随着经济的快速发展,各种国际会议、大型赛事在中国召开,各种大型场馆、商业楼宇相继建立。楼宇用电数量巨大且增长迅速,对当地的电网安全稳定、经济运行带来了很大的冲击。因此,对楼宇负荷进行多维度关联分析,进一步深入了解用户用电行为,提高楼宇短期负荷预测的精度,进而提升电力系统调度的可靠性与经济性成为当前电网发展的一个重要课题。得益于传感器技术与大数据技术的发展,多源异构的用户侧电力大数据逐渐形成。然而当前对楼宇负荷关联分析的研究还停留在气象因素与历史数据的层次,没有从大数据中寻找表征人群行为对楼宇负荷影响的特征因素。且现有的关联分析方法的鲁棒性较差,不能很好地适应电力大数据的多元异构性。针对上述情况,本论文针对上海市某四栋楼宇的实测数据,对与人群行为有关的移动基站数据与电力负荷关联分析方法进行了研究。主要内容包括:首先,利用数据清洗、筛选与集成技术对上海市某四栋楼宇的实测数据进行数据预处理。借助统计分析与聚类分析方法,以移动基站数据表征的人群行为,对人群行为特征进行了分析。然后,考虑电力大数据的多元异构性,将初始数据分为数值型数据集与非数值型数据集,提出了一种针对电力负荷的改进多维度关联分析方法。利用该方法,对经过预处理的实测数据进行了关联分析,得到了人群行为特征与楼宇用电的关联关系。最后,利用上述关联关系,对楼宇短期负荷预测的输入变量进行了选择。针对前述实测数据,利用BP神经网络进行了短期负荷预测。结果表明,考虑人群行为特征,对楼宇负荷进行多维度关联分析,并根据分析结果,将移动基站数据纳入楼宇短期负荷预测的输入变量中,提高了楼宇短期负荷预测的预测精度,有利于电力系统的安全运行,提高电力系统运行的经济性。