随着现代电网规模的飞速发展,在给人们带来越来越多便利的同时,也出现了现有电力系统网络无法满足现代电网建设需求的问题。电网的不断发展,致使电力系统监测数据的数据量不断增加,传统电力系统的数据存储及处理能力已远不能满足需求,面对超大规模的电力系统数据生成量,能够准确并及时的对电力系统大数据进行采集、存储和分析计算成为电力系统建设一直所追求的目标。电力系统监测数据以数据流形式连续生成,数据种类丰富、数量巨大,属于典型的大数据,这对电力系统数据管理系统提出了更高的要求。传统的监测数据采集方式是利用互为主备的前置机处理并送入关系型数据库,由于关系型数据库存在系统扩展性差、并发难度大等问题,难以满足监测系统大数据存储和管理的需求,而数据分析计算则是以高性能计算机串型计算为主,也有采用基于通信中间件搭建并行计算平台的方式实现并行计算,但分别存在着面临海量数据处理非常耗时和平台搭建过程耗时、风险控制不足等问题。为了解决上述问题并实现对监测数据的高效处理,本文首先分析了现有采集、存储和分析计算方案的特点,考虑各级电网公司的管理模式,设计了一种基于云计算技术Hadoop的电力系统监测数据并行数据采集和分布式存储计算方案。其次,在本文构建的并行数据采集和分布式存储计算方案的基础上,针对电网监测数据的采集、存储、计算进行了详细的分析,完成了基于分布式数据库HBase的大数据存储和基于分布式编程模型MapReduce的大数据分析计算功能。最后本文对所提方案进行了实验仿真,在实验室的环境下,使用多台主机搭建了Hadoop平台,通过仿真实验将其与传统方法的采集、存储、访问及分析计算性能做了比较,结果表明数据存取量越大,该方案在并发存取和分析计算时的效果越好,验证了方案的可行性和高效性。