近年来,我国电力负荷峰值增长速度较快,尤其是华东地区,负荷峰值不断刷新,导致在负荷高峰时段电力供需不平衡问题日益突出,电网运行成本增加。准确的负荷峰值预测可以为电网提高电网迎峰度夏和供电服务能力提供支撑,同时,也可以提高经济性。针对上述问题,本文提出一种基于贝叶斯网络的电力负荷峰值预测方法,并分析负荷高峰时段总负荷与台区负荷的关联性。本文分析了上海浦东区总负荷的日和周负荷峰值特性,研究峰值预测模型样本,基于向前逐步选择正则化提出两阶段法进行模型因素选择,并以实例验证选择出了 6个最佳变量,验证了因子选择方法的可行性及有效性。提出基于贝叶斯网络的电力负荷峰值预测模型,构建了基于负荷高峰时段的贝叶斯网络负荷峰值预测及基于k-means聚类的贝叶斯网络负荷峰值预测的两种峰值预测模式。选择上海浦东电力负荷数据,分别利用两种模式进行日和周负荷峰值预测,在峰值时间预测精度及模型学习时间具有较大优势,验证了基于贝叶斯网络的峰值预测方法的可行性及有效性。考虑在高峰时段内台区负荷(包括普通台区和专变台区)与总负荷的相似性及对总负荷量的贡献率,提出基于二次聚类法进行高峰负荷与台区负荷关联分析方法。抽取上海浦东区8954个台区某日负荷数据为例进行验证,根据其第二次聚类后的典型负荷曲线高低顺序可作为一种错峰调度优先级考虑,验证了本文所提方法的可行性及有效性。