電網(wǎng)實時運行數(shù)據(jù)可反映電網(wǎng)當(dāng)前運行狀態(tài)與未來發(fā)展趨勢。隨著智能電網(wǎng)的迅速發(fā)展，電網(wǎng)中嵌入的各類傳感器規(guī)模不斷擴大，使得感知層采集的數(shù)據(jù)種類更加細(xì)化，待處理的數(shù)據(jù)急劇增加。據(jù)不完全統(tǒng)計，單個城市每天采集的電網(wǎng)業(yè)務(wù)數(shù)據(jù)就可達到PB級?？傮w上看，智能電網(wǎng)實時運行數(shù)據(jù)具備數(shù)據(jù)采集裝置多、采集頻率高、數(shù)據(jù)規(guī)模大、數(shù)據(jù)類型復(fù)雜等特點，且其采集的數(shù)據(jù)為典型的時間序列數(shù)據(jù)（ Time-series Data．TSD）。如何充分利用智能電網(wǎng)時序數(shù)據(jù)，采用適當(dāng)?shù)募夹g(shù)進行深度分析，為電網(wǎng)高效、安全運行提供決策和輔助支持，是一個重要的研究課題。

　　時間序列分析主要包括模式識別、聚類、分類、預(yù)測等內(nèi)容。近年來，國內(nèi)外專家學(xué)者針對時間序列分析進行了大量的理論研究，其研究成果也被廣泛應(yīng)用于經(jīng)濟、信息安全、道路交通等領(lǐng)域。針對電力行業(yè)，時間序列分析主要被應(yīng)用于廣域監(jiān)測系統(tǒng)（ Wide Area Measurement System，WAMS）、調(diào)度自動化和配電自動化等系統(tǒng)中，特別在電網(wǎng)負(fù)荷預(yù)測、售電量預(yù)測、電網(wǎng)規(guī)劃等方面發(fā)揮了重要作用。