
好的控制智能电网提供技术支撑。
智能电网、大数据技术、云计算之间具有紧密联系，云计算技术具备很大的信息存储功能，
在构建大数据平台时，将其加入，靠其功能对智能电网下各项数据信息进行计算以及分析，
而电网运行又会不断产生庞大的数据，因此在搭建平台时，可以利用这一功能，来满足智
能电网运行的实际需求，为实现智能电网数据在线分析功能提供技术支撑。另外，应用这
一技术，还可以加强对智能电网的实时监控与管理，为其经济合理的运行提供支持。
03
智能电网中电力大数据关键技术的运用
1、ETL 关键技术
电力领域智能电网在数据分布上具有分散的特点，数据数量很多，数据类型也较多，这些都
为数据处理工作带来了一定的困难。
在这种情况下，进行数据处理工作应该要按照标准流程进行规范操作，即“数据集成-抽取-转
换-剔除-修止“。电力企业通常将数据仓库技术应用到数据集成上，ETL 是“Extract-Transform
-Load”的缩写，从中可以看出其包括三个部分，即 Extract、Transform 和 Load，首先是
Extract，被叫做数据抽取，就是要将目的数据源系统需要的有关数据从数据源系统中抽取出
来；Transform 被叫做数据转换技术，用数据抽取技术抽取出的数据根据相关的要求进行转
换，将数据变为另一种形式，在这个过程中要对数据源中出现的偏差和错误数据进行处理，
要清洗或者加工数据；Load是数据加载技术，就是将上一环节处理好转换好的数据进行加载，
之后保存到目的数据源系统内。
这一关键技术是智能电网中电力大数据集成的关键技术，将其应用到企业中，需要全面考虑
每种因素，在合理考虑后再和多种先进技术进行结合，实现科学的数据集成化。
2、数据分析关键技术
大数据技术中，核心就是将信号转化为数据，利用ETHINK平台对数据进行处理和分析，将其
