海量数据处理技术在电网中是如何应用的？
你好，我是国网研究院的接下来为你解答
电力大数据在电力生产和使用过程中产生，数据来源涉及电力生产和电能使用的发电、输电、变电、配电、用电和调度各个环节。电力大数据具有大数据普遍的特征，概括为5 个 V（Volume，Variety，Velocity，Veracity，Value）。
①数量大。智能电网和企业信息化系统建设，物联网在电网、电厂中的大量应用，电力行业在设备状态、生产调度、资源利用、客户服务等领域将产生海量的数据，这些数据量很快从 PB 增长到 EB（1 EB=1 000 PB），增长速度越来越快、数据量极大；
②数据类型多。传统的电力生产主要以结构化数据为主，涉及各类电量的测量、流程的记录和资产的管理等，近几年视频、音频、文本等非结构化数据迅速增长，其数量很快超过结构化数据，逐渐成为电力大数据的主要组成部分，研究非结构化数据的处理与分析、提取有价值的信息十分迫切；③处理速度快。电力生产需要发电和用电及时平衡，需要对电力调度、设备检修等生产数据实时处理。随着行业管理水平不断提升，客户服务、人财物资源管理、建设运行、企业营销等方面都需要对数据快速处理，满足企业日常经营需要；④数据准确性高。电力行业以电力安全生产和满足社会需要为目标，在企业层面，电力数据的准确性涉及到电力生产、计量计费、电力营销必须准确无误，在国家经济方面，电力的发展要与经济发展相适宜，其设备规模、运行方式、厂站分布等数据都要求准确反映社会发展需要和趋势；⑤价值高。电力大数据不仅反映行业内部规律特征，指导电力生产和企业经营管理，还反映经济社会发展状况，其内涵的深入挖掘对于宏观经济分析、辅助社会管理、社会节能减排、商业活动评估和家庭节能等都有积极的意义。
忘采纳！谢谢
什么将成为解决海量数据的主要手段？
答：大数据处理将成为解决海量数据的主要手段。
海量数据处理之什么是bloomfilter？
Bloom Filter的中文名称叫做布隆过滤器，因为他最早的提出者叫做布隆(Bloom)，因而而得此名。布隆过滤器简单的说就是为了检索一个元素是否存在于某个集合当中，以此实现数据的过滤。也许你会想，这还不简单，判断元素是否存在某集合中，遍历集合，一个个去比较不就能得出结果，当然这没有任何的问题
但是当你面对的是海量数据的时候，在空间和时间上的代价是非常恐怖的，显然需要更好的办法来解决这个问题，而Bloom Filter就是一个不错的算法。
