随着全球能源互联网的建设以及智能电网建设的快速推进,大量的物联网信息采集设备终端将会接入电网,这些终端将会产生海量的采集数据——智能电网大数据。为应对这些海量数据分析的需求,本文研究了智能电网大数据的流处理和批处理引擎的构建,并在此基础上完成了智能电网大数据在线分析与决策系统的设计。本文在国内外的研究的基础上研究了智能电网大数据的来源和分类,对智能电网大数据分析的主要需求进行了分析。本文对大数据相关的分布式计算理论进行了介绍,其中主要介绍了分布式计算框架MapReduce、分布式文件系统GFS和HDFS、分布式应用程序协调服务Chubby和ZooKeeper、分布式资源管理框架YARN和Mesos的原理和架构,同时也介绍了Map Reduce迭代计算模型、BSP计算模型、SSP计算模型这三种分布式数据分算法基础模型;随后研究了智能电网大数据流处理的任务需求,对流处理的概念进行了介绍,同时研究了智能电网大数据流处理系统的需求特征,着重研究了Strom、Spark Streaming、Samza这三种流处理引擎以及其应用场景,根据其特点和智能电网大数据流处理分析的特性需求本文选择Strom作为构建智能大数据在线分析与决策系统的流处理引擎,并通过基于Storm的VFDT算法在重要电力客户供用电安全实时分析中的应用展示了Strom在电网数据实时分析上的有效性,通过机器的扩展和模拟数据流的增加进行压力测试证明了Strom流处理引擎的在智能电网大数据分析场景中的可扩展性;随后,对智能电网大数据批处理的任务需求进行了研究,提出了利用Spark建设智能电网大数据批处理分析引擎的方案,并通过基于Spark的随机森林算法在海量用电负荷数据分析中的应用验证了该解决方案的有效性、可扩展性;最后,在以上研究的基础上对智能电网大数据在线分析与决策系统进行了详细的需求分析,并设计了系统的整体架构和每个模块的功能,这一设计方案可为后续的软件开发提供直接的参考依据。