大数据分析需要强大运算能力和技术设计，云计算的出现使得海量数据并行运算成为可能，各类分析算法的创新发展更是信息提炼与知识发现的关键技术。以信息提炼为驱动的大数据分析方法主要包括：聚类、回归、因子分析、时间序列预测、多维尺度分析、关系模式等，多运用统计型思路进行特征组合及区间缩放之类的运算以实现高维随机变量的规律挖掘，偏重于决策辅助、业务洞察等应用场景。
以知识发现为驱动的大数据分析方法主要包括：回归分析、机器学习、决策树、支持向量机等，涉及概率论、统计学、凸分析、算法复杂度理论等多门学科，同时又与人工智能（AI）领域的算法相互重叠，偏重于挖掘对象与对象之间的隐式关系与潜在联系。大数据处理技术。当前大数据处理技术主要包括分布式计算技术、内存计算技术和流式计算技术，三种技术在电力市场中适用于不同的业务对象和应用场景，如图2所示。
大数据架构整合技术。新一代电力交易平台采用“云平台＋微服务”的技术架构，构建用户、出清、结算等六大能力中心，基于能力中心沉淀通用共性业务能力，通过微应用实现业务功能积木式搭建，提高规则变化的响应速度，依托底层技术微服务解决云平台管理效率和迭代控制等问题。微服务架构的松耦合特性可以满足省间交易与省内交易、中长期交易与现货交易、市场交易与电网运营的协同运作要求。
数据中台通过构建统一的数据体系，建设基于统一标准体系的数据服务，实现数据服务的高可用性和高复用性。在数据中台的理想设计中，数据应用趋向轻量级发展，大数据架构要结合数据中台实现服务输出的场景化、实时性、自动化、智能化，打造数字化中台架构，建设数字化业务创新应用，实现“数字业务化、业务数字化”，赋能电力市场业务发展。“大数据”向“AI”延伸是能源互联网背景下电力市场运营的重要技术特征，数据中台向AI中台演进也势必成为未来的发展趋势，围绕智能化服务为核心辅以机器学习、深度学习等新技术向市场主体和关联领域提供便捷和快速的数据分析和预测，能有效提升市场服务水平和业务协同效率，同时也为电力市场数字化转型升级注入了新活力。
