Con la implementación a gran escala de sensores, tanto la red inteligente como la red de comunicación de energía deben tratar conjuntamente diferentes tipos de grandes datos. La fusión de ambas redes puede traer accidentes impredecibles, incluso llevar a una destrucción catastrófica en nuestras vidas. Sin embargo, la fusión de datos (DF) y el tratamiento coordinado para ambas redes mejorarán significativamente el rendimiento del sistema, reducirán la complejidad del sistema y mejorarán la precisión y la capacidad de control de ambas redes. La conciencia de la situación (SA) es la función clave para DF y la prevención de accidentes para ambas redes con diferentes estructuras de red, tipos de datos, mecanismos del sistema, y así sucesivamente. Este documento utiliza la computación tensorial para proporcionar un modelo de datos general para grandes datos heterogéneos y multidimensionales generados por la red inteligente y la red de comunicación de energía. Se diseña un novedoso esquema de fusión de datos con tensores multidimensionales. Se utilizan algoritmos de aprendizaje profundo por refuerzo (DRL) para construir una estrategia óptima de SA basada en grandes datos tensoriales. Se utiliza un algoritmo de actor-crítico de múltiples agentes (MAAC) para lograr una política de SA óptima y mejorar el rendimiento del sistema. Los esquemas propuestos de DF y SA basados en la computación tensorial y DRL proporcionan una guía útil para las redes de la red inteligente y de comunicación de energía desde la teoría y la práctica.