智能电网状态监测通过分析电网状态数据,可以实时监控和预测电力系统状况。电网系统中的状态数据数量巨大,格式多样、不统一,有的数据需要实时性处理,这就需要利用云存储技术对海量的电网监测数据进行快速有效地处理与存储。本文利用云计算中的MapReduce并行数据处理编程模型、BigTable和GFS数据存储技术,提出了智能电网监测数据的云存储原型系统,详细介绍了云存储系统整体设计、云存储构架,同时提出了云存储系统的运行流程和云存储构架的故障恢复策略,构建了一个完整、高效、可靠地数据存储和处理的系统。结合聚类算法和一致Hash算法设计了数据均衡分布算法,进行数据分布。首先,综合处理器、内存、网速等因素,进行存储设备聚类,并优先使用性能高的数据服务器；其次,在每个聚类设备内部,利用一致Hash算法均衡地将数据分布在聚类内部的各个服务器上。为了进一步满足数据之间的关联性、数据的访问便利性,寻找高效地进行计算迁移方式的网络环境,需要对已经存储的数据进行数据分布的再优化。本文利用遗传算法,选择出最合理的数据分布的优化方法。经过实验证明,本文提出的数据分布算法具有可行性。数据查询由于查询的顺序不同而造成查询效率的天壤之别,再加上分布式数据的特殊查询流程,使得数据查询效率差距更大。本文比较了不同查询方法,显示了不同查询方法的查询效率的差别。利用代数优化对查询语句进行优化,提高查询效率。进而又证明了分布式数据查询方法的可行性。最后给出了两种多服务器协同查询步骤：迭代查询和递归查询,并做了对比。本文的涉及范围从智能电网监测数据的云存储原型系统,到数据均衡分布和优化再分布,到分布数据的多服务器的分布式协同数据查询,整个从数据存储到数据查询,形成一个完整的体系。