我们首先要先了解清楚什么是大数据？大数据是基于互联网的定义，而大数据技术主要处理“涌现”性的数据。
不是“大量数据”被称为大数据
大数据是基于互联网的定义，而大数据技术主要处理“涌现”性的数据。
例如，移动用户8亿，微信用户5亿，淘宝六千万用户每天。每个用户每天都有“自然”的数据，所以有大量的数据。
因此，在电力行业中，不需要大型数据技术使用传感器感知的数据。需要使用的是另一种数据处理技术。
对于电网生产这个环节来说，如果你为大数据做大数据，你至少有一个传感器用于每个数据源，比如PMU。你打算安装数以千万计的传感器吗？这是扯了。
上面提到的生产环节实际上能够在电网用户侧、电表电能消耗、配电与配电一体化等领域使用大数据，但存在以下困难：
1。省级信通技术公司，在市场上整合营销和分销，长途、难系统。
2。电力数据和业务数据，电力数据和业务数据的使用对电网企业本身来说远小于实际意义的。这是大数据本身的一个特性：具有数据的企业，其数据值通常在企业外部。
但是，大功率数据在这个方向是否有未来呢？我认为未来是有的。
首先，大数据不使用“大数据”的概念，而是物联网+云+数据处理的综合概念。
其次，对电力数据的分析也在不断发展，学习大数据处理技术，恢复电力数据也有许多优点。
在不久的未来，物联网和智能电网高度发达的时候，店里大数据是非常必要的。
大数据（big data）
在可允许的时间范围内，无法捕获、管理和处理传统软件工具的数据集合。有些人把这些数据比作积累能量的煤矿。煤炭是按其性质分类的，如炼焦煤、无烟煤、肥煤和劣质煤，而露天矿和深山煤的开采成本则不同。同样，大数据不是“大”而是“有用”。价值和开采成本比数量更重要。对于许多行业来说，如何使用这些海量数据是赢得竞争的关键。大数据的价值体现在以下几个方面:1)为大量消费者提供产品或服务的企业可以利用大数据进行精准营销;2)长尾企业规模小，模式优美，可以利用大数据进行服务转型;3)传统企业在互联网的压力下不得不进行转型，需要充分利用大数据的价值。
目前，电力大数据应用场景主要在以下方面：
(1)规划——提高负荷预测能力。通过对大数据的分析，利用数据挖掘技术，更准确地掌握了电力负荷的分布和变化规律，提高了中长期负荷预测精度。
(2)施工——提高现场安全管理能力。现场批量比较分析的照片，采用分布式存储、并行计算、模式识别等技术，掌握施工现场安全隐患，或检查安全实施的纠正措施。
(3)运营——提高新能源调度的管理能力。利用机器学习、模式识别等多维分析预测技术，分析新能源、照明、温度、风速等气象要素关系，更准确地预测新能源发电容量和管理。
(4)维护——提高国家维护的管理能力。研究、维护、运行状况，消除气象条件对设备状态的影响，以及设备运行的风险水平，维护策略优化，采用平行计算技术，如国家大修指导等。
(5)营销——提高电力消费的分析能力。扩大电力采集的范围和频率，利用聚类模型等挖掘手段，深入分析电行为特征，实施判别用户管理策略。
(6)运输主管——提高企业关联分析能力。通过流量计算、可视化和并行处理，实现了全方位的在线监测、分析和计算。
前景：
一、宏观经济形势评价与预测
二、服务电力企业、电力用户；1.用户能耗分析及用电优化；2.用电信息征信体系服务；
