智能电表除了最基本的计量功能外,还包括信息存储、状态监测等功能。然而由于技术水平限制,智能电表采集到的大量用户数据无法得到有效利用。此外,在电力市场改革的背景下,如何通过用户数据挖掘用户信息,为不同用户提供差异化服务,是售电公司提高市场竞争力的有效方式。因此,如何从用户数据中采集到有用的信息,成了电力行业研究的重要方法。同时,售电公司还面临着改革下的风险与挑战,如何规避这些风险成了亟待解决的问题,进行售电公司的购售电策略分析显得意义重大。针对以上问题,本文主要研究基于用户数据的负荷模型与购售电策略分析,一方面通过新型聚类方法与搭建用电分析系统对用户进行用电行为分析;另一方面通过神经网络算法预测日前市场电价并建立结合双边协商与现货市场交易的购售电优化模型进行售电公司购售电策略分析。本文主要研究内容有以下几点:（1）在查阅大量国内外相关文献的基础上,首先对本课题的研究背景与意义进行了研究。并对用电行为、电价预测、购售电策略三方面的国内外研究现状分别进行了分析总结。（2）提出了一种新的负荷分析方法,该方法利用电力负荷参数,仿照股票分析中的K线图,定义了电力K线图及其相关指标。最后通过算例表明电力K线图与相关指标可用于负荷分析工作,该方法为研究用户行为提供了新思路。（3）提出了一种结合异同移动平均线指标（Moving Average Convergence/Divergence,MACD）与聚类算法的用户用电分析方法,该方法使用用户数据的MACD指标进行聚类,获得了更好的聚类效果;并且结合MACD指标与用户用电量曲线,利用MACD分析股票的思维对用户用电行为进行分析,可以更有效的研判用户用电量上升与下降趋势的变化,为电力公司了解用户用电习惯,挖掘用户用电需求,提高服务水平提供有力的支持。（4）为了提高进行用户行为分析的效率,开发了电力K线用电分析系统。首先设计了该系统的总体结构与运行流程,然后介绍了开发该系统的关键技术,包括各类数据库与B/S模式等,最后对该系统的可视化界面进行了说明。该系统实现了K线图进行用户行为分析的各种功能,可以对各地区及用户用电量在不同时间尺度上进行分析研究,对电网规划建设提供参考。（5）提出了一种趋势指标结合长短期记忆神经网络（Long Short-Term Memory Network,LSTM）的电价预测模型。该模型首先计算电价每小时的KDJ指标与MACD指标,其次,将趋势指标提取到的信息与电价数据一同输入到长短时循环网络从而对日前市场电价进行预测。利用山西省现货市场日前电价数据进行算例分析,通过对比实验说明趋势指标的引入使电价预测有了较大的提升,为售电公司购售电策略提供了日前电价数据参考。（6）简要概述电力市场改革进程、电力市场交易机制以及售电公司现状,建立了售电公司购售电策略优化模型,该模型考虑了双边协商交易及现货市场交易两种交易模式,以售电公司利润为优化目标,不同交易模式所占比例为未知量,采用粒子群算法进行求解,最终得到售电公司的期望利润。通过对不同交易模式下的期望利润对比,为售电公司在电力市场环境下如何分配购电比例提供科学依据。