Bei der Umsetzung von GRID 2.0 muss man aufgrund des hochdynamischen Sektors (es kommen ständig neue Daten hinzu) Möglichkeiten erforschen, die Daten zu sammeln, analysieren und speichern.
Dafür muss erforscht werden, welche Datenformate und Methoden für die verschieden Anwendungen im Energiesektor geeignet sind. Zudem müssen geeignete Programmiertechniken angewandt werden, um die Daten zu sortieren, filtern und gruppieren.
Ein wichtiges Element der Datenwissenschaften ist außerdem Berechnungsmethoden des Machine Learning und statistische Methoden zur Vorhersage zukünftiger Ereignisse zu nutzen.
Dies ist bezogen auf die intelligenten Systeme essenziell, da diese darauf trainiert werden müssen, sich an die aktuelle Situation anzupassen, Anomalien zu erkennen und in störanfälligen Prozessen richtig zu handeln. Dies trägt dazu bei, die Energiedistribution widerstandsfähiger zu machen und Schwachstellen zu erkennen und beseitigen. Zudem müssen die Daten richtig interpretiert werden, um die Energie je nach Bedarf dorthin zu leiten, wo sie gerade gebraucht wird.
Ein weiteres wichtiges Forschungsziel ist herauszufinden, wie und wo die Daten schließlich abgespeichert werden. Dabei ist besonders wichtig für diese sensiblen Daten einen sicheren Ort, wie beispielsweise eine lokale regionale Datenbank oder in einer Cloud einzurichten, wo die Daten zwar sicher verwahrt werden, aber trotzdem für zukünftige Analysezwecke zur Verfügung stehen.
