大數據具有 4V 特征，強調跨領域、多類型數 據的融合與利用[9-15]，其以云計算為基礎，在理論研究和實際應用方面涉及一系列軟硬件技術的進步[16-22]。電力大數據技術是大數據在電力行業的應用和發展，包括有分布式存儲、并行計算，以及各 種分析算法等組件，并充分吸收電力系統云計算的先進成果[23-28]。
最終實現大數據技術在電力系統的全面應用， 從電力系統各子領域出發的研究和實踐是必經之路。這些子領域中的數據通常也具有多類型、分散和未充分利用的特征，借助大數據技術既可促進子領域的技術進步，也能夠在一個較小的、可控的范 圍內驗證、發展電力大數據技術，并為最終的多領域融合作好準備。事實上，大數據的含義也在不斷 演變中，正是在與各類實際問題的互動過程中，才真正具有活力。
電力大數據技術是體系化的技術包，而電力系 統各子領域通常都具有較為完備的理論體系和強大的應用系統。因此，引入大數據技術的合適方式 是針對常規方法無法解決的問題和潛在需求，選擇電力大數據技術包中能夠為其提供支撐的組件，而 不應機械地強調領域數據是否完全符合大數據的 特征，或是希望以大數據技術完全取代現有技術。電力系統仿真計算包括離線計算和在線計算， 是電網規劃、設計和運行的重要支撐，在電力系統 研究體系中處于基礎地位。仿真計算進行過程中和 結束后能夠提供大量計算數據，對這些數據進行挖 掘和分析，并與在線量測結合解決系統實際問題， 特別是暫態穩定問題，長期以來都是數據挖掘技術 應用于電力系統的重要研究方向[29-36]。
從方法論的角度講，電力系統問題研究的主要 步驟包括觀察規律、理論分析和實驗驗證，這既要 求對系統變化過程的充分觀測，也要求對實驗結果 的充分觀測。目前，在電力系統仿真分析中通常只 監測少數關鍵量，這必然會遺漏可能的有效信息， 對研究結論產生不利影響。因此，充分利用仿真計 算豐富的數據和結果，對其進行深入的觀測和分析 也是電力系統仿真分析發展的要求。 到目前為止，在仿真計算數據挖掘方面的成果 大多都只限于理論和算例分析，在實際中應用較 少，影響力有限。造成這種情況的原因很多，其中 受限于數據吞吐速度、硬件計算能力，以及對各類 計算數據的整合與利用不足是很重要的方面。 電力大數據技術的發展能夠為上述問題的解 決提供有效幫助。基于電力大數據平臺，由計算能 力和數據存儲帶來的制約將不再是主要問題，相關 研究和應用可基于大規模數據整合進行。在此基礎 上，針對仿真計算數據所提出的各種分析方法，將 有機會得到更好地驗證和發展并投入實際應用。更多詳細內容請見附件
電力大數據技術與電力系統仿真計算結合問題研究_黃彥浩.pdf
新能源電力系統中需
