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。

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。

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。

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。

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。