随着电力数据总量的急速增长,电力大数据时代已经来临,智能电网建设的逐步推进对数据处理的可靠性和实时性提出了更高要求。近年来云计算技术迅速发展,分布式处理平台不断涌现,为电力大数据的处理提供了切实可用的基础架构。Storm是分布式实时处理框架,具有实时响应能力强、可靠性高、可扩展性好等突出特点,开源以来得到广泛应用,为大规模电网数据的实时处理提供了新的研究思路。本文首先总结智能电网大规模数据处理的研究现状,重点分析在海量监测数据实时处理中面临的问题;随后对当前大数据处理平台进行总结,结合大规模报警数据快速响应的应用需求,选择基于Storm平台进行系统架构,展开相关研究工作。课题的关键是Storm集群环境的部署和原有业务向Storm平台的迁移。在Storm框架下,首先设计了基于近似熵算法的电网数据快速特征提取方案,将整个过程分为数据接入、数学计算、结果处理等阶段,在Storm框架的各组件中编程实现,通过数据流连通形成任务实体,提交到集群运行。之后基于DBSCAN算法进行电网监测数据流的聚类分析,实时高效的处理计算结果。此外,平台开展的工作还包括监测数据越限检查、数据筛选等。通过对比分析和性能监测,验证了所提方案具有低延迟和高吞吐量等优势,适合智能电网环境下大规模数据的实时处理。本课题为电力大数据背景下的实时处理探索了一种新的解决方案,是Storm平台应用于智能电网领域的一次有益尝试。