泛在电力物联网下的大数据及其特点：

随着互联网与信息技术的发展，人们每天创造的数据成几何级数增长，譬如2018年全球的数据总量为35ZB，全球数据的增长速度为每年40%左右，预计到2020年全球的数据总量将达到44ZB。传统的关系型数据库和数据处理软件已经无法胜任海量数据存储及数据处理。

在这样的背景下，大数据成为学术界和工业界的研究及应用热点。大数据一词早出现在Apache Nutch开源项目中，其对大数据定义为“对网络搜索索引进行更新而需要批量处理或分析的大量数据集”。在2011年，《Science》的“Dealing with Data”专刊中指出，大数据的发展和使用将会对社会的发展起到巨大推动作用，各个国家开始重视大数据的应用，大数据的研究开始蓬勃开展。自2012年以来，我国相继出台了一系列政策支持大数据的发展与应用，并于2015年在贵阳市建立起全球家大数据交易所，2018总书记在2018中国大数据产业博览会的贺信中指出：“把握好大数据发展的重要机遇，促进大数据产业健康发展，处理好数据安全、网络空间治理等方面的挑战，需要各国加强交流互鉴、深化沟通合作”，积推进和部署国家大数据战略。国网公司早在2017年就提出“大云物移智链”信息化战略，大数据属信息化项工作的重要组成部分，在2018年电网中接入智能电表等各类终端5.4亿台（套），采集数据日增量超过60TB，在配网运检、能耗管理、用户服务上提供了良好的支撑。

泛在电力物联网数据包括发、输、变、配、用、调度六大环节，从数据的来源可以简单将电网数据分为电网内部数据和电网外部数据。电网内部数据主要指来自于电网内部系统，如用采系统、营销系统、广域检测系统、生产管理系统、能量管理系统、客户服务系统、财务系统等数据。电网外部数据来源于GIS供应商、天气、授时、政府等外部服务数据。从数据变化的频率上，数据也可以分为动态数据和静态数据，动态数据主要包括运行数据、营销数据等，静态数据主要包括一些如CMDB的元数据等。泛在电力物理网大数据拥有volume（巨量数据）、varity（类型多样）、velcity（运算高效）、value（产生价值）的4V特性，其还有如下特点：

1）数据多源异构性：

由于壁垒和历史原因，在泛在电力物联网中，同一份数据的来源存在多源性特点，比如用户数据可能来源于用户采集系统、电力营销系统、生产管理系统等。这些系统间的数据标准、数据内容存在较大差异性，同一个字段可能有不同的含义、精度、描述方式。如何有效地筛选并且清洗相关的数据，是构建泛在电力物联网大数据的基础；

2）数据时间粒度离散：

电网常见数据既有用户采集系统（SCADA）这种“秒”粒度的数据，也有智能电表“分钟”粒度的数据，也有电气设备“小时/天”粒度的数据，甚至于某些监控系统的数据粒度达到“毫秒”级别。如何分析这些多维度、粒度离散的数据，找出这些数据的内在关联，进行数据关联挖掘分析，实现业务价值，是泛在电力物联网大数据建设的关键。

3）地理空间及业务空间跨度大：

空间跨度大有2个方面内容，一方面是指电网空间跨度，基于地理数据（GIS）维度，如从西藏到上海，强调与电网规划、区域发展、综合能源网、需求响应之间的关系；

另一方面，是指电网层级复杂，基于电网结构的电网空间维度，如从输电线、变电站到台区，终用户智能表等，强调与电网运行、资产管理之间的关系。如何有效地对这些数据分层进行组织，利用好这些数据，是泛在电力物联网大数据建设的另一个关键。

4）隐私保护及数据安全性：

部分电力大数据涉及到关系政务民生的重要数据（台区信息、用电数据），且留存有用户的敏感信息（户名、身份证号），数据敏感度高，需要有较高的安全防护要求，对于用户隐私的保护和合理使用提出了更高的要求。如何在保障用户隐私的情况下，安全存放、流转并使用相关的数据，是泛在电力物联网大数据的准绳。