经历互联网的快速发展,云计算、大数据、数据挖掘已经成为IT行业风口浪尖的话题,在这种背景之下,各行各业都不断产生着海量数据,与以往相比,数据和数据信息量爆炸性的迅速膨胀,数据形式也越来越复杂,需要从这些海量数据中高效率获得有价值并且直观的结果。统计算法作为数据挖掘的前置步骤,可以针对数据分析出一些有指导意义的结论。并行计算作为一个将串行计算改为并行计算的新技术,在处理大规模数据上有特殊的优势,Spark作为新兴的并行计算框架,在这方面有独特的应用前景。在应用场景上,选取了电网数据的相关实际应用,体现并行化统计算法的作用。本课题主要做了以下3点工作:(1)提出方差分析和假设检验这两类统计分析算法的并行化实现,每一类具体分为三种不同的算法,设计算法的输入输出,结果评判标准等。之后进行基于Spark并行化算法正确性和性能实验,正确性依靠与单机数据分析软件SPSS得到的结果对比得出,性能实验包括不同数据规模下的运行时间和不同核数下的加速比实验。(2)针对课题背景和并行实现的统计分析算法探讨了几个实际应用场景。首先介绍电网数据的背景和内容,解释一些专有名词的意义以及实施统计分析的意义。之后介绍了油色谱数据间的相关性、线路状态量与预期假设和居民用电量与量测值影响因素这三个实际应用的分析结果。(3)介绍了实验室自主开发的大数据分析平台的架构,给出了预处理模块和统计分析模块的集成过程和结果。描述了本文提出的并行化统计分析算法在集成过程中的详细设计,从模块介绍,输入输出和前端展示等方面介绍算法在系统中的集成详情。