Con el avance de la integración de energías renovables fluctuantes, una demanda del lado de la energía más dinámica y una red que opera más cerca de sus límites operativos, los futuros operadores del sistema eléctrico requieren nuevas herramientas para anticipar eventos no deseados. Los avances en aprendizaje automático y la disponibilidad de datos sugieren un gran potencial en el uso de enfoques basados en datos, pero estos solo serán tan buenos como los datos en los que se basan. Para sentar las bases para futuros modelos basados en datos, establecemos un estado base analizando la distribución estadística de las mediciones de voltaje de tres sitios en la red eléctrica noruega (22, 66 y 300 kV). Las mediciones abarcan cuatro años, son voltajes de línea y de fase, son ciclo por ciclo e incluyen todos los armónicos (pares e impares) hasta el orden 96. Se basan en cuatro años de datos históricos de tres Analizadores de Calidad de Energía (correspondientes a un billón de muestras), que hemos extraído, procesado y analizado. Encontramos que: (i) la distribución de armónicos depende de la fase y el nivel de voltaje; (ii) hay poca potencia más allá del armónico 13; (iii) hay agrupamiento temporal de valores extremos; y (iv) hay estacionalidad en diferentes escalas de tiempo. Para la modelización basada en aprendizaje automático, estos hallazgos sugieren que: (i) los modelos deben entrenarse en dos pasos (primero con datos de todos los sitios, luego adaptados al nivel del sitio); (ii) incluir armónicos más allá del 13 es poco probable que aumente el rendimiento del modelo, y que la modelización debe incluir características que (iii) codifiquen el estado de la red, así como (iv) la estacionalidad.