随着物联网技术的飞速发展,物联网系统逐渐被用于各行各业,智能电网属于一类典型的应用,分布在全网各节点的传感器无时无刻不在收集并产生前所未有的各类海量数据。本课题研究的智能电网数据特指安装在用户楼宇的智能电表收集的电力负荷数据,本质上是时间序列数据。其对于客户和电网公司非常重要,因其可被用于许多电网服务,比如跟踪电能消耗和预测电力负荷。然而,随着数据横向迅速增长,其处理过程面临极大地挑战,如存储和分析,所以,必须寻求新的解决方案,在满足应用需求的同时确保智能电网的安全及稳定运行。本文对智能电网时序数据的处理方法进行研究,主要分为两部分:智能电网时序数据存储方法,电力负荷预测方法。首先,以提高海量时序数据存取效率,降低存储空间,满足电网服务需求为目标,根据智能电网应用场景,提出了一个基于HBase的时序三维数据模型,分两种访问方式实现:折线查询和断面查询。前者查询特定用户智能电表在一段时间内的有功电能量,创建时间序列表,以单调递增的时间戳作为HBase存储的第三维度;后者查询特定时刻所有用户智能电表的有功电能量,创建时间断面表,以单调递增的用户编号作为第三维度。实验表明,该模型增加了单行存储的数据量,数据在HBase集群中分布更均衡,提高了数据存取效率,且减少了数据表中的大量冗余信息,降低了存储空间。其次,以提高智能电网短期电力负荷预测精确度,降低模型复杂度为目标,提出了一个基于ICS-SVM和K近邻的短期电力负荷预测模型。该模型综合考虑温度,节假日和星期等因素,采用混合法构建,避免误差迭代传播;采用改进布谷鸟搜索算法对SVM参数寻优,全局寻优能力强;采用K近邻实例选择策略,从训练集中提取与测试实例最相近的K个训练模式,组成新的精简型训练集,降低了回归预测复杂度;允许单变量,也可输入多变量;既适用于单步,又适用多步预测。实验表明,该模型精巧而优良,预测结果的各项回归指标均低于其他方法。最后,针对HBase原生的HTable API功能单一,非线程安全,存储模式不够灵活等缺点,设计并实现了一个智能电网时序数据分布式存储系统,利用之前提出的相对可定制的三维数据模型重新设计数据存储表,支持折线和断面两种访问方式。并扩展其基本功能,支持用户以更高效地方式向HBase存储,读取,删除,更新数据等操作。该系统不仅满足智能电网应用需求,且具有高容错性,稳定性和灵活性。